ИИ в контроле качества партии

Контроль качества на косметической линии — работа однообразная и потому уязвимая. Человек прекрасно замечает необычное, но плохо удерживает внимание на тысячном одинаковом флаконе. Машина устроена ровно наоборот: она не устаёт на однотипной проверке и совершенно теряется, столкнувшись с чем-то, чего не было в её опыте.

Из этого различия и вырастает разумное распределение задач. Автоматике отдают монотонную часть, человеку — интерпретацию и решение.

Что проверяет автоматика

Первый слой — визуальный контроль. Камеры на линии смотрят на уровень заполнения, посадку крышки, положение и целостность этикетки, читаемость нанесённых данных. Это простые, но критичные вещи: перекошенная этикетка или неполный флакон — самые частые причины возврата, и они же легче всего автоматизируются.

Второй слой — статистика по измеряемым показателям. У каждой партии есть контрольные значения: вязкость, кислотность, плотность, масса нетто. По отдельности каждое значение может укладываться в допуск, но их совместное поведение способно сигнализировать о дрейфе процесса задолго до выхода за границы.

Именно здесь алгоритмы дают заметный выигрыш. Человек смотрит на показатель и сравнивает его с допуском. Алгоритм смотрит на тренд и говорит: значения последних партий систематически смещаются в одну сторону, стоит проверить, что изменилось.

• Уровень заполнения флакона и герметичность закрытия.
• Положение, целостность и читаемость этикетки, включая обязательную маркировку.
• Внешний вид состава: однородность, отсутствие включений и изменения цвета.
• Соответствие измеряемых показателей допускам: вязкость, кислотность, масса.
• Тренды по последовательности партий — ранние сигналы дрейфа процесса.

Слабые места машинного контроля

Главная слабость — незнакомые дефекты. Система обучена на том, что видела, и уверенно опознаёт типовые отклонения. Новый вид брака, которого раньше не случалось, она с высокой вероятностью пропустит, причём молча и с высокой оценкой уверенности.

Вторая слабость — обратная: ложные срабатывания. Изменилось освещение, поменялась партия картона с чуть другим оттенком, слегка сместилась камера — и поток предупреждений вырастает на пустом месте. Хуже всего то, что после серии ложных тревог операторы перестают на них реагировать, и система теряет смысл.

Третья — отсутствие сенсорной проверки. Запах и тактильные свойства машина не оценивает, а для антиперспиранта это существенные параметры. Органолептический контроль партии остаётся человеческим.

Почему это важно при двух площадках

Когда продукт выпускается и в Германии, и в Турции, вопрос сопоставимости выходит на первый план. Одинаковые контрольные процедуры и одинаковый формат данных позволяют сравнивать площадки напрямую, а не на словах.

Практический эффект такой: если на одной площадке показатель начал плавно смещаться, это видно на фоне другой как контрольной. Без общего формата данных подобное расхождение обнаруживается поздно — обычно уже по обратной связи покупателей.

Отдельно стоит сказать про отбор образцов. Автоматика смотрит на каждый флакон, но часть проверок физически возможна только выборочно: измерение показателей состава, органолептика, контроль массы. Здесь важна не столько технология, сколько правило отбора: образцы берут в разные моменты выпуска партии, а не только в начале, когда линия работает в самых благоприятных условиях.

Данные таких выборочных проверок и данные сплошного визуального контроля дополняют друг друга. Первые говорят о содержимом, вторые — о форме и упаковке. Ошибка распространённая и понятная: считать, что раз камеры не нашли брака, с партией всё в порядке. Камеры не видят кислотности и не чувствуют запаха.

Полезно понимать и то, как устроен сам порог срабатывания. Любая автоматическая проверка — это компромисс между пропуском дефекта и ложной тревогой: сдвигая настройку в одну сторону, вы неизбежно ухудшаете другую сторону. Для косметики выбор обычно делается в пользу перестраховки: лучше лишний раз остановить линию и посмотреть глазами, чем выпустить сомнительный флакон.

Из этого следует, что качество контроля измеряется не количеством пойманных дефектов, а тем, насколько внимательно разбирают каждое срабатывание. Система, которая подаёт сигналы, но чьи сигналы никто не расследует, создаёт ложное ощущение контроля — и это опаснее, чем её отсутствие, потому что порождает необоснованное спокойствие.

В сумме роль алгоритмов в контроле качества скромная и очень конкретная: они удерживают внимание там, где человеческое внимание неизбежно слабеет, и подсвечивают тенденции в числах. Всё остальное — от разбора причин до решения о судьбе партии — по-прежнему делают люди. Для покупателя эта кухня остаётся невидимой, и в этом смысл: хорошо работающий контроль качества проявляется отсутствием событий. Флакон открывается ровно так, как ожидается, состав выглядит и пахнет как в прошлый раз, этикетка читается. Обычная предсказуемость — довольно трудоёмкий результат.