计算机视觉系统和神经网络是否有助于减少废品和缺陷？
材料准备者：AQT 中心科学主任 谢尔盖·格里戈里耶夫 。
我们可以看到制造工厂中用于质量控制的机器视觉应用领域的宣传材料有所增加。
“计算机视觉相机接收来自表面的图像...处理所得图像以识别缺陷区域，并由神经网络进一步分析以对缺陷进行分类。分析结果显示在操作员工作站上，并集成识别出的缺陷被在线分类为 30 多个参数”。
当然，机器视觉系统将有助于识别产品或半成品流程中的缺陷，生产管理和开发人员将被迫给予应有的关注 操作定义 ，但如果不使用统计过程控制领域的知识，此类系统将迫使操作员执行更多操作 第一类和第二类错误 ，只会让情况变得更糟。
这样的机器视觉系统将无法告诉操作员他需要做什么来提高过程的输出，更重要的是不会对使用“缺陷分析显示在屏幕上”的操作员的决策结果负责。操作员工作站。”
“这些都是在追求质量的道路上走捷径的尝试。这里没有捷径。”
请参阅 Donald Wheeler 的文章了解解释： 使用公差字段的正确和错误方法 。
请参阅文章中生产生物甲烷的企业中操作员干预气体流量控制过程的示例： 过程控制中可变性的概念 。