塑料的強度、柔韌性和耐久性使其成為無數應用的理想選擇，從節能電子產品和更輕、更省油的汽車，再到提高患者安全的一次性醫療設備。在所有情況下，質量控制對于確保塑料件的性能符合預期至關重要。到2020年，這一挑戰因疫情影響變得更加復雜。塑料加工商不得不應對消費者需求波動、勞動力短缺、供應鏈波動以及新的工作場所安全規定。這場完美風暴給試圖在生產高質量產品的同時保持機器利用率和生產線效率的制造商帶來了前所未有的負擔。

消費需求波動

COVID-19來襲時，由于消費者活動的萎縮，許多注塑商看到一些零件的大批量訂單需求減少。與此同時，一次性塑料制品的需求激增。這些產品多年來一直是環保組織關注的焦點，但面對疫情，消費者更關注這些一次性產品所提供的衛生和安全性。與此同時，塑料制品制造商對原型和小批量醫療級設備以及基本工人用品的需求增加。

提高和降低各類產品的產量意味著調整質量控制要求和過程。對于大批量生產來說，通常由人工操作員對一小部分產品進行目視檢查。有時，個別零件的檢查甚至是由客戶在將零件納入裝配之前進行的。另外，小批量和新產品需要快速、增加的質量檢查協議，即能夠檢查每個部件并跟蹤檢查過程，有時只需要很少的現場基礎設施或專業知識。

生產線質量檢驗自動化

注塑機和其他塑料加工者面臨著比以前更多的產品組合，需要迅速調整其質量檢驗規程。過去執行檢查的人工操作員無法滿足要求，尤其是醫療器械零件，通常需要嚴格的質量協議?？紤]到不可預測的消費者需求的新常態，成功的關鍵在于靈活性，以及增加“一雙眼睛”

以全球汽車塑料市場為例，去年全球汽車塑料市場的價值超過350億美元。許多注塑商正在運行幾十條生產線，每一條生產線都有自己的機器視覺來進行質量控制。他們面臨著如何有效地處理生產線轉換和修改的挑戰。而許多塑料零件的表面檢查本質上是主觀的，這一評估很難單靠機器視覺來完成。

人工智能（AI）讓制造商可以量化以前由操作人員隨意定性或主觀判斷的缺陷。表面檢查可能會有指導方針，但它們是通過視覺識別的，并不是標準化的，因為定制機器視覺系統的編程十分復雜。人工智能和深度學習促進了這種標準化，并推動了比以往任何時候都更快、更便宜、更準確的自動化檢查。塑料制造商可以快速將Vision AI軟件與常見的自動化協議集成，例如GigE Vision標準攝像機和Modbus TCP。通過連接到制造商的現有硬件，Vision AI提供了極大的靈活性來處理生產線的數量變化、勞動力限制、更高的檢驗率和更嚴格的質量要求。

隨著世界重新發現塑料獨特的多功能性，以應對新的挑戰，人工智能和機器學習可以幫助制造商加快檢驗過程，減少錯誤和誤報，并在沒有人的情況下進行質量控制檢查。