Przez lata wdrożenie wizyjnej kontroli jakości oznaczało projekt integratora: specjalista od machine vision przyjeżdżał do zakładu, dobierał algorytmy, stroił parametry i zostawiał system, którego nikt na miejscu do końca nie rozumiał. Każda zmiana produktu oznaczała kolejną wizytę i kolejną fakturę. AIVQC powstało z założeniem, że tak nie musi być. Jeśli masz w zakładzie inżynierów procesu i dział IT, masz już większość kompetencji potrzebnych do uruchomienia inspekcji AI — brakowało tylko narzędzi, które nie wymagają eksperta od uczenia maszynowego.
Ten artykuł pokazuje, jak wygląda takie wdrożenie w praktyce: kogo potrzebujesz, co robi każda z tych osób, w jakiej kolejności przebiega praca i w których momentach warto jednak sięgnąć po nasze wsparcie.
Dlaczego to w ogóle jest możliwe
W klasycznym projekcie machine vision najwięcej specjalistycznej pracy pochłania budowa i strojenie modelu: wybór architektury, rozmiaru partii, współczynnika uczenia i liczby epok, a potem reagowanie, gdy wyniki stoją w miejscu albo się pogarszają. W AIVQC tę część przejmuje automatyczny trening w Trainerze. Ustawiasz budżet czasu i cel jakości, a Trainer sam dobiera parametry do Twojego zbioru i sprzętu, wykonuje kolejne próby, poprawia je na podstawie wyników i zostawia najlepszy model — nie ostatni.
Druga bariera to infrastruktura. AIVQC Server instaluje się jak zwykły kontener Docker — na serwerze z Linuksem, na NAS-ie Synology albo na komputerze z Windows — a instalator prowadzi przez konfigurację krok po kroku. Trzecia to integracja z linią: stanowisko wymienia ze sterownikiem kilka prostych sygnałów przez Modbus TCP, które każdy automatyk zna z innych urządzeń. Żaden z tych kroków nie wymaga wiedzy, której nie ma typowy dział techniczny zakładu produkcyjnego.
Kogo potrzebujesz w zespole
Wdrożenie nie wymaga nowego etatu. Potrzebujesz kilku osób, które już pracują w zakładzie — każda angażuje się na innym etapie i w innym zakresie.
- Inżynier procesu lub jakości — najważniejsza rola. Zna produkt i wie, co jest wadą. Zbiera i oznacza obrazy, ustawia cel jakości, ocenia wyniki ewaluacji i decyduje, czy model jest gotowy. To on pracuje w Trainerze.
- Administrator IT — instaluje Server, przydziela mu adres w sieci zakładowej, dba o kopie zapasowe i aktualizacje. Jego zaangażowanie jest największe na starcie, później ogranicza się do rutynowego utrzymania.
- Automatyk — podłącza stanowisko do sterownika: sygnał wyzwolenia, impuls odrzutu, sygnał życia i gotowości. Sprawdza całą logikę w trybie symulacji, zanim stanowisko zacznie wpływać na pracującą linię.
- Operatorzy i technicy — na co dzień uruchamiają inspekcję, wybierają recepturę i reagują na wyniki. Technik dodatkowo zbiera trudne obrazy, które wracają do inżyniera jako materiał do kolejnej wersji modelu.
W mniejszym zakładzie dwie pierwsze role często łączy jedna osoba. Kluczowe jest to, że żadna z nich nie musi być specjalistą od uczenia maszynowego — wystarczy znajomość procesu, sieci zakładowej i sterowników, czyli kompetencje, które i tak już masz.
Wdrożenie krok po kroku
Najlepiej zacząć od jednego stanowiska i jednego produktu. To dokładnie zakres pilota: jedna stacja Trainer, jedno stanowisko inspekcyjne i do trzech klas defektów przez 30 dni, z możliwością bezpłatnego przedłużenia. W tym czasie przechodzisz całą ścieżkę, która później powtarza się na kolejnych liniach.
- Wybór pierwszego przypadku — powtarzalny produkt, kontrolowana pozycja i defekt, który da się jednoznacznie pokazać na zdjęciu. Dobry pierwszy przypadek skraca całe wdrożenie.
- Instalacja Servera — administrator uruchamia kontener w sieci zakładowej. Server działa wyłącznie po HTTPS w sieci lokalnej i nie wymaga otwierania portów do Internetu.
- Podłączenie Trainera i stanowiska — jednorazowymi kodami. Każdy komponent dostaje własną tożsamość, a poświadczenia nigdy nie są wyświetlane ani przepisywane ręcznie.
- Dane i anotacja — inżynier importuje obrazy lub nagrania, zaznacza każdy defekt i potwierdza obrazy bez wad. Trainer pilnuje, żeby ujęcia tego samego detalu nie trafiły jednocześnie do treningu i testu.
- Trening automatyczny — budżet czasu, cel jakości i start. Trening działa w tle, na stacji inżynierskiej albo na komputerze z GPU w sieci lokalnej.
- Ewaluacja — test na obrazach spoza treningu i na wideo z docelowej kamery, tą samą ścieżką inferencji, której używa linia. Trainer proponuje próg pewności na podstawie wyników.
- Integracja z PLC — automatyk sprawdza sygnały w trybie symulacji, potem na zatrzymanej linii.
- Wdrożenie receptury — zweryfikowany pakiet trafia przez Server na wybrane stanowisko. Stanowisko sprawdza sumy kontrolne i zachowuje poprzednią recepturę do przywrócenia.
- Doskonalenie — obrazy NOK i o niskiej pewności wracają przez Server do Trainera, a kolejna wersja modelu powstaje przez dotrenowanie poprzedniej.
Gdzie realnie oszczędzasz
Największa różnica to brak godzin integratora — zarówno przy pierwszym wdrożeniu, jak i przy każdej kolejnej zmianie. Płacisz za licencję na oprogramowanie, a nie za czas zewnętrznego specjalisty. Jak policzyć, czy to się opłaca w Twoim przypadku, opisujemy w artykule o zwrocie z automatyzacji kontroli jakości.
- Brak kosztów integratora przy pierwszym wdrożeniu — instalację, dane, trening i integrację wykonuje Twój zespół.
- Brak zależności przy zmianach — nowy wariant produktu czy nowy rodzaj wady to praca Twojego inżyniera w Trainerze, a nie zlecenie i termin u dostawcy.
- Wykorzystanie sprzętu, który już masz — jeśli kamera i komputer stanowiska przejdą kwalifikację, nie kupujesz nowego zestawu.
- Wiedza zostaje w zakładzie — Twoi ludzie rozumieją, jak działa system, dlaczego podejmuje takie decyzje i jak go poprawić.
- Skalowanie we własnym tempie — gdy pierwsze stanowisko działa, kolejne linie to powtórzenie tej samej ścieżki tymi samymi ludźmi.
Uczciwie: co nadal wymaga pracy
Samodzielne wdrożenie nie oznacza, że system zrobi wszystko sam. Automatyczny trening zastępuje eksperta od uczenia maszynowego, ale nie zastąpi wiedzy o procesie: ktoś musi zebrać reprezentatywne obrazy, poprawnie oznaczyć wady i zdecydować, który rodzaj błędu jest dla Twojego procesu groźniejszy — przepuszczona wada czy odrzucona dobra sztuka. Ta decyzja wpływa bezpośrednio na próg decyzyjny.
Najwięcej uwagi wymaga obraz. Model nie wykryje wady, której kamera nie pokazuje wyraźnie, dlatego warunki obrazowania warto sprawdzić, zanim zacznie się zbierać dane — więcej o tym w artykule o oświetleniu w inspekcji wizualnej. Trzeba też zaplanować czas: inżynier, który w trakcie pilota ma kilka godzin w tygodniu na Trainer, przejdzie całą ścieżkę znacznie pewniej niż ktoś, kto robi to między innymi zadaniami.
Kiedy warto sięgnąć po nasze wsparcie
Samodzielne wdrożenie i współpraca z nami nie wykluczają się. Możesz zacząć sam i poprosić o pomoc tylko w jednym obszarze — albo przeprowadzić pilot razem z nami, a kolejne linie wdrażać już własnym zespołem.
- Nie masz pewności, czy obecna kamera, optyka i oświetlenie pokażą wadę wystarczająco wyraźnie.
- W zakładzie brakuje automatyka, który zintegruje stanowisko ze sterownikiem linii.
- Potrzebujesz formalnego raportu z rekomendacją GO, WARUNKOWE GO albo NO-GO, zanim zarząd zatwierdzi inwestycję.
- Defekt jest nietypowy i chcesz skonsultować sposób jego oznaczania, zanim zainwestujesz czas w anotację.
Jak zacząć
Pilot własnym zespołem będzie dostępny od bety, planowanej na listopad 2026. Już teraz możesz zgłosić zakład do programu przez formularz kontaktowy — wybierz temat „Beta — pilot własnym zespołem” i opisz produkt, defekt oraz obecny sposób kontroli. Wycenę licencji przygotowujemy indywidualnie, a jeśli w trakcie okaże się, że wolisz wdrożenie z naszym wsparciem, możesz zmienić ścieżkę w dowolnym momencie.