本文面向已经在产线上使用机器视觉检测、或即将部署机器视觉检测的工厂厂长、生产经理，以及质量、持续改进和设备维护负责人。相机能够识别并剔除不良品，但剔除数量往往只停留在检测系统里。本文说明如何把这一计数纳入 OEE 的质量率，更重要的是，如何把它与设备状态结合起来，弄清不良品在什么时候、因为什么出现。
- 机器视觉为每个零件给出带时间戳的判定。
- 这一计数可以直接用于 OEE 质量率。
- 与设备状态结合，可以看出剔除品何时出现。
- 检测与测量是两项互补的不同工作。
机器视觉在产线上做什么
总部位于西班牙萨拉戈萨的工程与技术创新公司 ATRIA Innovation 在 Control de calidad por visión artificial（《基于机器视觉的质量控制》，西班牙语）一文中介绍了检测工位的工作方式：产品经过检测工位，一台或多台相机采集图像，软件实时处理图像，并把检测结果与设定参数进行比较。随后，正如文章所概括的：“El sistema determina si la pieza es válida o presenta defectos.”（系统判定零件合格还是存在缺陷。）接着执行自动动作：接收、剔除或分拣产品。
ATRIA Innovation 的文章还列举了常见应用：划痕、裂纹、污渍、变形等表面缺陷，尺寸检测，装配检查，标签与包装检查，以及用于追溯的条码读取。文章还指出，产生的信息可以存储下来供后续分析。这正是本文的出发点：检测能够逐件提供可靠的质量数据。问题在于，零件被剔除之后，工厂如何使用这些数据。
从剔除品到 OEE 质量率
OEE 由三个因子相乘得到：可用率、性能率和质量率。质量率是合格品在全部产出中所占的比例。纸面上它是三者中最简单的一个，但在实际中往往最不可靠，因为它依赖班末的人工填报、废品箱称重，或者几天后才从实验室传来的数字。
机器视觉工位改变了这种情况：每一件被检测的零件都会得到一个带时间戳的判定。只要这一计数进入 OEE 计算，质量率就不再是估算值。而真正的价值在于，剔除品不再是一个孤立的数字，而是与停机、微停机和设备节拍放在同一条时间轴上。
开始之前有两点需要注意：
- 统一分母。所有产品的产出数量都要在同一位置统计：在检测工位之前，而不是之后。
- 明确复检规则。如果被剔除的零件经过复检后有一部分重新回到产线，需要决定它们是否算作一次合格。经典 OEE 只把一次合格的零件计为合格品。
把剔除品与设备状态结合起来
相机知道零件有缺陷，却不知道设备在生产这件零件时处于什么状态。把两类数据并排放在一起，就会出现单独看任何一类都看不到的规律。下表列出典型情形，它们只是解读示例，并非某家工厂的实际结果。
| 情形 | 机器视觉看到的 | 设备状态显示的 | 首要线索 |
|---|---|---|---|
| 换型后的开机阶段 | 剔除集中在最初的几件 | 换型刚结束，节拍尚未稳定 | 开机参数设置，换型标准 |
| 微停机之后的剔除 | 缺陷成批出现 | 此前反复出现微停机 | 重启影响了温度、压力或定位 |
| 降速运行 | 不同时段剔除率不同 | 节拍低于额定节拍 | 操作人员为减少缺陷而降速：隐藏的性能损失 |
| 剔除稳定，与停机无关 | 剔除率保持恒定 | 正常运行 | 原因更可能在原材料或工艺，而不是重启 |
| 检测工位本身导致停机 | 工位报警，剔除判定存疑 | 产线记录到停机 | 清洁镜头、调整照明和阈值：单独统计误剔除 |
例如，一条包装线按整个班次平均来看质量率尚可，但大部分剔除品却集中在每次微停机后的几分钟内。这时有效的措施不在视觉工位，它本身工作正常，而在于消除微停机的原因。
分步方法：为质量率提供数据
- 选择一条配有视觉检测的产线。从剔除品对成本或交期影响最大的产线开始。
- 确定计数规则。在哪里统计产出数量，什么算剔除品，复检和误剔除如何处理。把规则写下来，并与质量和生产部门共享。
- 获取带时间戳的剔除计数。根据现场配置，数据可以来自剔除信号、计数器或检测系统日志。关键是每一次剔除的时间，而不仅是班次合计。
- 自动测量设备状态。运行、停机、微停机和实际节拍，不依赖班末的回忆。
- 按状态分析剔除品。区分开机阶段、停机之后的时段和稳定运行时段，比较各自的剔除率。
- 每周与质量和生产部门一起复盘。一张表、一套 OEE 计算，并按原因分配行动：工艺、维护、换型或检测参数调整。
检测与测量：两项不同的工作
角色需要分清。设计视觉检测方案、选择相机和照明、训练算法、制定判定标准，是 ATRIA Innovation 这类机器视觉专业公司的工作。测量停机、微停机和设备性能，并把它们与质量联系起来，是另一项工作。
TEEPTRAK 负责的是第二部分，不做质量检测。一个模块接入电气柜，一个传感器安装在产线旁，每台设备安装约一小时，无需连接 PLC。48 小时内即可获得 OEE、停机和微停机数据，剔除品也可以记录在同一条时间轴上，用于计算质量率。该方案已在 30 多个国家的 700 多家工厂使用。
延伸阅读
- Control de calidad por visión artificial（ATRIA Innovation，西班牙语）
- 用设备数据支撑 QRQC：以停机和废品事实快速解决问题
- 车间看板：哪些 OEE 与停机指标应从产线逐级汇报到管理委员会
FAQ
仅靠机器视觉就能计算 OEE 质量率吗？它提供了可靠的分子，即剔除品数量。此外还需要在检测之前统一统计产出数量，并制定清晰的复检规则。
为什么要把剔除品与设备停机结合起来？因为很多缺陷集中出现在开机、换型以及微停机后的重启阶段。没有设备状态，只能看到剔除了多少件，却看不到何时剔除、为何剔除。
检测工位的误剔除应如何处理？在复检时识别出来并单独分析，作为检测参数调整的问题。如果与真实缺陷混在一起，会扭曲质量率，并把改进行动引向错误方向。
0条评论