QC Inspection untuk Industri Kaleng & Kemasan Logam: Penyok, Tutup, dan Kode Produksi
Kenapa Kaleng Perlu QC Visual yang Konsisten
Kaleng dipakai untuk ikan, susu kental, buah, cat, sampai aerosol. Satu kaleng penyok di sambungan atau tutup yang compound-nya putus bisa bocor, menggembung, dan berujung recall. Di pabrik pembuat kaleng (can maker) maupun di lini pengisian (filler), pemeriksaan visual masih sering mengandalkan operator yang mengamati ratusan kaleng per menit — mustahil konsisten sepanjang shift.
QC inspection dengan kamera AI membantu di titik-titik yang cacatnya memang terlihat dari luar. Artikel ini membahas cacat mana yang realistis dideteksi, di mana kamera dipasang, dan pemeriksaan mana yang tetap wajib dilakukan dengan alat ukur dan uji kebocoran.
Cacat Kaleng dan Kecocokannya dengan Kamera AI
| Masalah | Contoh | Bisa dideteksi kamera? |
|---|---|---|
| Body penyok | Dent akibat jatuh atau benturan di conveyor | Ya, dengan cahaya miring |
| Tutup (end) cacat | Penyok, gores, curl tidak rata | Ya |
| Compound lining | Compound putus, terlalu tipis, meluber | Ya, sebelum tutup dipasang |
| Tampilan seaming | Droop, cut-over, false seam yang kasat mata | Sebagian — hanya tampilan luar |
| Cetakan & label | Salah desain, label miring atau sobek | Ya |
| Kode produksi | Kode emboss/inkjet buram atau hilang | Ya, dengan OCR |
| Dimensi seam internal | Overlap, body hook, cover hook | Tidak — wajib seam teardown |
| Kebocoran & vakum | Bocor mikro, kaleng kurang vakum | Tidak — butuh leak tester / dud detector |
Titik Inspeksi di Pabrik Kaleng
- Pembuatan tutup. Setelah compound diaplikasikan, kamera atas memeriksa apakah cincin compound utuh dan merata. Ini titik bernilai tinggi karena cacatnya tidak terlihat lagi setelah tutup terpasang. Untuk variasi compound yang sulit dikumpulkan contoh NG-nya, pertimbangkan deteksi anomali tanpa contoh cacat.
- Body kaleng. Setelah welding dan flanging pada kaleng tiga bagian (3-piece), kamera samping mencari penyok dan cacat pada sambungan las. Permukaan kaleng tinplate mengilap, jadi pencahayaan menentukan hasil — dasar teknisnya ada di camera vision untuk inspeksi permukaan logam dan panduan pencahayaan camera vision.
- Cetakan. Untuk kaleng yang dicetak langsung, cek salah desain dan cacat cetak seperti di kamera AI untuk industri percetakan & kemasan.
Titik Inspeksi di Lini Pengisian
Di pabrik makanan atau cat yang membeli kaleng kosong, kamera AI paling berguna di tiga titik: kaleng kosong masuk (penyok dan kotoran di dalam), setelah seamer (tutup terpasang, tampilan seaming, kaleng penyok), dan setelah coding (kode produksi dan tanggal kedaluwarsa). Kode dibaca dengan OCR pada AI camera lalu dibandingkan dengan nilai yang diharapkan. Pola umum inspeksi kemasan makanan dibahas di smart inspection untuk industri makanan & minuman.
Kaleng berbentuk silinder punya sisi yang tidak terlihat dari satu kamera. Untuk melihat seluruh keliling body, gunakan susunan beberapa kamera seperti di camera vision multi-kamera. Hasil NG dikirim ke PLC untuk menggerakkan rejector — lihat integrasi AI inspection ke PLC, MES, dan ERP.
Kecepatan Lini: Pilih Titik yang Realistis
Lini kaleng minuman dua bagian (2-piece) bisa berjalan ribuan kaleng per menit dan biasanya sudah memakai sistem inspeksi khusus bawaan mesin. Kamera AI berbasis PC lebih cocok untuk kaleng makanan, kaleng cat, aerosol, dan tutup pada kecepatan menengah. Apa pun lininya, pastikan exposure cukup pendek dan trigger tepat, seperti dijelaskan di camera vision di conveyor cepat.
Batasan yang Perlu Dipahami
Kamera hanya melihat permukaan luar. Dimensi double seam — overlap, body hook, cover hook, dan ketatnya sambungan — tetap diukur dengan seam teardown atau seam projector sesuai jadwal pengujian. Kebocoran mikro dan kevakuman kaleng setelah retort membutuhkan leak tester atau dud detector. Integritas lapisan dalam (lacquer) diperiksa dengan enamel rater, bukan kamera.
Posisikan kamera AI sebagai penyaring 100% untuk cacat visual, sementara uji seam dan kebocoran tetap berjalan sesuai rencana sampling. Pembagian perannya dibahas di sampling AQL vs inspeksi 100%.
Mulai dari Satu Titik
Pilih satu masalah dengan keluhan terbanyak — biasanya kaleng penyok setelah seamer atau kode produksi buram — dan pasang satu stasiun di sana. 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 kaleng Anda.
Ingin lihat Nirmana VisionAI bekerja di lini Anda?
Konsultasi gratis kebutuhan visual inspection & QC inspection Anda via WhatsApp.
Hubungi Sales