AI Visual untuk Industri Hasil Tembakau: Pita Cukai, Bungkus, dan Batang SKT

Kenapa Pabrik Hasil Tembakau Butuh Inspeksi Visual yang Konsisten

Di pabrik rokok, cacat kecil di kemasan bisa jadi masalah besar. Bungkus tanpa pita cukai, pita yang miring atau sobek, atau pita dengan tarif yang tidak sesuai produk bisa memicu penolakan distributor, temuan pemeriksaan, sampai penarikan barang. Di sisi lain, lini pengemasan berjalan ratusan bungkus per menit, dan pemeriksaan manual mengandalkan operator yang memeriksa sampel dari slop dan ball di akhir lini.

AI visual membantu memeriksa setiap bungkus di titik-titik yang cacatnya terlihat dari luar. Artikel ini membahas apa yang realistis diperiksa kamera AI di industri hasil tembakau — dari linting tangan (SKT) sampai karton ball — dan apa yang tetap menjadi tugas laboratorium.

Cacat yang Bisa dan Tidak Bisa Dilihat Kamera

Titik 1: Pita Cukai di Bungkus

Ini titik dengan nilai tertinggi. Kamera atas setelah mesin penempel pita memeriksa keberadaan, posisi, dan kondisi pita. Dengan model klasifikasi per varian, sistem juga bisa memastikan desain pita cocok dengan produk yang sedang berjalan — penting saat satu lini memproduksi beberapa merek atau isi bungkus. Aturan pergantian produk di lini seperti ini dibahas di smart inspection di pabrik multi-SKU.

Pita dan bungkus sering berlapis film mengilap. Pantulan cahaya bisa menutupi sobekan kecil, jadi gunakan cahaya difus atau dome sesuai panduan pencahayaan camera vision.

Titik 2: Bungkus, Film, dan Tear Tape

Setelah overwrapping, kamera memeriksa film yang sobek, kusut, atau tear tape yang hilang. Film bening sulit dilihat dengan cahaya lurus; cahaya miring membuat kerutan dan tepi sobekan lebih kontras. Cetakan bungkus yang salah varian atau rusak bisa diperiksa dengan pola yang sama seperti di kamera AI untuk industri percetakan & kemasan.

Titik 3: Slop, Ball, dan Kode Produksi

Di akhir lini, kamera atas memeriksa slop yang terbuka atau karton ball sebelum ditutup: jumlah bungkus, orientasi, dan kemungkinan varian tercampur. Teknik menghitungnya mirip dengan camera vision untuk penghitungan objek. Kode batch di karton dibaca dengan OCR pada AI camera, dan hasil NG dikirim ke PLC untuk menggerakkan rejector — lihat integrasi AI inspection ke PLC, MES, dan ERP.

Titik 4: Batang SKT di Meja Sortir

Untuk sigaret kretek tangan, batang dilinting dan digunting oleh pekerja, lalu disortir sebelum dibungkus. Kamera atas di meja sortir bisa menandai batang bengkok, ujung terbuka, kertas sobek, atau panjang yang tidak seragam. Karena cacat batang bervariasi, deteksi anomali tanpa contoh cacat sering jadi titik awal yang praktis.

Untuk sigaret kretek mesin (SKM), batang diproduksi ribuan per menit oleh mesin maker yang umumnya sudah memiliki sistem inspeksi bawaan. Kamera AI berbasis PC lebih tepat ditempatkan di tahap bungkus dan karton, dengan exposure dan trigger yang diatur seperti di camera vision di conveyor cepat.

Batasan yang Perlu Dipahami

Kamera hanya melihat permukaan. Keaslian pita cukai ditentukan oleh fitur pengaman yang diverifikasi lewat jalur resmi, bukan oleh kamera di lini produksi. Kadar air, nikotin, tar, dan aroma tetap diuji laboratorium. Kepadatan isi batang dan tarikan (draw resistance) diukur dengan alat uji fisik. Posisikan AI visual sebagai penyaring 100% untuk cacat yang terlihat, sementara uji lab berjalan sesuai rencana sampling — pembagian perannya dibahas di sampling AQL vs inspeksi 100%.

Mulai dari Satu Titik

Mulailah dari keluhan terbanyak — biasanya pita cukai miring atau hilang — dan pasang satu stasiun setelah mesin penempel pita. Bandingkan hasilnya dengan inspeksi manual selama dua sampai empat minggu memakai metrik false reject dan escape.

Nirmana VisionAI berjalan on-premise di PC pabrik, mendukung klasifikasi, deteksi objek, deteksi anomali, dan OCR dalam satu aplikasi, dengan training langsung dari GUI tanpa coding. Lihat paket & edisi Nirmana VisionAI untuk memulai pilot di lini pengemasan Anda.