QC Inspection untuk Industri Fastener: Baut, Mur, dan Pencegahan Part Tercampur
Kenapa Fastener Sulit Di-QC Secara Manual
Pabrik fastener — baut, mur, sekrup, ring, dan rivet — memproduksi part dalam jumlah sangat besar dengan harga per unit yang kecil. Justru di situ masalahnya: satu baut dengan panjang salah atau ulir rusak yang lolos ke lini perakitan pelanggan bisa menghentikan satu stasiun, dan satu kontainer yang tercampur ukuran lain bisa berujung klaim seluruh lot. Inspeksi manual biasanya hanya sampling, karena memeriksa ribuan part per jam dengan mata tidak realistis.
QC inspection dengan kamera AI cocok untuk karakter produksi seperti ini: part kecil, bentuk berulang, dan cacat yang sebagian besar terlihat dari luar. Artikel ini membahas cacat apa yang realistis dideteksi, cara menyusun stasiun inspeksi, dan batas yang tetap harus ditangani gauge serta laboratorium.
Cacat Fastener dan Kecocokannya dengan Kamera AI
| Masalah | Contoh | Bisa dideteksi kamera? |
|---|---|---|
| Part tercampur (mixed part) | M8x30 masuk ke lot M8x25, mur M10 di lot M8 | Ya — kasus paling bernilai |
| Panjang & diameter salah | Baut terlalu pendek setelah cold heading | Ya, dengan kalibrasi dan backlight |
| Ulir rusak / tidak terbentuk | Ulir penyok, rolling tidak lengkap | Sebagian — kerusakan kasar ya, pitch presisi tidak |
| Cacat kepala | Kepala retak, burr, hex tidak penuh | Ya, untuk cacat yang terlihat |
| Washer atau komponen hilang | Baut SEMS tanpa ring | Ya |
| Head marking salah | Kelas kekuatan 8.8 vs 10.9, logo pabrik | Ya, dengan klasifikasi atau OCR |
| Lapisan (plating) tidak rata | Belang, karat putih, area tanpa zinc | Sebagian — tergantung kontras warna |
| Kekerasan & kekuatan tarik | Hasil heat treatment | Tidak — wajib uji lab |
Mencegah Part Tercampur: Prioritas Pertama
Keluhan pelanggan fastener paling sering bukan cacat permukaan, melainkan part tercampur. Penyebabnya klasik: sisa part di hopper atau tumbler saat ganti ukuran, part jatuh ke wadah yang salah, atau lot dari heat treatment yang digabung.
Kamera AI di jalur keluar (konveyor, feeder getar, atau rel) bisa memastikan setiap part sesuai varian yang sedang dijalankan. Untuk ukuran yang sangat mirip, seperti selisih panjang 5 mm, pakai backlight agar siluet terlihat tegas dan tambahkan pengukuran panjang terkalibrasi — dasarnya ada di pengukuran dimensi dengan camera vision. Untuk perbedaan bentuk kepala atau jenis ulir, model klasifikasi atau deteksi objek lebih tepat; perbandingannya dibahas di memilih jenis model AI visual.
Karena satu lini biasanya menjalankan banyak ukuran, siapkan model dan resep per varian agar ganti produk tidak memerlukan setting ulang, seperti di smart inspection untuk pabrik multi-SKU.
Menyusun Stasiun Inspeksi
- Penyajian part. Fastener paling mudah diinspeksi saat posisinya teratur: berdiri di rel, tergantung di slot, atau berjajar di piringan berputar (rotary glass disc). Part yang menumpuk di konveyor sulit dinilai satu per satu.
- Sudut pandang. Satu kamera dari samping untuk siluet panjang dan ulir, satu dari atas untuk kepala dan head marking. Susunan dua kamera atau lebih dibahas di camera vision multi-kamera.
- Pencahayaan. Backlight untuk siluet dan dimensi, dome light untuk permukaan logam berlapis yang mengilap. Lihat panduan pencahayaan camera vision.
- Kecepatan. Feeder fastener bisa sangat cepat; pastikan trigger dan exposure cukup pendek agar tidak blur, seperti di camera vision di conveyor cepat.
- Penolakan. Hasil NG dikirim ke PLC untuk menggerakkan air blow atau gate pemisah — lihat integrasi AI inspection ke PLC, MES, dan ERP.
Head Marking dan Traceability
Banyak standar mewajibkan tanda kelas kekuatan dan identitas pabrik di kepala baut. Tanda timbul atau cekung ini kontrasnya rendah, sehingga pencahayaan low-angle biasanya diperlukan. Jika tanda berupa angka dan huruf, OCR bisa membacanya; jika berupa logo, klasifikasi gambar lebih praktis. Dasar OCR industri ada di OCR & ANPR dengan AI camera.
Batasan yang Perlu Dipahami
Kamera hanya melihat bentuk dan permukaan. Pitch dan profil ulir presisi tetap diverifikasi dengan thread gauge (go/no-go) atau mesin ukur ulir. Kekerasan, kekuatan tarik, dan kedalaman case hardening hanya bisa dipastikan lewat uji laboratorium. Retak halus akibat quenching pada part kritis tetap memerlukan eddy current atau magnetic particle inspection. Ketebalan lapisan zinc diukur dengan alat ukur ketebalan coating, bukan kamera.
Untuk menghitung jumlah baut kecil di dalam kantong, timbangan hitung tetap lebih andal daripada kamera, seperti dijelaskan di camera vision untuk penghitungan objek.
Posisikan kamera AI sebagai penyaring 100% untuk part tercampur dan cacat visual, sementara uji mekanik tetap berjalan sesuai rencana sampling — perbandingannya ada di sampling AQL vs inspeksi 100%.
Mulai dari Satu Keluhan Pelanggan
Pilih satu jenis keluhan yang paling sering muncul — biasanya part tercampur atau panjang salah — dan pasang satu stasiun di titik sebelum packing. Bandingkan hasilnya dengan sortir 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 fastener Anda.
Ingin lihat Nirmana VisionAI bekerja di lini Anda?
Konsultasi gratis kebutuhan visual inspection & QC inspection Anda via WhatsApp.
Hubungi Sales