มีหลายขั้นตอนในกระบวนการผลิตที่อาจไม่ได้รับการตรวจสอบ แต่ไม่ว่าจะด้วยเหตุผลใดก็ตาม เช่น ขั้นตอนระหว่างกระบวนการในสายการผลิตที่ไม่สามารถดำเนินการโดยอัตโนมัติได้ เนื่องจากการตรวจสอบที่มีความซับซ้อนเกินไปหรือยากต่อการตั้งค่า หรือในบางที การตรวจสอบอาจต้องใช้ความรู้ความชำนาญของพนักงานในระดับหนึ่ง

      ซึ่งไม่ว่าจะด้วยเหตุผลใดก็ตาม เมื่อผลิตภัณฑ์ที่ไม่ได้รับการตรวจสอบออกสู่ตลาด ผู้ผลิตต้องเตรียมพร้อมรับมือกับการเรียกคืนผลิตภัณฑ์ ที่เกิดจากการผลิตที่ไม่ได้คุณภาพ เกิดการนำกลับไปทำซ้ำ และผลลัพธ์ทางธุรกิจเชิงลบอื่น ๆ ที่ทำให้เกิดปัญหาในการเพิ่มผลกำไร

       คาดว่าการเรียกคืนผลิตภัณฑ์ อาจทำให้บริษัทต้องเสียเงินไปมูลค่ากว่า 10 ล้าน – 100 ล้านเหรียญ หรือมากกว่านั้น แต่ความเสียหายระยะยาวกลับเป็นชื่อเสียงในเชิงลบของแบรนด์ และการชะลอตัวของนวัตกรรมใหม่ๆ ในการผลิตซึ่งอาจเลวร้ายยิ่งกว่ามาก โดย Ariel D. ศาสตราจารย์จาก Harvard Business School ได้กล่าวว่า ในปี 2559 มีการ Recall ผลิตภัณฑ์ในอุตสาหกรรมยานยนต์ทั้งหมด มีมูลค่าสูงถึง 2.2 หมื่นล้านดอลลาร์

       ดังนั้น ต้นทุนสำหรับผู้ผลิตและชื่อเสียงของแบรนด์มีค่ามากเกินกว่าที่จะปล่อยให้กระบวนการผลิตไม่ถูกตรวจสอบ

       Vision System รุ่นล่าสุด cognex in-sight d900 จึงออกแบบมาเพื่อช่วยให้ลูกค้าสามารถตรวจสอบแบบ Inline ที่สามารถทำให้เป็นระบบอัตโนมัติและปรับสเกลการตรวจสอบได้

      In-Sight D900 เป็น Vision System รุ่นแรกที่มีความสามารถในการตรวจสอบโดยมี Deep Learning ติดตั้งภายในตัว ซึ่งการใช้ซอฟต์แวร์ In-Sight ViDi จะช่วยแก้ปัญหา OCR, การตรวจสอบการประกอบชิ้นส่วน และการตรวจจับข้อบกพร่องของผลิตภัณฑ์ โดยไม่ต้องใช้ PC ในระหว่างการใช้งาน ด้วยการผสมผสานระหว่างประสิทธิภาพ การเข้าถึง และการใช้งานที่ง่ายดายของ cognex in-sight d900 จึงช่วยให้ผู้ผลิตตรวจสอบสิ่งที่ไม่สามารถตรวจพบได้ก่อนหน้านี้ ในขณะที่ยังให้ผลลัพธ์ที่รวดเร็ว สม่ำเสมอ และแม่นยำ

       3 เหตุผลที่ทำให้ In-Sight D900 ช่วยเพิ่มประสิทธิภาพการตรวจสอบให้กับผู้ผลิตและวิศวกรระบบอัตโนมัติในอุตสาหกรรมต่างๆ เช่น ยานยนต์บรรจุภัณฑ์อิเล็กทรอนิกส์ หรืออาหาร และเครื่องดื่ม ดังนี้

       1. Applications Are Easy To Build And Deploy

       เทคโนโลยี Deep Learning ใน In-Sight D900 สร้างขึ้นจากซอฟต์แวร์ In-Sight ViDi ซึ่งมี In-Sight spreadsheet interface ที่ใช้งานง่าย เพื่อตั้งค่าและเรียกใช้แอปพลิเคชัน Deep Learning ได้อย่างรวดเร็วโดยไม่ต้องเขียนโปรแกรม ทำให้ผู้ใช้ In-Sight คุ้นเคย ไม่ต้องปรับเปลี่ยนการใช้งานมากนัก

       สำหรับผู้ที่เพิ่งเริ่มต้นใช้งาน In-Sight  Spreadsheet จะช่วยลดความยุ่งยากในการพัฒนาแอปพลิเคชัน และเพิ่มความคล่องตัวในการรวบรวมการเชื่อมต่อในโรงงานด้วย I / O และชุดฟังก์ชันการสื่อสารแบบเต็มรูปแบบ นอกจากนี้ยังช่วยให้ผู้ใช้สามารถรวม Cognex Rule-Based Vision Tools (เช่น PatMax Redline) และเครื่องมือ Deep Learning ในงานเดียวกัน ซึ่งนำไปสู่การปรับใช้งานที่รวดเร็วขึ้น

       In-Sight ViDi ยังต้องการชุดภาพและระยะเวลาการฝึกอบรมที่น้อยกว่า และการตรวจสอบที่สั้นกว่าโซลูชัน Deep Learning อื่นๆ นอกจากนี้ แอปพลิเคชันยังรวดเร็วและง่ายดายในการ Set Up สอนและปรับใช้กับ cognex in-sight d900 อีกด้วย

       2. Deep Learning Is Embedded On A Powerful Smart Camera Vision System

       ในปัจจุบัน  Deep Learning สำหรับการตรวจสอบระบบอัตโนมัติในโรงงานจำเป็นต้องใช้ซอฟต์แวร์ Deep Learning ไม่ว่าจะเป็น VisionPro ViDi หรือ Open Source Framework บางตัวที่ทำงานบน PC และเชื่อมต่อกับกล้อง GigE เพื่อเพิ่มระดับความสามารถในการจัดการกับความซับซ้อนในไลน์การผลิต 

       ในทางตรงกันข้าม เมื่อสร้างแอปพลิเคชันและโมเดล Deep Learning ที่ได้รับการเทรนนิ่งมาแล้ว ระบบจะถูกนำไปใช้กับ In-Sight D900 ได้ทันทีโดยไม่ต้องใช้ PC นั่นเป็นเพราะ D900 มี  Inference Engine ภายในตัวที่ออกแบบมาโดยเฉพาะเพื่อแก้ปัญหาแอปพลิเคชัน Deep Learning ที่มีความซับซ้อนเพื่อใช้สำหรับความเร็วในสายการผลิต และเช่นเดียวกับ In-Sight Vision Systems อื่นๆ ซึ่งระบบนี้เป็น Highly Modular ที่ได้รับมาตรฐาน IP67 รวมถึงแสง เลนส์ ฟิลเตอร์ และฝาปิดที่สามารถปรับเปลี่ยนได้เพื่อให้ตรงกับความต้องการในการใช้งานของคุณ

       3. Automate And Scale The Most Challenging Inline Inspections

       In-Sight D900 Vision System พร้อมซอฟต์แวร์ In-Sight ViDi สามารถเพิ่มประสิทธิภาพได้อย่างแท้จริง ด้วยคุณสมบัติทั้ง 3 อย่าง ได้แก่ การตรวจจับข้อบกพร่อง, OCR และการตรวจสอบชิ้นส่วนในการประกอบ ด้วยเครื่องมือตรวจสอบใหม่ล่าสุด คือ ViDi Detect, ViDi Read และ ViDi Check  ทำให้โซลูชัน Deep Learning นี้สามารถใช้สำหรับการใช้งานที่หลากหลาย ตัวอย่างเช่น บนชิ้นส่วนและพื้นผิวที่ซับซ้อนซึ่งอาจมีข้อบกพร่องที่ไม่สามารถคาดเดาได้ โดย  ViDi Detect เป็นเครื่องมือที่สมบูรณ์แบบสำหรับงานนี้

       นอกจากนี้ยังสามารถตรวจสอบว่าชิ้นส่วนและชุดประกอบถูกต้องตามตำแหน่งที่ผู้ใช้กำหนดไว้หรือไม่ และเมื่อพูดถึง OCR เราทุกคนรู้ดีว่า Vision Systems ทำงานได้ดีกับสภาพแสงที่ดีและ Contrast ที่ชัดเจนสำหรับโค้ดที่ต้องอ่าน ซึ่ง  Deep Learning สามารถอ่านรหัสภายใต้สภาพแวดล้อมที่มีความยากในการตรวจสอบ ไม่ว่าจะเป็น รหัสที่ผิดรูป บิดเบี้ยว แกะสลักไม่ดีหรือบนพื้นผิวสะท้อนแสง ในสภาพแสงที่แย่ โดย Deep Learning สามารถจัดการปัญหาเหล่านี้ได้

       สรุป

       In-Sight D900 นับว่าเป็นรุ่นแรกของการพัฒนาอย่างแท้จริงสำหรับ Smart Vision System อันชาญฉลาด ทรงพลัง ที่สามารถเรียกใช้การตรวจสอบแบบ Deep Learning ได้ทันทีโดยไม่ต้องใช้ PC ซึ่งเป็นระยะเวลานานมาแล้วที่ Deep Learning เป็นเพียงทฤษฎีทางวิชาการและเป็นเทคโนโลยีของบริษัทขนาดใหญ่ แต่ตอนนี้ วิศวกรระบบอัตโนมัติและผู้จัดการคุณภาพสามารถใช้ประโยชน์จากพลังของมันได้จากโรงงานแล้ว