Beranda Topics Inspeksi Visual Apa itu inspeksi visual?
Jelajahi solusi inspeksi visual IBM Mendaftarlah untuk mendapatkan pembaruan keberlanjutan
Ilustrasi yang menunjukkan penggunaan teknologi dalam proses inspeksi visual untuk mendeteksi cacat dan menjaga kualitas
Apa itu inspeksi visual?

Inspeksi visual adalah teknik untuk mendeteksi cacat dengan menggunakan mata telanjang untuk memastikan bahwa peralatan berfungsi dengan baik atau produk yang diproduksi dibuat sesuai spesifikasi. Ini dapat mencakup inspeksi visual yang dilakukan secara langsung atau jarak jauh dengan menggunakan gambar digital.

Panduan Anda tentang penghitungan emisi GRK

Pelajari tentang proses yang digunakan untuk mengelola data kinerja lingkungan dan langkah-langkah yang diperlukan untuk memperhitungkan emisi gas rumah kaca (GRK).

Konten terkait

Daftar untuk panduan CSRD UE

Evolusi inspeksi visual

Memeriksa peralatan, produk, dan bahan dengan mata manusia adalah bentuk inspeksi visual tertua dan paling sederhana. Ini masih digunakan sampai sekarang di bidang manufaktur, industri energi dan bidang medis karena efektif untuk mendeteksi cacat pada permukaan.

Di era pra-digital, inspektur dilatih untuk mengidentifikasi cacat, terkadang dengan mata telanjang, dan dalam kasus lain, dengan menggunakan alat bantu yang paling sederhana, seperti lampu dan kaca pembesar. Dengan kemajuan kamera dan drone portabel berkualitas tinggi, inspeksi visual telah berkembang ke tahap baru.

Saat ini, perusahaan mengumpulkan gambar dan video digital dari mesin, produk manufaktur, dan aspek lain dari operasi fisik untuk melakukan inspeksi visual. Inspeksi dengan rekaman video dan gambar dapat dilakukan secara real-time dari lokasi yang jauh atau ditinjau kembali nanti setelah kamera yang mengumpulkan gambar diambil.

Perangkat lunak yang menggunakan kecerdasan buatan (AI) juga digunakan saat ini untuk otomatisasi inspeksi visual. Dengan “mengajari” komputer untuk membaca gambar dan menentukan apakah gambar tersebut memenuhi standar yang dapat diterima, perusahaan dapat mengotomatiskan proses pemeriksaan visual, menghemat waktu dan terkadang, meningkatkan akurasi. Hal ini dapat berkisar dari mengidentifikasi korosi pada bagian atas turbin angin hingga mengidentifikasi konektor yang rusak dalam produk elektronik.

Salah satu contoh pengintegrasian AI ke dalam sistem inspeksi visual adalah pada industri otomotif. Produsen mobil masa kini menggunakan gambar dan pembelajaran mendalam untuk mengidentifikasi cacat secara cepat dan konsisten pada tahap awal proses produksi.

Dengan teknologi ini, yang juga dikenal sebagai inspeksi visual cerdas, organisasi dapat melakukan inspeksi dengan lebih cepat, lebih akurat, dan hemat biaya di berbagai lingkungan. Dengan menggunakan mesin untuk melakukan pengujian visual, perusahaan dapat menjauhkan orang dari area berbahaya dan ruang terbatas, seperti tangki penyimpanan, sehingga melindungi keselamatan pekerja tanpa mengorbankan manfaat inspeksi visual.

Inspeksi visual dan pengujian non-destruktif (NDT)

Inspeksi visual adalah bentuk pengujian non-destruktif (NDT). Metode non-destruktif memungkinkan inspektur untuk menilai sistem atau komponen tanpa mengubahnya secara permanen.  Selain inspeksi visual, NDT juga mencakup teknik inspeksi seperti emisi, radiografi, sinar-X dan inframerah, dan pengujian ultrasonik.

NDT adalah istilah yang sering digunakan dalam operasi manufaktur atau industri; namun, istilah ini dapat diterapkan pada beberapa industri lainnya. Sebagai contoh, sinar-X untuk menilai apakah seseorang mengalami patah tulang atau korektor yang meninjau dokumen dan menunjukkan kesalahan yang perlu direvisi juga merupakan jenis-jenis NDT.

Karena inspeksi visual hanya melihat pada permukaan, organisasi akan sering menggunakannya bersamaan dengan metode pengujian lainnya.

Menerapkan proses inspeksi visual

Setiap industri dan organisasi memiliki prosesnya sendiri untuk melakukan inspeksi visual. Namun, ada kesamaan dalam alur kerja inspeksi yang sering ditemukan di seluruh proses inspeksi visual. Antara lain adalah:

  • Mengidentifikasi semua peralatan, bahan, produk dan infrastruktur yang perlu diperiksa.
  • Mendefinisikan kondisi mana yang harus memicu inspeksi.
  • Membuat pedoman yang jelas untuk mengidentifikasi cacat.
  • Memperhatikan seberapa sering inspeksi ini harus dilakukan.
  • Membuat sarana untuk melaporkan, mendokumentasikan, dan menangani cacat dan waktu henti saat terdeteksi.
  • Memasukkan inspeksi visual ke dalam daftar periksa pemeliharaan.
Metode inspeksi visual

Setelah proses ditetapkan, organisasi dapat menggunakan berbagai metode untuk melakukan inspeksi visual, termasuk:

  • Pengambilan sampel acak. Pemeriksaan kualitas dilakukan pada produk atau aset fisik yang dipilih secara acak. Dalam manufaktur, produk sering diperiksa tepat di lini produksi untuk cacat visual yang jelas. 
  • Pengambilan sampel manual penuh. Semua produk diperiksa secara manual oleh orang yang terlatih untuk mengidentifikasi cacat. Ini bisa menjadi pekerjaan yang menuntut fisik dengan tindakan berulang yang harus disertai dengan kebijakan keselamatan, peralatan ergonomis, dan peralatan yang sesuai.
  • Inspeksi visual jarak jauh (RVI). Menggunakan kamera jarak jauh, teknologi tepi, dan drone, organisasi dapat mengamati peralatan dengan aman dari jauh. Solusi inspeksi ini dapat dilakukan secara real-time; atau di daerah terpencil di mana konektivitas mungkin menjadi masalah, inspeksi dapat dilakukan dengan mengambil gambar dan menganalisanya nanti.
  • Inspeksi visual otomatis. Produk diperiksa secara real-time menggunakan kamera, metode pemrosesan gambar, dan algoritma machine learning. Tidak seperti RVI di mana tim membawa peralatan inspeksi ke lapangan, inspeksi visual otomatis biasanya dilakukan di tempat di satu lokasi.
Manfaat inspeksi visual

Inspeksi visual telah digunakan selama bertahun-tahun untuk memastikan kualitas dan keamanan. Selain itu, ini juga menawarkan manfaat berikut:

  • Penghematan: Dengan mengidentifikasi cacat sedini mungkin, perusahaan dapat mengurangi biaya membuang produk cacat atau mengidentifikasi aset yang perlu diperbaiki dengan lebih cepat.
  • Keamanan: RVI memungkinkan perusahaan melakukan inspeksi visual dengan lebih aman dari sebelumnya dengan membantu mereka mengidentifikasi cacat di lingkungan yang mungkin berbahaya.
  • Pengoptimalan: Inspeksi visual adalah cara yang cepat, murah, dan tidak intensif untuk menilai kualitas. Saat menggunakan inspeksi visual otomatis, organisasi dapat lebih mengoptimalkan proses inspeksi dengan mengurangi waktu pengerjaan manual.
  • Kecepatan: Ketika menggunakan inspeksi visual otomatis, inspeksi dilakukan lebih cepat dibandingkan dengan pekerja manusia dan dapat dilakukan kapan saja, 24-7.
  • Akurasi: Inspeksi visual otomatis dapat lebih akurat daripada inspeksi dengan mata manusia, karena dapat menangkap cacat kecil yang tidak terlihat atau mudah terlewatkan.
Contoh penggunaan inspeksi visual

Ketika kontrol kualitas dan keamanan adalah yang terpenting, inspeksi visual digunakan, dan mungkin diperlukan, termasuk dalam contoh-contoh penggunaan ini:

  • Manufaktur: Baik untuk memproduksi mobil, farmasi, atau semikonduktor, inspeksi visual mengidentifikasi cacat perakitan dan kosmetik di lantai produksi.
  • Kesehatan: Mulai dari pembuatan perangkat medis hingga pemeriksaan peralatan sebelum operasi, inspeksi visual merupakan kunci kesehatan dan keselamatan pasien.
  • Energi: Inspeksi visual meningkatkan keamanan peralatan di berbagai aspek industri energi, mulai dari pertambangan dan ekstraksi bahan bakar hingga pembangkit listrik.
  • Infrastruktur sipil: Memeriksa jalan, jembatan, dan terowongan untuk mengetahui adanya potensi masalah merupakan mandat untuk keselamatan publik, dapat memakan waktu berbulan-bulan dan membutuhkan perhatian terhadap detail kecil.

 

 

Inspeksi visual otomatis dan AI

Sampai saat ini, inspeksi visual adalah proses yang sulit untuk diotomatisasi. Komputer belum dapat mengimbangi mata telanjang. Namun demikian, kemajuan terbaru dalam kemampuan AI telah membuat fitur pemeriksaan visual otomatis menjadi lebih efisien dan akurat.

Rintangan utama yang harus diatasi oleh para insinyur adalah ketidakmampuan komputer untuk memproses isi gambar. Visi komputer membantu memecahkan masalah ini. Proses ini memungkinkan komputer untuk memperoleh informasi yang berarti dari gambar digital, video dan input visual lainnya. Komputer sekarang tidak hanya dapat memproses gambar, tetapi juga dapat menghasilkan insight data yang dapat digunakan untuk mengambil tindakan korektif atau membuat rekomendasi. 

Berikut adalah beberapa kemampuan yang ditawarkan visi komputer:

  • Pengenalan gambar: Ini memungkinkan komputer untuk menggambar konteks dan makna dari sebuah gambar, termasuk mengidentifikasi objek, tempat, orang, dan tulisan tangan.
  • Deteksi objek: Teknik ini mengidentifikasi dan menemukan objek dalam gambar atau video dengan menggambar batas di sekitar objek, memungkinkan inspeksi lebih dekat dalam konteks objek.
  • Pemantauan jarak jauh: Sama seperti inspeksi visual jarak jauh, pemantauan jarak jauh meninjau dan memeriksa objek melalui gambar atau video, baik oleh manusia atau dengan menggunakan teknologi yang didukung AI.
  • Manajemen aset prediktif: Organisasi dapat mengambil data dari mesin dan aset untuk memahami kesehatan total aset dalam hal siklus hidupnya dan kemudian memanfaatkan data ini untuk memprediksi kapan kegagalan akan terjadi.
  • Peringatan keselamatan pekerja: Ketika situasi yang tidak aman terdeteksi di dalam ruang terbatas atau area terkendali lainnya, sistem dapat memperingatkan pekerja tentang potensi risiko.
Solusi IBM
Perangkat lunak inspeksi visual

Optimalkan keunggulan visi komputer di tangan tim kualitas dan inspeksi Anda. IBM Maximo Visual Inspection membuat visi komputer dengan pembelajaran mendalam lebih mudah diakses oleh pengguna bisnis dengan alat inspeksi visual yang memberdayakan.

IBM® Maximo Visual Inspection
Sumber daya
Inspeksi visual untuk meningkatkan kualitas dalam produksi

Pelajari bagaimana pembelajaran mendalam mengubah inspeksi visual dalam industri manufaktur.

Apa itu visi komputer?

Pelajari tentang visi komputer dan bagaimana Anda dapat menggunakan machine learning dan neural networks untuk mengajarkan komputer melihat cacat sebelum memengaruhi operasi.

Pola Kode IBM® Maximo Visual Inspection

Jelajahi berbagai pola kode yang telah diidentifikasi sebagai contoh penggunaan umum dalam inspeksi visual.

Ambil langkah selanjutnya

Lepaskan kekuatan visi komputer tanpa kode untuk inspeksi visual otomatis dengan IBM Maximo Visual Inspection: sebuah perangkat intuitif untuk melabeli, melatih, dan menerapkan model visi kecerdasan buatan.

Jelajahi inspeksi visual Maximo Coba demonya