نظام تصنيف عيوب الصلب في المصانع باستخدام الAI

في مصانع الصلب، الفحص اليدوي للألواح الفولاذية عملية بطيئة ومعرضة للخطأ البشري، مما قد يؤدي لشحن منتجات معيبة أو هدر موارد في معالجة منتجات تالفة بالفعل.

قمت بتطوير نظام متكامل يعتمد على خوارزمية Random Forest Classifier لتحليل البيانات الناتجة عن الكاميرات والحساسات على خط الإنتاج وتصنيف العيوب بدقة عالية.

ماذا فعلت في هذا المشروع؟

تحليل البيانات (EDA): دراسة 27 ميزة هندسية وضوئية (مثل السطوع، المساحة، والموقع) لفهم "البصمة الرقمية" لكل عيب.

النمذجة (Modeling): تدريب نموذج ذكاء اصطناعي قادر على التمييز بين 7 أنواع من العيوب (مثل الخدوش الكبيرة، البقع، والنتوءات).

مواجهة الانحياز: استخدمت تقنية class_weight='balanced' لضمان قدرة النموذج على كشف العيوب النادرة والمهمة بنفس دقة العيوب الشائعة.

الداشبورد التفاعلي: قمت ببناء واجهة مستخدم عبر Streamlit تسمح لمهندسي الجودة باختبار العينات ورؤية "نسبة الثقة" (Probability Analysis) لكل قرار يتخذه النظام.

النتائج:

النموذج لا يكتفي بإعطاء تصنيف نهائي، بل يوفر مصفوفة ارتباك (Confusion Matrix) دقيقة توضح مواطن القوة والضعف، مما يسهل عملية التحسين المستمر للنظام.

القيمة المضافة:

هذا المشروع ليس مجرد "كود برمجى"، بل هو أداة لدعم القرار تساعد المصانع على:

تقليل التكاليف الناتجة عن الهالك.

زيادة سرعة خطوط الإنتاج.

ضمان وصول منتجات عالية الجودة للعملاء.