Automation of optical quality control in the example of the furniture industry

• Autorzy: Maj Michał , Pliszczuk Damian , Cieplak Tomasz

Identyfikatory

DOI

10.15199/48.2023.01.50

Warianty tytułu

PL

Automatyzacja optycznej kontroli jakości na przykładzie branży meblarskiej

• Języki publikacji: EN

Abstrakty

EN

A prototype of a quality control system based on optical detection algorithms will be presented here. In its functionality, it will include an exemplary web application used by the customer to place an order - in this case, a wardrobe, based on which an employee will be able to control the quality of the order and, more precisely - to check whether the components of a given order in the warehouse have not undergone the ageing process, e.g. paintwork.

PL

Przedstawiony został prototyp systemu kontroli jakości opartego na algorytmach detekcji optycznej. W swojej funkcjonalności zawiera przykładową aplikację webową, za pomocą której klient może złożyć zamówienie – w tym przypadku szafę, na podstawie której pracownik będzie mógł kontrolować jakość zamówienia, a dokładniej – sprawdzać, czy poszczególne elementy danego zamówienia, jak np. lakier, nie zostały poddane procesowi starzenia się.

Słowa kluczowe

EN

BPMN; microservice; computational photography; color difference; quality control

PL

BPMN; mikroserwis; fotografia obliczeniowa; różnica kolorów; kontrola jakości

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 1
• Strony: 245--248
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Maj Michał

• University of Economics and Innovation in Lublin
• Netrix S.A., Research & Development Centre, Lublin

• https://orcid.org/0000-0002-7604-8559

autor

Pliszczuk Damian

• Netrix S.A., Research & Development Centre, Lublin

• https://orcid.org/0000-0002-5727-979X

autor

Cieplak Tomasz

• Lublin University of Technology, Faculty of Management

• https://orcid.org/0000-0002-2712-6098

Bibliografia

• [1] Abu F., Gholami H., Saman M. Z. M., Zakuan N., StreimikieneD., The implementation of lean manufacturing in the furniture industry: A review and analysis on the motives, barriers, challenges, and the applications, J. Clean. Prod., 234 (2019), 660–680.
• [2] Kłosowski G., Rymarczyk T., Cieplak T., Niderla K., SkowronŁ., Quality Assessment of the Neural Algorithms on the Example of EIT-UST Hybrid Tomography, Sensors, 20 (2020), No. 11, 3324.
• [3] Koulountzios P., Rymarczyk T., Soleimani M., A triple-modality ultrasound computed tomography based on full-waveform data for industrial processes, IEEE Sensors Journal, 21 (2021), No. 18, 20896-20909.
• [4] Rymarczyk T., Kłosowski G., Hoła A., Sikora J., Wołowiec T., Tchórzewski P., Skowron S., Comparison of Machine Learning Methods in Electrical Tomography for Detecting Moisture in Building Walls, Energies, 14 (2021), No. 10, 2777.
• [5] Kłosowski G., Hoła A., Rymarczyk T., Skowron Ł., Wołowiec T., Kowalski M., The Concept of Using LSTM to Detect Moisture in Brick Walls by Means of Electrical Impedance Tomography, Energies, 14 (2021), No. 22, 7617.
• [6] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors supported by deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22 (2020), No 1, 138–147.
• [7] Gnaś, D., Adamkiewicz, P., Indoor localization system usingUWB, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No. 1, 15-19.
• [8] Styła, M., Adamkiewicz, P., Optimisation of commercial building management processes using user behaviour analysis systems supported by computational intelligence and RTI, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No 1, 28-35.
• [9] Korzeniewska, E., Sekulska-Nalewajko, J., Gocawski, J., Drożdż, T., Kiebasa, P., Analysis of changes in fruit tissue after the pulsed electric field treatment using optical coherence tomography, EPJ Applied Physics, 91 (2020), No. 3, 30902.
• [10] Korzeniewska, E., Krawczyk, A., Mróz, J., Wyszyńska, E., Zawiślak, R., Applications of smart textiles in post-stroke rehabilitation, Sensors (Switzerland), 20 (2020), No. 8, 2370.
• [11] Saeedi K., Zhao L., Sampaio P. R. F., Extending BPMN for supporting customer-facing service quality requirements, in 2010 IEEE International Conference on Web Services, 2010, 616–623.
• [12] Corea C., Delfmann P., A Tool to Monitor Consistent Decision-Making in Business Process Execution, BPM, 2196 (2018), 76–80.
• [13] Valderas P., Torres V., Pelechano V., A microservice composition approach based on the choreography of BPMN fragments, Inf. Softw. Technol., 127 (2020), 106370.
• [14] Bassiou N., Kotropoulos C., Color image histogram equalization by absolute discounting back-off, Comput. Vis. Image Underst., 107 (2007), No. 1–2, 108–122.
• [15] Trahanias P. E., Venetsanopoulos A. N., Color image enhancement through 3-D histogram equalization, in Proceedings., 11th IAPR International Conference on Pattern Recognition. Vol. IV. Conference D: Architectures for Vision and Pattern Recognition, 2018, 545–548, doi: 10.1109/ICPR.1992.202045.
• [16] Hecht E., Optics (Fifth Edition). PWN, 2015.
• [17] Zausznica A., Nauka o barwie, I. Warszawa: PWN, 2015.
• [18] Alman D. H., Industrial color difference evaluation, Color Res. Appl. No. 18, 1993.
• [19] Backhaus W. G. K., Kliegl R., Werner J. S., Eds., Color Vision. DE GRUYTER, 1998.
• [20] Jiang Q., Liu Z., Wang S., Shao F., Lin W., Toward Top-Down Just Noticeable Difference Estimation of Natural Images, IEEE Trans. Image Process., 31 (2022), 3697–3712

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).