外观检查自动化既是一场“不可能完成的任务”，又是一场“烂游戏”
ovit正如我在图像传感展的研讨会上所提到的，我在这个行业工作多年，最近对此感受愈发深刻。
那就是，
外观检查的自动化，本质上是一场“不可能完成的任务”，也是一场“烂游戏”。
这意味着。
当然，这并不是在否定技术人员。
恰恰相反。
即使聚集了一批优秀的工程师，之所以仍会遇到困难，并不是因为技术能力不足，而是因为课题本身就很难。
障碍① 成本障碍
外观检查是确保质量所必需的工序。
然而，在大多数情况下，
这不是直接为产品本身创造附加值的工序。
因此，从企业的角度来看，
- 降本对象
- 如果可能的话，希望尽可能节省成本的工序
即为。
另一方面，如果想要实现自动化，
- 设备费
- 开发费用
- 调整费
- 维护费
- 运营费用
将会发生。
也就是说，
可投入的成本与必要成本无法匹配。
这里就是第一道障碍。
障碍② 多样性障碍
外观检查的对象确实非常多样。
- 品种繁多
- 工件形状不同
- 材质不同
- 颜色不同
- 照明条件不同
而且最重要的是，
每件商品各不相同。
在某个现场行之有效的方法，几乎不可能直接套用到另一个现场。
结果是，
- 局部最优的累积
- 专业知识的个人化
- 无法横向扩展
情况就会变成这样。
用软件行业的话来说，这就像每次都要从头开始重做一样。
障碍③ 主观障碍
更棘手的是这堵墙。
外观检查本质上包含主观因素。
例如，
- 这个划痕没问题吗？
- 这种污渍算违规吗？
- 这种色差在可接受范围内吗？
这种判断因人而异。
也就是说，
- 判定标准不明确
- 不同的人会有不同的看法
- 无法固定目标本身
存在这样一个问题。
这并非像将棋或国际象棋那样存在明确标准答案的世界。
说到底，正确答案一直在变化。
所以才叫“不可能通关的游戏”
成本压力很大。
对象各不相同。
正确答案也不明确。
冷静地想想，
这样根本不可能轻松实现自动化。
外观检查难以实现自动化的原因在于，
这既不是因为图像处理很难，
也不是因为AI还不够成熟。
这个主题本身就很难。
所以，我，
我认为外观检查的自动化从结构上来说是一项“不可能完成的任务”。
然后就是“烂游戏”
更严峻的是，
尽管付出了不少努力，但投资回报率却难以提升。
每次都不一样。
每次都需要调整。
每次都会重置相关技巧。
这样下去，工程师们会筋疲力尽的。
所以，我偶尔会，
有人说外观检测自动化是“垃圾游戏”。
当然，这是出于爱意啦（笑）。
即便如此，还是要做的理由
那么，为什么要坚持下去呢？
原因很简单。
因为现场方面正面临困难。
劳动力短缺问题正在加剧。
经验丰富的检验员也在减少。
此外，对质量的要求也越来越严格。
也就是说，
外观检查的自动化很难实现。
不过，还是得做。
获胜的关键在哪里？
我最近，
不是为了增加个别案件的数量，而是，
将业绩转化为资产
我认为这一点很重要。
- 不必每次都从头开始制作
- 分享经验
- 积累优质产品数据
- 建立一个持续改进的机制
就这样，
在“每件作品各不相同”的世界里，一点一点地增加共同之处。
只有那才是获胜的唯一途径。
外观检查自动化，确实是一场“不可能完成的任务”，也是一场“烂游戏”。
不过，正因如此才有趣。
此外，还有很大的改进空间。
今后，我们也将，
我们将继续努力，致力于开发真正适用于现场的外观检查方法。
