Jurnal 1-2

Machine Translated by Google
Jurnal Sistem Manufaktur 67 (2023) 1–22
Daftar konten tersedia di ScienceDirect
Jurnal Sistem Manufaktur

beranda jurnal: www.elsevier.com/locate/jmansys
Tinjauan
Penerapan otomasi untuk inspeksi kualitas in-line,

pendekatan produksi tanpa cacat
Victor Azamfirei a,ÿ , Foivos Psarommatis B
, Yvonne Lagrosen A
Universitas Mälardalen, Sekolah Inovasi, Desain, dan Teknik, Hamngatan 15, 632 20, Eskilstuna, Swedia
B
Universitas Oslo, SIRIUS, Pusat Akses Data yang Dapat Diskalakan, Gaustadalleen 23B, 0373, Oslo, Norwegia
INFO ARTIKEL ABSTRAK
Kata kunci: Manufaktur kontemporer harus memprioritaskan keberlanjutan proses dan sistem manufakturnya.
Manufaktur tanpa cacat (ZDM) Zero Defect Manufacturing (ZDM) berfokus pada meminimalkan pemborosan dalam bentuk apa pun menggunakan
In-line inspeksi kualitas teknologi berbasis data, sehingga meningkatkan kualitas semua aspek manufaktur (produk, proses, layanan,
Otomatisasi
dll.). Memperbaiki segalanya pada percobaan pertama adalah prinsip utama ZDM. Dalam beberapa tahun
Robotika
terakhir, penerapan otomatisasi untuk sistem inspeksi kualitas in-line telah mulai menarik minat praktisi dan
Pengukuran
akademisi karena kemampuannya untuk mendeteksi cacat secara real-time, dan menyesuaikan sistem dengan
Metrologi
Deteksi gangguan. Dalam karya ini, kami memberikan tinjauan sistematis literatur tentang tren saat ini dalam penerapan
Cacat otomasi untuk pemeriksaan kualitas in-line dengan tujuan akhir untuk mencapai ZDM. Selain itu, analisis
Industri 4.0 bibliometrik dan kinerja telah dilakukan untuk mendapatkan gambaran lengkap tentang lapangan. Dalam karya
ini, kami telah mengumpulkan data bibliometrik dari mesin pencari yang paling banyak dirujuk untuk makalah
teknik akademik, yaitu Scopus, Web of Science, dan IEEE Explorer, yang melibatkan total 145 publikasi akademik
dari tahun 2011 hingga 2021. Uniknya untuk penelitian ini, kami menggunakan tiga atribut penelitian untuk
analisis artikel terpilih, yaitu tingkat otomasi, kondisi inspeksi kualitas, dan kontribusi terhadap dimensi ZDM.
Literatur menunjukkan bahwa ada kekurangan penelitian tentang penggunaan data deteksi in-line untuk prediksi
cacat atau perbaikan. Berdasarkan hasil dan interpretasi literatur kami, kerangka ZDM yang diadaptasi
(Psarommatis et al., 2020a) dan inspeksi kualitas multi-lapisan (Azamfirei et al., 2021a) disajikan.
1. Perkenalan kustomisasi memerlukan pembuatan item yang secara khusus melayani

keinginan konsumen sambil mengambil keuntungan penuh dari skala ekonomi.
Dalam lanskap manufaktur kontemporer, kualitas produk merupakan Kunci untuk mencapai personalisasi yang luas adalah data besar [6] dan
aspek penting bagi produsen. Kualitas produk yang buruk dapat berdampak kualitas tinggi [7,8]. Industri manufaktur modern sangat bergantung pada
pada berbagai tingkatan, termasuk kerugian finansial langsung, peningkatan personalisasi produk. Pada tahun 2015, Deloitte melaporkan bahwa 36%
dampak lingkungan, dan pemborosan sumber daya. Oleh karena itu, konsumen ingin membeli produk yang dipersonalisasi, dan 50% dari mereka
manajemen kualitas sangat penting bagi perusahaan manufaktur yang ingin rela menunggu lebih lama untuk mendapatkannya. Selain itu, 20% dari mereka
mempertahankan atau meningkatkan kinerja operasional dan keuangannya menunjukkan bahwa mereka bersedia membelanjakan 20% ekstra untuk
[1]. Kualitas yang buruk juga dapat menimbulkan dampak sosial yang negatif,
produk yang dipersonalisasi [9]. Menurut Dassault Systems, proses
mempengaruhi reputasi perusahaan melalui produknya yang kurang lancar
menghubungkan data, mengontekstualisasikan data dan berkolaborasi pada
dan klien yang tidak puas [2]. Selanjutnya, industri manufaktur modern harus
data harus dilakukan untuk berhasil menerapkan kustomisasi massal [10].
mengutamakan keberlanjutan proses dan sistem manufakturnya.
Karena pergeseran ukuran lot, dari produksi massal ke kustomisasi massal
Keberlanjutan sejati menuntut perusahaan untuk menyeimbangkan faktor
dan ukuran lot satu, keberangkatan dari metodologi peningkatan kualitas
ekonomi, sosial, dan lingkungan [3,4] selain lingkungan. Saat ini, sistem
klasik sekarang diperlukan. Contoh sukses kustomisasi massal adalah 'The
manufaktur menghasilkan sejumlah besar limbah dalam bentuk apa pun,
Customer-Oriented Sales and Pro
termasuk material, waktu produksi, energi, dan sumber daya alam lainnya,
bertentangan dengan tujuan keberlanjutan [5]. duction Process (COSP)' yang ditawarkan oleh grup BMW. Pelanggan
Pergeseran dari produksi massal ke kustomisasi massal inilah yang menerima tingkat layanan baru dari COSP, termasuk pembelian online yang
mudah, konfirmasi pemesanan dan tanggal pengiriman yang mengikat secara instan, fleks
mendefinisikan industri manufaktur saat ini. Sebuah konsep yang dikenal sebagai massa
ÿ
Penulis yang sesuai.
Alamat email: victor.azamfirei@mdu.se (V.Azamfirei).
https://doi.org/10.1016/j.jmsy.2022.12.010
Diterima 3 November 2022; Diterima dalam bentuk revisi 13 Desember 2022; Diterima 16 Desember
2022 Tersedia online 7 Januari 2023 0278-6125/© 2023 Para Penulis. Diterbitkan oleh Elsevier Ltd atas
nama The Society of Manufacturing Engineers. Ini adalah artikel akses terbuka di bawah lisensi CC BY (http://creativecommons.org/licenses/by/4.0/).
V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22
penyesuaian, informasi kemajuan pesanan, dan pengiriman tepat waktu [11]. Mencapai manufaktur berkelanjutan adalah tujuan wajib untuk sewa
Produksi diperlambat oleh sejumlah penyebab, terutama prosedur saat ini dan sistem manufaktur masa depan. Kualitas produk merupakan
pemeriksaan di tempat karena desakan terus-menerus untuk mempersingkat faktor kunci untuk mencapai manufaktur yang berkelanjutan [8].
siklus produksi agar pengiriman cepat oleh pelanggan [8,12,13]. Ini menyoroti Mempertimbangkan semua hal di atas, terbukti bahwa pemeriksaan kualitas
bagaimana praktik manufaktur yang berfokus pada kualitas yang ada tidak merupakan topik yang sangat penting bagi produsen dan pada saat yang
memenuhi visi Industri 4.0 dan menyoroti kebutuhan untuk menghilangkan sama sangat sulit mengingat kondisi produksi yang cepat dan kompleks
silo data dan mencapai integrasi dan interoperabilitas sistem penuh. [28]. Oleh karena itu, dalam makalah ini, tinjauan pustaka sistematis
Pabrikan harus menggunakan setidaknya satu metode peningkatan dilakukan untuk menyajikan status terkini dari domain pemeriksaan mutu.
kualitas untuk menghasilkan produk berkualitas tinggi dengan sedikit kehilangan kinerja [14]. lagi, analisis ini bertujuan untuk mengungkap bagaimana pemeriksaan kua
Lebih khusus
Meskipun pabrikan telah menggunakan teknik peningkatan kualitas klasik Selain itu, studi saat ini juga bertujuan untuk mengidentifikasi masalah dan
seperti six-sigma, lean manufacturing, teori batasan, dan manajemen kualitas kelemahan praktik saat ini yang perlu ditangani dalam studi penelitian di
komprehensif selama lebih dari tiga dekade, masih banyak yang harus masa depan dan akan membantu menuju produksi ZDM dan Zero-Waste.
dilakukan. Hal ini disebabkan metode tersebut dikembangkan dengan Makalah ini disusun sebagai berikut. Bagian 2 memperkenalkan
menggunakan standar produksi pada zamannya tanpa memperhitungkan metodologi penelitian dan pengumpulan data. Bagian 3 menyajikan tinjauan
perkembangan teknologi terkini terkait Industry 4.0 [15] pada umumnya pustaka dengan memaparkan temuan utama berdasarkan analisis tematik,
pendekatan berbasis data. Untuk perusahaan manufaktur yang ingin isi, dan taksonomi (Analisis kinerja, Analisis bibliometrik, Tinjauan literatur).
mengadopsi Industri 4.0 dan menghasilkan produk secara efisien tanpa Bagian 4 membahas temuan utama dan kesenjangan penelitian dalam
kesalahan dan pemborosan, pendekatan komprehensif Pabrik Tanpa Cacat literatur. Terakhir, Bagian 5 menyimpulkan dan mengidentifikasi pola-pola
(ZDM) sangatlah penting. yang muncul di lapangan dan menyajikan arah penelitian di masa mendatang.
Manufaktur berkelanjutan dapat dicapai melalui penerapan ZDM [7,8].
Dengan meminimalkan pemborosan dalam bentuk apa pun menggunakan 2. Tinjau metodologi
teknologi berbasis data, ia berupaya meningkatkan kualitas semua aspek
manufaktur (produk, proses, layanan, dll.). Memperbaiki segalanya pada Tinjauan literatur adalah metode yang sistematis, eksplisit, dan dapat
percobaan pertama adalah prinsip utama ZDM. Dengan demikian, kualitas direproduksi untuk mengidentifikasi, mengevaluasi, dan mensintesis tubuh
ditingkatkan dan keberlanjutan dinaikkan, yang pada akhirnya menghasilkan yang ada dari karya yang telah diselesaikan dan direkam yang dihasilkan
kepuasan pelanggan yang lebih tinggi, yang sangat penting untuk kesuksesan perusahaan manufaktur
oleh peneliti, sarjana,[16].
dan praktisi pada topik tertentu [29] . Metodologi yang
Berbeda dengan teknik pengoptimalan saat ini, ZDM mengambil pendekatan digunakan untuk tinjauan literatur terdiri dari langkah-langkah berikut: (i)
holistik yang membahas semua bidang manufaktur sambil mempertimbangkan perumusan masalah; (ii) pencarian literatur; (iii) koleksi literatur; (iv) penilaian
bagaimana mereka berinteraksi satu sama lain [16,17]. Empat strategi kualitas; (v) analisis dan sintesis; (vi) interpretasi; (vii) mempresentasikan
membentuk ZDM: deteksi, prediksi, perbaikan, dan pencegahan, yang hasil. Gambar 1 secara grafis mewakili urutan tindakan yang dilakukan
merupakan metode tindakan, dan yang merupakan variabel pemicu [7,18]. selama pencarian literatur, pengumpulan, dan bagian penilaian kualitas dari
Masing-masing strategi itu—satu dari strategi pemicuan dan satu lagi dari
proses, analisis, dan sintesis.
strategi tindakan—dipraktikkan secara berpasangan; misalnya, deteksi–
Dalam studi mutakhir ini, kami telah mengumpulkan data bibliometrik
cegah, deteksi–perbaikan, prediksi– cegah, dan prediksi–perbaikan.
dari mesin pencari yang paling banyak dirujuk untuk makalah teknik
Transformasi teknologi yang cepat, seiring dengan meningkatnya persaingan
akademik, yaitu Scopus, Web of Science, dan IEEE Explorer. Bidang
dan tuntutan keberlanjutan, telah menghasilkan tingkat otomatisasi yang
pencarian untuk setiap makalah adalah judul, abstrak, dan kata kunci yang
belum pernah terjadi sebelumnya. Dengan kematangan Industri 4.0, jumlah
ditentukan oleh penulis di makalah, dengan variasi tergantung pada
data manufaktur yang tersedia telah meningkat secara drastis, sehingga
database: (i) dengan Scopus, kombinasi tag adalah TITLE-ABS-KEY; (ii) di
memungkinkan konsep seperti ZDM menjadi kenyataan [7,8,18,19]. ZDM
Web of Science, tag TI-AB-AK digunakan; dan (iii) dengan IEEE Xplore, opsi
memungkinkan sistem manufaktur satu tahap dan multi tahap untuk
pencarian lanjutan iklan adalah ''Judul Dokumen'', ''Abstrak'', dan ''Kata
meningkatkan efisiensi proses dan kualitas produk dengan meminimalkan,
Kunci Pengarang''. Pencarian telah dilakukan pada 24 Februari 2022 dan
menghilangkan, atau mengkompensasi cacat dan kesalahan proses
string pencarian tersebut diperparah oleh lima kelompok kata kunci:
[18,20,21]. Landasan penerapan ZDM dan jaminan kualitas secara umum
adalah inspeksi produk. Saat ini, terdapat peningkatan minat dan permintaan • Industri manufaktur: ''manufaktur*'' ATAU ''produksi'' •
akan sistem cerdas untuk solusi pemeriksaan kualitas in-line otomatis. Otomasi: ''otomatis*'' ATAU ''robot*''
Mengingat bahwa perilaku manusia memiliki dampak besar pada kualitas • Tanpa cacat: (''nol'' SEBELUM/0 ''cacat'') ATAU
pembuatan, metode ZDM yang berpusat pada manusia dapat menghasilkan ''ZDM'' • Kondisi untuk pemeriksaan kualitas: ''inline'' ATAU ((''in'' OR ''on' ')
wawasan baru dan peningkatan kualitas [7]. Penelitian menunjukkan bahwa PRE/0 (''baris'' ATAU ''mesin'' ATAU ''proses'' ATAU ''situ''))
menggabungkan komponen manusia dapat meningkatkan efisiensi meskipun • Pemeriksaan kualitas: ''kualitas'' ATAU ''periksa*'' ATAU ''ukur* '' ATAU
ada kampanye untuk menghilangkan manusia dari lingkungan produksi ''metrologi''
untuk mengurangi kesalahan manusia [22]. Bisnis harus berinvestasi dalam
pengetahuan dan keterampilan selain teknologi inovatif untuk menjadi Pencarian terbatas pada artikel dari tahun 2011 hingga 2022, yang ditulis
kompetitif [23]. Strategi signifikan ketiga ZDM, setelah koreksi dan dalam bahasa Inggris, dan dalam bidang ilmu atau teknik komputer.
kompensasi, adalah pengembangan sumber daya manusia [24]. Komisi Selain itu, kami fokus pada manufaktur terpisah, tidak termasuk industri
Eropa merilis sebuah studi tentang Industri 5.0 pada tahun 2021 yang makanan, tekstil, dan kimia. Karena setiap makalah dapat dikategorikan ke
memberikan penekanan kuat pada 'revolusi' yang berpusat pada manusia dalam beberapa bidang studi, kami mengecualikan: ''Ilmu Bumi dan Planet'',
sebagai tanggapan terhadap paradigma Industri 4.0 yang sangat teknosentris ''Biokimia, Genetika dan Biologi Molekuler'', ''Ilmu Pertanian dan Biologi'',
[25]. Komisi Eropa memperkirakan pergeseran menuju tujuan di mana ''Profesi Kesehatan' ', ''Obat'', dan ''Farmasi*''.
'manusia-sentris', 'tangguh', dan 'berkelanjutan' adalah aspek kunci dari
Industri 5.0 meskipun bentuk pastinya masih belum diketahui [26] . Mengingat kerumitan dan besarnya kueri, untuk menyederhanakannya,
Signifikansi ZDM yang berpusat pada manusia dalam konteks ini masih empat kombinasi berbeda telah dibuat berdasarkan ''grup 1'' DAN ''grup 2''
belum pasti karena fungsi manusia dalam sistem manufaktur siber-fisik DAN ''grup 3'' DAN ''grup 4'', yaitu , (i) ''pemeriksaan kualitas in-line yang
masih dibangun. Alih-alih dilihat sebagai sumber kesalahan, manusia kini dikawinkan secara otomatis'' (ii) ''pendeteksian kualitas otomatis'' (iii )
dilihat sebagai aset. Sebagai rencana untuk mencapai ZDM, Komisi Eropa ''pemeriksaan kualitas otomatis untuk pembuatan tanpa cacat''; dan (iv)
dan komunitas ilmiah menyarankan bisnis untuk mengubah posisi manusia ''deteksi otomatis untuk pembuatan tanpa cacat''. Setelah memfilter duplikat
dalam produksi. Tetapi elemen ZDM yang berpusat pada manusia mendapat dari pencarian dan database yang berbeda, total 368 dokumen diekstraksi
sedikit perhatian dan sering diabaikan [27]. yang merupakan: 54,4% (192) Konferensi
2
Gambar 1 Diagram Alur Proses Penelitian PRISMA
Makalah, 40,8% (144) Artikel, 2% (12) Review Konferensi, 3,4% (3) Bab Buku, 0,8% penyebaran cacat menggunakan aktivitas korektif cepat pada proses produk dan
(1) Review, 0,3% (1) Survei Singkat, 0,3%. operasi. Karena benda kerja biasanya diproduksi dari bahan mentah hingga
Visualisasi data yang disajikan dilakukan dengan menggunakan software produk akhir oleh rantai manufaktur yang terdiri dari sejumlah mesin, orang, dan
VOSviewer [30] versi 1.6.17. Perangkat lunak ini digunakan untuk membangun proses, beberapa sub-istilah 'sejajar' telah diberikan selama bertahun-tahun.
dan memeriksa secara lengkap peta bibliometrik penulis, jurnal, dan kata kunci. Kondisi seperti itu diklarifikasi dan diklasifikasikan dalam [32,33]; lihat Gambar.
Kemampuan melihat VOSviewer khususnya berguna untuk peta yang berisi 2. Selain itu, Gao et al. [32] menyoroti penggunaan sinonim 'in-situ' untuk 'on-
setidaknya sejumlah besar item (misalnya, setidaknya 100 item). VOSviewer machine' dan 'in-process' di beberapa makalah manufaktur. Dengan melakukan
hanya menggunakan pemetaan berbasis jarak, di mana jarak antara dua item tinjauan literatur ini, sebagian besar artikel yang menggunakan istilah tersebut
mencerminkan kekuatan hubungan antar item, misalnya jarak yang lebih kecil secara bergantian berada dalam Additive Manufacturing (AM). Setelah kondisi
menunjukkan hubungan yang lebih kuat [30]. proses pengukuran diberikan, pemeriksaan kualitas mengikuti protokol yang
sama seperti yang dipahami pada tahun 1945 oleh Juran [28], yaitu, (i) interpretasi
Fokus kami dalam penelitian ini adalah pada: spesifikasi, (ii) pengukuran kualitas karakteristik, (iii) perbandingan antara
''interpretasi spesifikasi'' (i) dan ''pengukuran'' (ii), (iv) penilaian atas kesesuaian,
• Analisis kinerja: Total Makalah (TP) adalah jumlah total publikasi dari
(v) proses barang yang sesuai, (vi) disposisi barang yang tidak sesuai, dan (vii)
sumber; Total Citation (TC) adalah jumlah total sitasi yang diterima oleh
catatan data yang diperoleh.
publikasi; Citations per Pa per (CPP) adalah jumlah total kutipan yang
diterima dibagi dengan total publikasi; Kutipan per Tahun (CPY) adalah
Perbedaan antara konsep dijelaskan lebih lanjut di bawah ini dan digambarkan
jumlah total jumlah kutipan yang diterima dibagi dengan rentang waktu. •
pada Gambar. 2.
Pemetaan sains: pendekatan jaringan kejadian bersama. Kata kunci
mewakili isi dasar publikasi ilmiah. Jaringan kejadian bersama dibuat di • In-situ quality inspection: pengukuran permukaan benda kerja dilakukan di
VOSviewer menggunakan penulis dan kata kunci yang diindeks [31]. • lantai kerja yang sama dan di manu yang sama
Analisis isi literatur: meringkas dan mensintesis temuan literatur yang ada lingkungan faktur, tanpa mengisolasi benda kerja dari lingkungan
pada topik penelitian yang dihadapi dengan menggunakan analisis manufaktur. In-situ telah digunakan secara bebas antara inspeksi kualitas
pemetaan sains. di lini dan setiap sub kondisi inspeksi kualitas di lini [34,35]. • In-line quality
inspection: pengukuran permukaan benda kerja dilakukan pada lini
produksi tanpa memindahkan benda kerja ke luar lini produksi. • Inspeksi
kualitas pada mesin: pengukuran permukaan benda kerja dilakukan pada
Atribut penelitian yang digunakan untuk analisis mesin manufaktur tempat benda kerja diproduksi.
Istilah 'in-line' umumnya digunakan dalam industri manufaktur untuk

mengkondisikan tempat dan waktu dilakukannya pengukuran, yaitu pada lini
produksi atau selama proses penambahan nilai. Gagasan di balik penalaran • In-process quality inspection: pengukuran dilakukan saat proses produksi
tersebut adalah untuk mengidentifikasi cacat pada akarnya dan menghindarinya berlangsung. Bertentangan dengan [32],
3
Tabel 1
Skala LoA untuk tugas terkomputerisasi dan mekanis dalam manufaktur (Frohm et al. 2008).
LoA Mekanikal dan peralatan Informasi dan kontrol
1 Benar-benar manual - Pekerjaan benar-benar manual, tidak Sepenuhnya manual - Pengguna menciptakan
ada alat yang digunakan, hanya sensor manusia pengguna. pemahamannya sendiri untuk situasi tersebut, dan
mengembangkan tindakannya berdasarkan pengalaman
dan pengetahuannya sebelumnya. Misalnya pengalaman
dan pengetahuan pengguna sebelumnya
2 Alat tangan statis - Pekerjaan manual dengan dukungan alat Pemberian keputusan - Pengguna mendapatkan informasi
statis. Misalnya Obeng tentang apa yang harus dilakukan, atau usulan tentang
bagaimana tugas dapat dicapai. Misalnya perintah kerja
3 Alat tangan fleksibel - Pekerjaan manual dengan dukungan Pengajaran - Pengguna mendapatkan instruksi tentang
alat fleksibel. Misalnya kunci pas yang bisa disesuaikan bagaimana tugas dapat dicapai. Misalnya Daftar Periksa, manual
4 Alat tangan otomatis - Pekerjaan manual dengan dukungan Mempertanyakan - Teknologi mempertanyakan
alat otomatis. Misalnya driver baut hidrolik eksekusi, jika eksekusi menyimpang dari apa yang dianggap
cocok oleh teknologi. Misalnya
Verifikasi sebelum bertindak
5 Static machine/workstation - Pekerjaan otomatis oleh mesin Pengawasan - Teknologi meminta perhatian pengguna, dan
yang dirancang untuk tugas tertentu. Misalnya mengarahkannya ke tugas saat ini. Misalnya
Mesin bubut Alarm
6 Mesin fleksibel - Pekerjaan otomatis dengan mesin yang Campur tangan - Teknologi mengambil alih dan mengoreksi
dapat dikonfigurasi ulang untuk berbagai tugas. Misalnya tindakan, jika eksekusi menyimpang dari apa yang dianggap
Mesin CNC cocok oleh teknologi. Misalnya Termostat
7 Benar-benar otomatis - Bekerja sepenuhnya otomatis, mesin Sepenuhnya otomatis - Semua informasi dan kontrol ditangani
menyelesaikan semua penyimpangan atau masalah yang oleh teknologi. Pengguna tidak pernah terlibat. Misalnya
terjadi dengan sendirinya. Misalnya sistem otonom sistem otonom
Gambar 3 Distribusi publikasi tahunan.
3. Analisis literatur
Pada bagian ini, makalah terpilih n=145 yang disajikan pada Gambar.
1 dan Lampiran A ditinjau menggunakan (1) analisis kinerja, (2) analisis
bibliometrik, dan (3) analisis isi literatur. Hasilnya disajikan dan
Gambar 2. Skema kondisi pemeriksaan mutu dalam sistem manufaktur, terinspirasi oleh Gao et al. [32].
dianalisis.
3.1. Analisis kinerja
Pada bagian ini, kami mengevaluasi kontribusi lapangan dalam tiga

di mana pemeriksaan kualitas dalam proses adalah subkategori
faktor utama, yaitu sebaran sepanjang periode 2011 hingga 2021, jurnal,
dari pada mesin, kami yakin aplikasi tertentu memungkinkan untuk
dan penulis produktif. Untuk itu digunakan metrik total paper, total
melakukan pemeriksaan dalam proses tanpa dipasang pada mesin,
sitasi, dan sitasi per paper.
seperti, misalnya, kamera optik memungkinkan pengukuran jarak
Gambar 3 menunjukkan bahwa minat terhadap topik tersebut telah
jauh. Inspeksi dalam proses harus menjadi subkategori inspeksi meningkat secara eksponensial dalam 10 tahun terakhir. Menggunakan
di dalam dan di luar mesin. ekspresi polinomial orde dua, kami memperkirakan pertumbuhan
bidang. Pada tahun 2018, ada peningkatan minat yang terlihat pada
Lebih tepatnya, artikel ini hanya berfokus pada pemeriksaan kualitas
penelitian otomasi sehubungan dengan teknik pemeriksaan kualitas.
yang dilakukan oleh otomatisasi, misalnya robot industri atau Control Meski lapangan mengalami stagnasi selama dua tahun, baru pada tahun
Measurement Machines (CMM). Level of Automation (LoA) yang berbeda 2021 mengalami pertumbuhan lagi hampir setengahnya.
dapat diterapkan pada level fisik dan kognitif untuk melakukan Gambar 4 menyajikan jenis publikasi artikel terpilih. Karena pencarian
pemeriksaan kualitas in-line tersebut. Fromhm et al. [36], Jayasekara mencakup bidang penelitian ilmu komputer, wajar jika banyak makalah
dkk. [37] berpendapat bahwa ada tujuh LoA berbeda berdasarkan fisik dan kognitif;
konferensi
lihat ditemukan
Tabel 1.
4
Tabel 2
Distribusi di 10 jurnal teratas di lapangan.
Jurnal TP TC BPK Jurnal TP TC BPK
Transaksi IEEE pada Otomasi 6 79 13.16 Sensor 3 16 5.3

Sains dan Teknik
Robotika IEEE dan Surat Otomasi 5 56 11.2 Sejarah CIRP 3 121 40.3
Procedia CIRP 5 33 6.6 Jurnal Lanjutan Internasional 2 13 6.5
Teknologi Manufaktur
Transaksi IEEE pada Instrumentasi 4 52 13 Pengukuran: Jurnal dari 2 10 5
dan Pengukuran Konfederasi Pengukuran Internasional
Transaksi IEEE pada Semikonduktor 3 28 9.3 Manufaktur aditif 2 158 79
Manufaktur
Lainnya (n = 1) 42
Tabel 3 lembaga penelitian dari Cina adalah yang paling sukses ketika
Penulis paling produktif dari makalah terpilih. mempertimbangkan kutipan per kertas. Akhirnya kami memiliki institut
Pengarang TP TC BPK
Jerman untuk otomasi pabrik dan sistem produksi dengan total tiga
Yang, Haw Ching 7 55 7.86 publikasi dan delapan kutipan.
Franke Jorg 6 16 2.66
Cheng, Fan Tian 7 83 11.85
Hung, Min Hsiung 3 41 13.66 3.2. analisis bibliometrik
Tieng, Hao 3 40 13.33
Leitao, Paulo 3 26 8.66
Pada bagian ini, kami menyajikan hasil analisis bibliografi [38]. Artikel
Queiroz, Jonas 2 20 10
2
terpilih, disajikan di Bagian 2, dikumpulkan dalam format PDF, diperkenalkan
Barbosa, Jose 16 8
di Mendeley, dan file RIS dimasukkan ke dalam VOSviewer v.1.6.16.
Berdasarkan file RIS dari penelitian yang ditinjau
artikel, (i) peta kemunculan kata kunci bersama dibuat, di mana kelompok
kata kunci yang saling terkait divisualisasikan, lihat Gambar. 5, dan (ii) peta
penulisan bersama dari penulis paling produktif dan keterkaitannya
digambarkan, lihat Gambar 6 .
3.2.1. Kata kunci Co-

occurrence mewakili konten inti dari publikasi ilmiah. Prinsip analisis
didasarkan pada kemunculan beberapa kata kunci dalam beberapa
penelitian. Dengan kata lain, seberapa dekat hubungan mereka dalam hal
konsep yang mereka tangani. Analisis ini memberikan jaringan topik yang
dikelompokkan ke dalam kelompok konseptual yang erat. Dari analisis
klaster, Gambar 5, dapat dilihat bahwa lapangan telah berkembang menjadi
tujuh klaster besar: (1) manufaktur tanpa cacat, (2) industri 4.0, (3) inspeksi
visual, (4) manufaktur aditif, (5) ) pemantauan, (6) kendali mutu, dan (7)
pemeriksaan mutu.
Gambar 4. Jenis dokumen. Dari data tersebut, beberapa interpretasi muncul secara alami. ZDM
sangat erat kaitannya dengan industri 4.0. Kata kunci yang disorot dalam
interkoneksi yang erat ini adalah pengambilan keputusan, otomatisasi
sebesar 47%. Publikasi jurnal merupakan kelompok terbesar kedua dengan 41%. pabrik, produksi material baru, ekosistem bisnis, sistem siber-fisik
Proses dianggap terpisah pada 10%. Akhirnya, hanya 1% yang ditemukan kolaboratif, interoperabilitas sistem, pemeliharaan prediktif, dan penjadwalan
untuk memasukkan bab dan Ulasan Buku. otomatis. Di tengah plot jaringan adalah 'kontrol kualitas'. Ini adalah dimensi
Untuk mengidentifikasi kontribusi utama penelitian, distribusi menurut yang menghubungkan segalanya. Pemicu pemantauan terhubung ke
jurnal diberikan pada Tabel 2. Tiga metrik telah digunakan untuk mendeteksi inspeksi dalam proses dan bentuk inspeksi lainnya. Dalam kluster ini kata
jurnal dengan kontribusi makalah terbanyak, makalah dengan dampak kunci yang disorot adalah: inspeksi dalam proses, pengujian non-destruktif
tertinggi, dan dampak rata-rata dalam hal kutipan. robot, proses otomatis, deteksi kesalahan, dan analitik data. Lebih jauh lagi,
Tabel 3 menunjukkan penulis yang memberikan kontribusi terbesar klaster lain yang terkait dengan 'kontrol kualitas' adalah inspeksi kualitas
dalam bidang penerapan otomasi untuk in-line quality inspection. dan inspeksi visual. Bagian yang menarik adalah posisi inspeksi visual.
Cheng Fan Tien adalah penulis paling produktif dan dikutip di lapangan Terlepas dari kenyataan bahwa ini adalah bagian dari pemeriksaan kualitas,
dengan 7 publikasi dan total 83 kutipan. Meskipun demikian, rekan ini adalah satu-satunya jenis pemeriksaan yang terhubung dengan Industri
penulisnya, Hung Min Hsiung, adalah penulis paling sukses saat 4.0, dengan asumsi bahwa ini adalah jenis pemeriksaan yang paling banyak diteliti.
mempertimbangkan kutipan per makalah. Yang Haw Ching adalah penulis Dalam Industri 4.0 dan inspeksi kualitas, manufaktur aditif juga mendapat
kedua yang paling banyak dikutip dalam daftar kami dan juga penulis banyak perhatian. AM membutuhkan desain ulang yang lengkap dan
bersama Cheng Fan Tien. Franke Jörg mengikuti dengan 6 publikasi tetapi pertimbangan proses tradisional. AM lebih disukai untuk industri berbiaya
tanpa terlalu banyak pengaruh dalam hal kutipan. Terakhir, trio Queiros tinggi seperti dirgantara, dan hasil akhirnya harus sempurna. Inspeksi
kualitas
Jonas, Leitao Paulo, dan Barbosa Jose mengikuti, semuanya berada dalam bidang in-situ,
multi-agen danumumnya digunakan dalam pembuatan aditif untuk inspeksi
rekan penulis.
Tabel 4 mengilustrasikan perguruan tinggi dan lembaga penelitian yang lini untuk pemantauan selama proses, semakin banyak digunakan untuk
paling banyak terwakili menurut afiliasi penulis. Dua institut dari Taiwan kemampuan adaptasi sistem terhadap gangguan. Cacat tidak dapat
adalah yang pertama dalam daftar kami dengan yang ketiga di lima besar. dihindari, dan mengingat kemungkinan AM memperbaiki/menyesuaikan
Hal ini diharapkan karena Taiwan adalah produsen silikon utama di dunia geometri selama proses berlangsung, cacat perlu dideteksi secara real-time dan dipredi
dan bidang inspeksi kualitas in-line sangat diminati di wilayah tersebut. Kata kunci yang disorot adalah metrologi in-situ, inspeksi visi mesin,
Berikut adalah Portugal dengan trio multi-agen. Padahal, itu pengenalan kesalahan, dan metrologi cerdas.
5
Tabel 4
Distribusi afiliasi.
Afiliasi TP TC BPK Kategori Negara
Universitas Nasional Cheng Kung 8 85 10.62 Universitas Taiwan

Institut Informasi dan Sistem Manufaktur 7 76 10.85 Institusi penelitian Taiwan
Pusat Penelitian Digitalisasi dan 4 26 6.5 Universitas Portugal

Robotika Cerdas (CeDRI), Instituto
Politécnico de Bragança
Institut Teknologi Harbin 4 55 13.75 Institusi penelitian Cina
Universitas Sains dan Teknologi Nasional 3 10 3.33 Universitas Taiwan
Kaohsiung
Institut Otomasi Pabrik dan 3 8 2.66 Institusi penelitian Jerman
Sistem Produksi (FAPS)
Gambar 5. Co-occurrence network dari kata kunci penulis.
3.2.2. Penulisan
bersama Gambar 6 menguraikan jaringan penulis bersama dari
penelitian paling produktif dari makalah terpilih. Menggunakan filter
minimal 3 publikasi, jaringan terdiri dari delapan item yang membentuk tiga cluster berbeda.
Jaringan tersebut menunjukkan bahwa penelitian yang terkait dengan
inspeksi kualitas in-line otomatis terfragmentasi dan multidisiplin. (1)
Cheng Fan Tien dan Yang Haw Ching, (2) Leitão Paulo dan Babose
Jose, dan (3) Franke Jörg, Cluster 1 red, Cheng Fan Tien dan Yang
Haw Ching, dengan spesialisasi metrologi virtual, algoritme, AI,
dan AM, berfokus pada aspek teknologi lapangan, seperti arsitektur,
teknologi penginderaan, dan aplikasinya. Metrologi virtual otomatis
diselidiki di [39-42 ]. Dalam [43] menerapkan konsep Industri 4.1,
yaitu ZDM dalam kasus otomasi pemesinan roda. Berdasarkan
analisis bibliometrik kami, Cheng Fan Tien sebagian besar adalah
rekan penulis di bidang ini bersama dengan Yang Haw Ching, Tieng
Hao, dan Hung Min Hsiung [39–45].
Cluster 2 green, Leitão Paulo dan Babose Jose telah berpartisipasi
dalam proyek Eropa ''GO0D MAN - Manufaktur Multi-Stage Zero Defect
Berorientasi Agen''. Fokus mereka adalah pada penerapan sistem
multi-agen untuk mendukung strategi ZDM di lingkungan multi-tahap
[20,46]. Selain itu, di [47] mereka telah mempertimbangkan
penggunaan inspeksi kualitas in-line robotik sebagai multi-agen Gambar 6. Kepenulisan bersama penulis paling produktif dari makalah terpilih.
untuk ZDM. Leitão Paulo, berdasarkan analisis bibliometrik kami,

sebagian besar adalah rekan penulis di bidang ini bersama dengan Barbosa Jose, dan Queiroz Jonas [20,46,47].
Gugus 3 biru, Franke Jörg adalah pemimpin Departemen Sistem Otomasi dan Produksi''. Franke Jörg telah berkontribusi dalam
Teknik Mesin dan Kelompok Kerja: ''Lembaga Pabrik investigasi pengukuran in-line dan pemantauan kualitas
6
Gambar 8. Distribusi Tingkat Otomasi yang digunakan pada makalah terpilih.

Gambar 7. Distribusi domain industri.
aplikasi industri yang berbeda [48-53]. Franke Jörg, berdasarkan analisis

bibliometrik kami, menulis dengan beberapa penulis berbeda yang
kurang terkenal di lapangan.
3.3. Analisis isi sastra
Pada bagian ini, n=145 artikel terpilih ditinjau melalui analisis tematik
dan isi. Diidentifikasikan: (1) industri melakukan kegiatan utama dan
proses; (2) tingkat otomatisasi; (3) aktuator yang digunakan untuk
pemeriksaan mutu; (4) kondisi untuk inspeksi kualitas (5) pengaturan
dan lingkungan yang dievaluasi (6) kontribusi terhadap ZDM; dan (7)
Peningkatan khusus. Gambar 9. Distribusi penggunaan aktuator untuk inspeksi kualitas in-line.
3.3.1. Domain dan proses industri

Gambar 7 memberikan ikhtisar tentang sumber daya industri yang inspeksi tetapi juga pemeliharaan peralatan, overhaul, dan perbaikan
paling banyak diteliti. Penerapan otomasi untuk inspeksi kualitas in-line [54-56 ]. Persentase tertinggi adalah 41% untuk mesin kontrol numerik,
sebagian besar telah diteliti untuk industri semikonduktor, diikuti oleh yang merupakan semua perangkat yang terintegrasi ke dalam jalur
apa yang kami artikan sebagai manufaktur umum, industri baja, otomotif, produksi dan dimulai secara otomatis saat pemeriksaan diperlukan.
kedirgantaraan, dan manufaktur aditif. Sejumlah besar artikel, 27%, Persentase tertinggi kedua, 19% adalah untuk kategori robot industri,
berkontribusi pada industri dan proses yang tersebar. yang dipisahkan dari mesin kontrol numerik karena kompleksitas dan
Selanjutnya, Yasuda et al. [54] penilaian literatur kedirgantaraan kemampuannya lebih unggul dari mesin kontrol numerik yang hanya
mengungkapkan kelangkaan publikasi di area inspeksi pesawat dan mampu melakukan satu fungsi [57] . Selain itu, 28% dari makalah yang
kurangnya sistem inspeksi cerdas yang lengkap. dianalisis tidak menyebutkan bagaimana proses inspeksi dilakukan.
Terakhir, kurang dari 1% kertas proses pemeriksaan dilakukan
3.3.2. Tingkat otomasi menggunakan mesin CMM, yang masuk akal karena memakan waktu dan
Titik penyelidikan yang penting terkait dengan tingkat otomasi yang mengurangi produktivitas sistem produksi secara signifikan.
digunakan untuk fisik dan kognisi dari kegiatan pemeriksaan kualitas
ini; lihat Bagian 2. Gambar 8 menunjukkan bahwa sebagian besar sistem
pemeriksaan kualitas dipicu oleh mesin statis (56,55%) dan membatasi 3.3.4. Kondisi pemeriksaan mutu - Tingkat integrasi peralatan pemeriksaan
diri hanya untuk mengawasi (54,48%) jika ditemukan cacat. Level mutu Aspek penting lain dari pengendalian mutu adalah tingkat integrasi
terpopuler kedua adalah penggunaan mesin fleksibel fisik (23,45%) peralatan pemeriksaan ke dalam jalur produksi utama. Gambar 10
seperti robot industri atau mesin numerik kontrol dan kapasitas kognitif menyajikan hasil dari analisis, dimana total enam kategori digunakan
untuk mengintervensi (15%). Mulai saat ini, ada ketidakkonsistenan untuk klasifikasi. Kategori yang paling dominan adalah tingkat integrasi
dalam penggunaan otomatisasi tingkat fisik dan kognitif. Kapasitas in line sebesar 62%, diikuti oleh on-machine dan in-process sebesar
kognitif yang sepenuhnya otomatis (15%) jauh lebih tinggi daripada 10%. Inspeksi in-line adalah yang paling populer karena merupakan
kapasitas fisik yang sepenuhnya otomatis (5%). Terakhir, inspeksi pengaturan yang ideal untuk inspeksi dalam hal produktivitas dan
kualitas manusia mewakili 6% dalam inspeksi fisik menggunakan fleksibilitas. Inspeksi pada mesin berarti bahwa setelah mesin
perkakas tangan yang fleksibel, dan 9% dalam menggunakan perintah inspeksi.
menyelesaikan suatu proses, bagian tersebut diperiksa tanpa
meninggalkan mesin ini ke tahap produksi berikutnya. Inspeksi dalam
3.3.3. Aktuator Inspeksi proses adalah teknik inspeksi tingkat lanjut di mana peralatan inspeksi
Titik kritis dalam proses inspeksi yang mengontrol efektivitas dan dipasang kembali di dalam mesin tetapi perbedaannya dengan on-
produktivitas sistem manufaktur terkait adalah aktuator proses inspeksi. machine adalah kenyataan bahwa kualitas terus dipantau selama seluruh
Gambar 9 mengilustrasikan hasil dari analisis kertas yang sesuai dengan proses produksi. Hanya 3% yang menggunakan pemeriksaan off-line,
aktuator dari proses inspeksi. yang masuk akal karena alasan kinerja. Pengamatan yang menarik
Aktuator inspeksi telah diklasifikasikan menggunakan lima kategori, adalah bahwa 99% dari makalah yang dianalisis dengan jelas menyajikan
operator, yang berarti operator menangani peralatan inspeksi dan tingkat integrasi sistem inspeksi kualitas mereka, sesuatu yang tidak
melakukan proses, yang mencakup hanya 10% dari total sampel. Inspeksi terjadi pada banyak atribut yang ditentukan dari penelitian ini.
visual memainkan peran penting tidak hanya dalam kualitas
7
Gambar 10. Distribusi kondisi yang digunakan untuk pemeriksaan kualitas. Gambar 12. Distribusi jenis metode analisis pemeriksaan yang digunakan untuk pemeriksaan mutu.
Gambar 11. Sebaran jenis alat inspeksi yang digunakan untuk pemeriksaan mutu. Gambar 13. Distribusi set-up bekas untuk pemeriksaan kualitas.
3.3.5. Jenis peralatan pemeriksaan yang teknologi inspeksi yang paling umum digunakan untuk analisis data inspeksi
digunakan Titik kritis dalam proses pemeriksaan mutu adalah peralatan kualitas. Kategori yang paling dominan adalah 'algoritma pemrosesan citra',
yang digunakan untuk tugas tersebut. Peralatan akan menentukan akurasi, dengan 26%. Ini adalah hasil yang diharapkan dan masuk akal karena sistem
pengulangan, dan kecepatan tugas pemeriksaan kualitas. Selain itu, tidak visi mesin adalah perangkat yang paling umum untuk memperoleh informasi
semua peralatan pengukuran menyediakan jumlah data yang sama yang kualitas produk. Selain itu, industri semikonduktor (pada representasi 16%)
dapat digunakan untuk tahapan ZDM lainnya. Gambar 11 mengilustrasikan terkenal untuk meningkatkan tingkat hasil melalui penerapan luas perangkat
bahwa jenis peralatan inspeksi yang paling banyak diteliti adalah 'sistem visi inspeksi visual dalam desain, tata letak, fabrikasi, perakitan, dan proses
mesin' pada 58% artikel [58]. Karena satu aplikasi pemeriksaan dapat berisi pengujian jalur produksi [60] . Kategori kedua adalah algoritme yang dibuat
jenis peralatan pemeriksaan yang berbeda, jumlahnya akan melebihi 100%.
khusus yang menggunakan modul low-end yang tidak dapat diklasifikasikan
Hal ini sejalan dengan analisis bibliometrik pada kata kunci, lihat Gambar 5. di bawah Kecerdasan Buatan (AI) atau jenis metode penambangan data
Alat inspeksi yang paling banyak digunakan kedua sebenarnya tidak ada
lainnya. AI memiliki 22%, dimana 12% adalah Machine Learning, 7% Neural
alat, sebesar 13%. Ini terdiri dari mengeksploitasi data yang sudah tersedia
Networks, dan 3% tidak ditentukan. Karena jumlah data yang tersegmentasi
dari mesin. Selain itu, modul virtual masuk dalam daftar dengan minat 1%.
dan diberi label secara manual terbatas, teknologi pembelajaran mesin
Kategori ketiga dapat diklasifikasikan di bawah yang pertama. Padahal, Laser
seperti pembelajaran multi-instance meningkatkan penggunaannya karena
Linear jauh lebih cepat daripada kamera optik, dan dengan demikian pantas
dapat dilatih dengan gambar yang diberi label lemah [61]. Anehnya, hanya
mendapatkan kategorinya sendiri. Laser Linear menghadirkan 11%
2% yang menggunakan konsep 'metrologi virtual', tetapi ini akan berubah di
penggunaan, terutama dalam pembuatan skala besar [59]. Jenis inspeksi
masa depan, karena ini adalah pendekatan yang paling menjanjikan untuk
sentuh hanya menyajikan 3% dari studi. Sudah diketahui umum bahwa
analitik data kualitas produk.
peralatan pemeriksaan seperti itu mengorbankan waktu daripada akurasi dan keterulangan.
Kategori ini mencakup penggunaan CMM, probe sentuh, dan sensor gaya.
Terakhir, aplikasi domain industri spesifik mewakili 2% secara individual 3.3.7. Menyiapkan dan mengevaluasi kondisi lingkungan/ inspeksi dan lingkungan
untuk Eddy Current, X-ray, dan Ultrasonic, dan 4% untuk solusi satu-of-a- ronment
kind yang sangat spesifik. Faktor yang secara signifikan dapat mempengaruhi keakuratan
pemeriksaan mutu adalah kondisi lingkungan. Temuan yang menarik adalah
3.3.6. Metode analisis data kemajuan teknologi modern memungkinkan dilakukannya pemeriksaan yang
Pada sub-bagian saat ini, kami meninjau metode yang paling umum akurat bahkan di lingkungan produksi terbuka, yang merupakan 34% dari
digunakan untuk menganalisis data terukur untuk tugas pemeriksaan total sampel kami. Di sisi lain, produk dengan akurasi tinggi dengan toleransi
kualitas. Metode analisis data adalah salah satu aspek paling penting dari yang sangat ketat masih diperiksa di laboratorium, yaitu 33% dari sampel
pemeriksaan kualitas. Seperti dijelaskan dalam [28], modul analisis data kami. Beberapa penelitian telah berhasil mengintegrasikan kondisi inspeksi
seharusnya tidak hanya memutuskan kesesuaian produk tetapi juga terkontrol menggunakan pengaturan inspeksi tertutup yang terintegrasi
mempertanyakan data inspeksi dan meminta inspeksi ulang jika diperlukan. dengan produksi utama, yaitu 8% dari total sampel kami. Terakhir, 28%
Gambar 12 menunjukkan hasil dari analisis literatur mengenai perbedaan sampel tidak menyebutkan kondisi pemeriksaan yang dilakukan.
8
Gambar 14. Distribusi kontribusi ZDM.
3.3.8. Kontribusi untuk ZDM dianalisis dan dikelompokkan, kami membuat kerangka komprehensif untuk
Sub-bagian saat ini dikhususkan untuk menganalisis literatur mengenai meringkas temuan kami; lihat Gambar 16. Dalam penelitian ini, kerangka kerja
domain ZDM. Empat strategi ZDM, yaitu 'mendeteksi', 'memprediksi', 'memperbaiki' ZDM yang dikembangkan pada tahun 2020 oleh Psarommatis et al. [7] digunakan,
dan 'mencegah' [7], digunakan sebagai atribut. Juga, berdasarkan temuan analisis dan telah menjadi standar oleh CEN/CENELC-CWA-17918 [64]. Kerangka kerja ini
kami, dua kategori muncul dan berkaitan dengan apakah mereka menyebutkan menetapkan bahwa ada empat strategi ZDM, 'mendeteksi', 'memprediksi',
ZDM secara eksplisit atau menggunakan prinsip-prinsip ZDM tetapi tidak merujuk 'memperbaiki', dan 'mencegah'. Dalam studi saat ini, kami memperluas kerangka
kerja ini untuk menambahkan langkah-langkah dan gagasan perantara. Selain
secara eksplisit ke ZDM. Gambar 14 mengilustrasikan hasil dari analisis kami
penambahan, model yang diusulkan selaras sepenuhnya dengan kerangka kerja
mengenai penggunaan strategi ZDM dan sebagian ZDM. Kategori yang paling
ZDM asli [7].
dominan adalah bagian ZDM-Detect, dengan 48%, yang merupakan hasil yang
Pendekatan top-bottom digunakan untuk menggambarkan kerangka kerja yang diperoleh.
diharapkan karena pendeteksian merupakan dasar dari kontrol kualitas. Semua
Pertama, paradigma ZDM memanfaatkan teknologi canggih dengan
proses dimulai dan menggunakan data dari pemeriksaan produk atau proses.
mempertimbangkan keberlanjutan sejati. Untuk melakukannya, kedua, faktor
Tempat kedua diambil oleh tiga kategori dengan 10%, deteksi ZDM aktual, deteksi
pemicu seperti 'deteksi' dan 'prediksi' perlu ditempatkan. Mereka bertanggung
virtual parsial, dan pencegahan parsial. Deteksi virtual adalah kategori yang
jawab untuk mengidentifikasi bahwa ada masalah kualitas. Selain itu, kami
sangat selaras dengan konsep ZDM, seringkali disebut sebagai prediksi kualitas, menambahkan 'pemantauan', karena mekanisme 'prediksi' harus mengidentifikasi
yang tidak akurat. Deteksi virtual adalah konsep yang terletak di dalam konsep penyimpangan apakah itu mungkin dalam produk atau proses [65]. Ketiga, lapisan
metrologi virtual dan memiliki tujuan untuk mengukur karakteristik kualitas yang evaluasi kualitas, di mana kesesuaian produk dan karakteristik proses dievaluasi
diinginkan dari suatu produk tanpa akses fisik ke bagian tersebut. Istilah 'prediksi' untuk mendiagnosis potensi masalah kualitas.
disalahgunakan karena mengacu pada sesuatu di masa depan, tetapi deteksi Keempat, strategi tindakan ditetapkan untuk mengkompensasi masalah kualitas.
virtual memperkirakan kualitas produk yang sudah diproduksi, seperti yang Strategi-strategi tersebut digunakan secara berpasangan artinya strategi pemicuan
dinyatakan oleh Psarommatis et al. [7], Dreyfus dkk. [62]. Fakta bahwa persentase akan selalu digabungkan dengan strategi tindakan. Selanjutnya, pada lapisan
deteksi parsial tertinggi masuk akal karena kerangka kerja ZDM modern yang tindakan ditambahkan proses perencanaan untuk menunjukkan bahwa keputusan
diikuti penulis dikembangkan pada tahun 2020 oleh Psarommatis et al. [7]. perlu direncanakan seperti yang dinyatakan dalam [18,66,67]. Perencanaan harus
dibuat untuk perbaikan atau pencegahan cacat [68]. Tindakan pencegahan harus
dilakukan untuk tidak hanya mencegah cacat serupa di masa depan terjadi
kembali tetapi menangkapnya lebih awal dalam proses. Akhirnya, semua kegiatan
membantu mencapai benar-benar zero-defect dan zero-waste.
3.3.9. Perbaikan khusus
Bagian saat ini dikhususkan untuk menyajikan distribusi perbaikan apa saja
yang dicapai oleh sistem inspeksi yang dikembangkan pada sistem manufaktur
4.2. Diskusi analisis dan arah masa depan
yang diterapkan. Analisis mengungkapkan bahwa pencapaian akurasi yang lebih
tinggi pada sistem inspeksi adalah kategori teratas dengan 21% diikuti oleh Kekurangan dari state-of-the-art saat ini telah mengungkapkan sepuluh bidang
pencapaian inspeksi waktu nyata dengan 19% [63]. Di tempat ketiga adalah khusus untuk meningkatkan topik penelitian.
pencapaian inspeksi 100%, yang merupakan salah satu aspek kunci yang
diperlukan dalam implementasi ZDM, dengan 18%. Dua kategori berikutnya pada 4.2.1. Riset dan komunitas industri harus mengadopsi pendekatan dan terminologi
pengurangan biaya dan peningkatan keandalan peralatan inspeksi masing-masing ZDM
sebesar 15% dan 14%. Berdasarkan hasil analisis literatur, terungkap bahwa penelitian-penelitian
tersebut menggunakan prinsip-prinsip ZDM, namun tidak secara eksplisit
menyebutkan ZDM. Penerapan pendekatan ZDM juga akan berarti bahwa
4. Diskusi terminologi ZDM standar dari [64] akan digunakan dan menyelaraskan semua
peneliti bersama-sama.
Pada bagian ini, analisis yang disajikan dari kinerja kami, bib liometrik dan
4.2.2. Industri yang sedang mengembangkan solusi untuk pemeriksaan kualitas
analisis literatur dibahas. Untuk mengatasi kekurangan yang teridentifikasi,
Penerapan otomasi untuk inspeksi kualitas in-line sebagian besar telah diteliti
kerangka kerja ZDM yang diadaptasi dan arah penelitian masa depan diusulkan.
untuk industri semikonduktor, diikuti oleh apa yang kami artikan sebagai
manufaktur generik, industri baja, otomotif, kedirgantaraan, dan manufaktur aditif,
lihat Gambar 7. Industri dan proses tersebar terdiri dari porsi yang signifikan dari
4.1. Kerangka kerja ZDM yang diadaptasi artikel, 27%. Ketika mempertimbangkan pertumbuhan penelitian lapangan, lihat
Gambar. 3, dapat dikatakan bahwa minat yang tersebar seperti itu bagus dan
Dengan tujuan untuk menyatukan semua komunitas dan memungkinkan pencarian hasil ZDM adalah hal yang umum di seluruh industri.
pembaca untuk mendapatkan pemahaman yang jelas tentang gambaran besar sastra
9
Gambar 15. Distribusi fokus peningkatan pemeriksaan mutu.
Gambar 16. Kerangka inspeksi kualitas untuk ZDM.

Sumber: Diadaptasi dari [7].
4.2.3. Kelompok penelitian harus berkolaborasi satu sama lain inspeksi kualitas, termasuk sistem multi-agen, metrologi virtual, teknologi
Analisis kami tentang kontribusi penulis mengungkapkan bahwa inspeksi, dan arsitektur, untuk menyebutkan beberapa. Mengejutkan
mayoritas penulis memiliki minat dalam berbagai bidang yang berkaitan denganbahwa
otomatisasi
beberapa departemen ini, dengan pengalaman mereka yang luas
10
di sektor, tidak bekerja sama; lihat Gambar 6. Kurangnya kolaborasi yang dapat dengan cepat mengidentifikasi penyebab malfungsi dan
lintas bidang tercermin dalam berbagai analisis penelitian kami. Ada inefisiensi, mengesampingkan kesalahan, dan menilai kelayakan dan
banyak kerugian karena kurangnya kolaborasi lintas bidang antara keselamatan/keamanan solusi fisik yang digunakan [71]. Inspeksi
peneliti dan kelompok di bidang yang sama. Pertama, penelitian kualitas adalah salah satu konsep utama dalam pendekatan manufaktur
melambat karena pengetahuan yang sama dihasilkan lebih dari satu kali, Cerdas [28]. Selain itu, penggunaan gagasan DT dalam proses desain
menyebabkan 'buang-buang waktu' ketika dapat digunakan untuk masih belum jelas, dan diperlukan upaya yang signifikan untuk menuju
melangkah lebih jauh. Jika peneliti di bidang yang sama bergabung akan kedewasaan. Oleh karena itu, penelitian tentang penggabungan logis
meningkatkan efisiensi penelitian dan, pada saat yang sama, teknologi kembar digital ke dalam desain sistem manufaktur Cerdas
meningkatkan keberlanjutan proses penelitian. Dalam studi saat ini, harus dieksplorasi dan diatur [72]. Dalam [18] DT dikembangkan untuk
fenomena ini diamati dalam domain inspeksi kualitas, tetapi hal yang kuantifikasi yang tepat dari spesifikasi peralatan inspeksi untuk
sama juga terjadi pada domain lain. Selain itu, lebih banyak kolaborasi mencapai ZDM, tetapi sepengetahuan penulis, tidak ada penelitian lain
dalam bidang penelitian yang sama akan menghemat banyak dana dan
yang menggunakan teknologi DT untuk merancang sistem manufaktur
sumber daya lainnya, yang dapat digunakan untuk tujuan lain dan bukan
untuk mencapai ZDM. Dalam konteks proses pemeriksaan mutu, DT bisa
untuk mengulang dan menghasilkan pengetahuan yang sama dengan
sangat bermanfaat dengan realisasi identifikasi pola penyimpangan dan
lembaga lain dalam domain yang sama. Selain itu, ada kekurangan
keputusan cerdas tentang diagnosis dan perencanaan [28,73].
standarisasi dalam berbagai solusi yang dikembangkan, yang
menyebabkan kebingungan di masyarakat dan di industri. Melakukan
4.2.8.
penelitian kolaboratif akan menyelaraskan peneliti dengan cara yang lebih baik dan Inspeksi real-time akan membantu mencapai ZDM
lebih efisien.
Sinergi antara teknologi operasional dan teknologi informasi akan
4.2.4. Presisi vs kecepatan inspeksi membantu mencapai tujuan ZDM [20]. Teknologi operasional bertanggung
Meskipun mesin CMM lebih presisi, analisis kami menggambarkan jawab atas operasi manufaktur yang termasuk dalam rencana proses
peningkatan penggunaan aktuator lain untuk pemeriksaan kualitas yang produk atau kelompok produk yang diminati.
lebih cepat dan andal. Mesin kontrol numerik masih Teknologi nilai tambah tersebut meliputi mesin numerik kontrol, robotika
digunakan lebih dari robot industri. Salah satu alasannya adalah industri, dan/atau stasiun inspeksi. Stasiun nilai tambah yang juga
rendahnya akurasi robot industri yang ada. Ada kebutuhan untuk melakukan pemeriksaan kualitas in-line dapat memberikan interpretasi
meningkatkan akurasi dan keterulangan sistem pengukuran relatif seperti kamera
yangpenglihatan.
lebih konstan dari dunia nyata ke model analisis data di dunia
digital. Kedekatan dengan asal cacat tersebut tidak hanya akan
4.2.5. Teori vs praktek memberikan lebih banyak waktu untuk model analisis data untuk
Hanya 1% dari artikel terpilih yang berfokus pada kontribusi terhadap mendeteksi tetapi juga untuk merencanakan dan melakukan tindakan korektif pada
kemajuan atau simulasi teoritis untuk bidang tersebut; lihat Gambar 13.
Kami percaya dengan standardisasi ZDM oleh CEN/CENELC-CWA-17918
4.2.9. Simulasi untuk siklus inspeksi dan fleksibilitas yang optimal
[64] dan kerangka kerja yang diusulkan, akan ada konsensus bersama
dalam hal teori. Meskipun demikian, simulasi untuk ZDM dan pemeriksaan Agar ZDM menjadi filosofi manufaktur yang menguntungkan, biaya
kualitas perlu diteliti lebih lanjut. Hasilnya juga mengungkapkan bahwa penilaian harus lebih rendah daripada biaya cacat, ketidakpuasan
kontribusi teoretis tentang bagaimana bidang menghubungkan aspek pelanggan, dan skrap. Ketidakpuasan pelanggan dapat disebabkan oleh
teknologi, proses, dan manusia tidak ada, dan juga konsep deteksi pengiriman yang cacat tetapi juga karena tidak mematuhi waktu pengiriman yang di
virtual dan simulasi kualitas juga kurang. Siklus inspeksi yang optimal harus terus dihitung agar perusahaan
manufaktur dapat mempertahankan waktu yang direncanakan. Alat
4.2.6. Peralatan inspeksi statis simulasi memiliki potensi untuk perencanaan proses pembuatan yang
Jelaslah bahwa distribusi tingkat otomasi yang digunakan untuk lebih akurat yang mencakup inspeksi sebaris dan tindakan korektif sebaris.
sistem inspeksi yang dikembangkan dari makalah yang dianalisis
mengungkapkan bahwa sebagian besar makalah berfokus pada 4.2.10. Menuju pemeriksaan 100%.
pengembangan sistem inspeksi statis. Selain itu, peralatan inspeksi
Melakukan inspeksi 100% adalah satu-satunya cara untuk memastikan
yang dikembangkan dirancang hanya untuk pengawasan dan bukan
bahwa tingkat kualitas yang diinginkan telah tercapai dan produk yang
untuk otomatisasi penuh prosedur inspeksi. Ini berarti bahwa tingkat
dikirim ke pelanggan adalah produk yang benar. Aspek lain dari 100%
fleksibilitas sebagian besar sistem inspeksi rendah dan jika operasi
adalah tidak ada barang cacat yang akan keluar dari pabrik, meminimalkan
yang mereka lakukan berubah, maka pengaturan inspeksi menjadi usang
efek berbahaya dari produksi terhadap lingkungan tanpa meningkatkan
atau diperlukan upaya yang signifikan untuk menyesuaikan sistem
beban kerja yang terkait dengan produksi [74]. Selain itu, [75] inspeksi
inspeksi dengan kondisi baru. Hal ini juga dibuktikan dengan hasil yang
in-situ 100% digunakan untuk meningkatkan ketahanan Cyber-Physical
menunjukkan bahwa inspeksi kualitas yang holistik dan fleksibel adalah
System (CPS) terhadap serangan cyber. Selain dampak positif dari
yang paling sedikit diteliti; lihat Gambar 15. Fase ZDM lain yang
pemeriksaan 100%, ada juga beberapa dampak negatifnya. Penggunaan
membutuhkan pendekatan holistik juga sebagian besar telah diabaikan; lihat Gambar 14.
tingkat pemeriksaan ini memiliki sejumlah kelemahan, termasuk kenaikan
biaya yang signifikan yang disebabkan oleh kebutuhan akan karyawan
4.2.7. Kembar digital teknologi kunci untuk meningkatkan kualitas dan
kecepatan inspeksi Penggunaan Digital Twin (DT), yaitu model virtual tambahan atau alat ukur, serta memakan waktu. Selain itu, menerapkan
yang dirancang untuk mencerminkan objek fisik secara akurat untuk inspeksi 100% tidak dapat diandalkan saat teknik inspeksi yang merusak
meniru kenyataan, menyediakan lingkungan yang sempurna untuk tiga diperlukan, seperti saat diamanatkan oleh undang-undang. Untuk
dimensi ZDM dari (i) prediksi, (ii) kemampuan diag, dan (iii) perencanaan. memungkinkan identifikasi kerusakan dini dan mencegah penyebarannya
DT dianggap sebagai teknologi masa depan, dengan kemampuan tak melalui pertumbuhan inspeksi dalam proses, juga dikenal sebagai
terbatas. DT dianggap sebagai gelombang simulasi berikutnya dan dapat inspeksi in-line atau kontrol kualitas, inspeksi produksi 100% menjadi
menawarkan efisiensi, kualitas, dan kinerja yang lebih tinggi selama penting untuk pabrik cerdas. Menerapkan inspeksi 100% mungkin
desain dan optimisasi operasional menuju ZDM [69]. Kembar digital berdampak negatif pada kinerja sistem manufaktur, tetapi dibandingkan
dapat mengaktifkan umpan balik antara sistem fisik nyata dan model dengan kerugian yang ditimbulkan oleh produk cacat di pihak pelanggan,
digital dunia maya [70]. Koordinasi area digital dan fisik selama siklus kerugian ini akan jauh lebih kecil. Fenech dan Perkins [9] menunjukkan
hidup lengkap dapat dipastikan dengan cara ini. DT langsung melakukan bahwa 36% pelanggan ingin membeli produk yang dipersonalisasi,
validasi dan pengujian dengan 50% mengatakan bahwa mereka akan menerima waktu yang lebih lama untu
11
Tabel A.5
Makalah terpilih untuk penelitian ini.
TIDAK. Pengarang & Tahun Judul Judul sumber TC
1 Gobert dkk. [76] Penerapan pembelajaran mesin yang Manufaktur aditif 134
diawasi untuk deteksi cacat selama
pembuatan aditif fusi serbuk logam
menggunakan pencitraan resolusi tinggi
2 Juarez dan Gregory Pemeriksaan Termal In Situ Otomatis Bagian komposit b-engineering 0
[77] Penempatan Serat untuk pembuatan
cacat yang diinduksi
3 Aminzadeh dan Kurfess Sistem inspeksi berbasis visi untuk Prosiding konferensi sains dan 4
[78] akurasi dimensi dalam manufaktur aditif teknik manufaktur internasional ke-11 ASME,
serbuk 2016
4 Aminzadeh dan Kurfess Inspeksi visual otomatis berlapis dalam Prosiding konferensi sains dan 2
[79] pembuatan aditif alas bedak laser teknik manufaktur internasional ke-10 asme,
2015, VOL 2
5 Mersman [80] Industrialisasi metrologi-Mesin integrasi visi CIRP ANNALS - Tinjauan tahunan 4
dalam produksi komposit ke-45 teknologi manufaktur tentang
6 Hopkins dkk. [81] Tantangan dan Solusi untuk Ultrasonic kemajuan dalam evaluasi nondestruktif 1
Inspeksi Array Bertahap dari kuantitatif
Komposit Polimer-Matriks di
Tarif Produksi
7 Pierer dkk. [82] Zero-error-production melalui Konferensi kelompok penelitian deep- 0
kontrol kualitas inline dari suku cadang drawing internasional (IDDRG 2021)
otomotif yang diperkeras dengan sistem
multi-kamera
8 Grasso dkk. [83] Metode fusi data untuk pemantauan Konferensi CIRP ke-15 tentang toleransi 9
proses statistik dan karakterisasi dengan bantuan komputer, CIRP CAT 2018
kualitas dalam manufaktur aditif logam
9 Wu dkk. [84] Inspeksi Inline dengan Industri Sensor 4

Robot (IIIR) untuk Kustomisasi Massal
Garis produksi
10 Bauer dkk. [85] Pencitraan Terahertz FMCW Cepat untuk Sensor 0
Deteksi Cacat Dalam Proses di Pers
Selongsong untuk Industri Kertas dan
Evaluasi Gambar dengan Mesin
Pendekatan Pembelajaran
11 Zhu dkk. [86] Otomatis Tinggi Akurat dan Metrologi, inspeksi, dan kontrol proses 0
Manajemen Cacat Photomask yang Efisien untuk mikrolitografi XXVIII
Solusi untuk Litografi Tingkat Lanjut
Pembuatan
12 Colosimo dan Grasso PCA berbobot spasial untuk memantau data Jurnal teknologi berkualitas 20
[87] gambar video dengan aplikasi untuk
pembuatan aditif
13 Han dkk. [88] Pengukuran Bentuk 3D Berbasis Robot Sensor 12
Sistem Pemeriksaan Kualitas Otomatis Benda
Termal pada Penempaan
Garis produksi
14 Oromiehi et al. [89] Karakterisasi cacat yang diinduksi Pemantauan kesehatan struktural- 30
proses dalam pembuatan penempatan sebuah jurnal internasional
serat otomatis dari komposit menggunakan serat
Sensor kisi Bragg
15 Suárez dkk. [90] Pembuatan aditif busur kawat dari fitting Jurnal proses manufaktur 4
aeronautika dengan paduan logam yang
berbeda: Dari desain hingga bagiannya
16 Zhang dkk. [91] Pemodelan Rintangan untuk Data Cacat dengan makalah IFAC online 2
Kelebihan Nol di Manufaktur Baja
Proses
17 Tieng dkk. [40] Metrologi Virtual Otomatis dan Robotika IEEE dan surat otomasi 9
Skema Fusi Deformasi untuk
Manufaktur Casing Mesin
18 Lednev dkk. [92] Analisis multi-elemen in situ dengan Manufaktur aditif 24
spektroskopi kerusakan yang diinduksi laser
dalam pembuatan aditif
19 Lednev dkk. [93] Spektroskopi kerusakan yang diinduksi Teknologi sinar dan aplikasi laser 3
laser untuk analisis multielemen in-situ
selama proses pembuatan aditif
20 Huber dkk. [94] Inspeksi NDT otomatis berdasarkan Konferensi CIRP ke-2 tentang 0
model Thermo-Tomography 3-D presisi tinggi pembuatan komponen material komposit
yang dikombinasikan dengan data teknik dan
manufaktur
21 Newell et al. [95] Deteksi Cacat Listrik dengan Metrologi, inspeksi, dan kontrol proses 0
SEMVision dalam Produksi Semikonduktor untuk mikrolitografi XXX
Manufaktur Mode
(bersambung ke halaman berikutnya)
12
Tabel A.5 (lanjutan).

22 Ferralli et al. [96] Manufaktur dan metrologi untuk jendela Teknologi dan material jendela dan kubah 0
dan kubah konformal IR XV
23 Zörrer et al. [97] Menggunakan Analisis Bisnis untuk Makalah IFAC Online 3
Pendukung Keputusan dalam Manufaktur Tanpa
Cacat Komponen Komposit di Industri Dirgantara
Model kontrol untuk strategi kompensasi hilir
24 Magnanini et al. [98] dalam sistem manufaktur multi-tahap dari Makalah IFAC Online 1
komponen kompleks Pemodelan berbasis data di
era Industri 4.0: Studi kasus pemodelan friksi
25 Tatipala dkk. [99] dalam simulasi pembentukan lembaran logam Jurnal Fisika: Seri Konferensi 7
Strategi koreksi dimensi adaptif dalam proses
untuk manufaktur aditif berbantuan laser
menggunakan pemindaian garis laser Pemetaan
26 Xu dkk. [100] Geometri Bead dalam Sistem Manufaktur Aditif Jurnal Pengolahan Bahan 1
Busur Kawat Menggunakan Penglihatan Pasif Teknologi
Inspeksi ultrasonik laser terhadap cacat pada
27 Couto dkk. [101] sampel manufaktur aditif busur kawat dengan Jurnal Kontrol, Otomasi dan 0
profil permukaan yang berbeda Tinggi Sistem Listrik
-pemeriksaan suhu dalam proses diikuti dengan
28 Zeng dkk. [102] pemeriksaan robotik selama 96 jam untuk retakan Pengukuran: Jurnal dari 3
hidrogen yang dibuat secara sengaja dalam Konfederasi Pengukuran Internasional
pengelasan robotik multi-lintasan Pemantauan
29 Javadi dkk. [103] kualitas dalam manufaktur aditif menggunakan Jurnal Internasional Kapal Tekanan dan Perpipaan 1
spektroskopi emisi dan pembelajaran mendalam
tanpa pengawasan Mempromosikan Aplikasi
Teknologi Pengukuran Dalam Proses dalam
30 Ren dkk. [104] Produk Penggilingan Cerdas sistem inspeksi Bahan dan Proses Manufaktur 2
online berbasis visi yang cerdas untuk operasi
pengencangan sekrup dalam pembuatan rangka
baja pengukur ringan Pemantauan terus-menerus
31 Yang [105] terhadap retakan yang dibuat dengan sengaja Catatan Kuliah Teknik Elektro 0
menggunakan pengelasan otomatis dan sistem
inspeksi dalam proses Investigasi kelayakan
32 Martinez dkk. [106] untuk pemantauan elemen online proses Jurnal Lanjutan Internasional 8
manufaktur besi dan baja menggunakan Teknologi Manufaktur
spektroskopi kerusakan yang diinduksi laser
33 Javadi dkk. [107] Solusi pemeriksaan in-line untuk kode pada latar Bahan dan Desain 13
belakang kompleks untuk industri wadah plastik
Meningkatkan stabilitas dalam manufaktur aditif
berbasis GTA robotik melalui pengukuran optik
34 Wang dkk. [108] dan kontrol umpan balik Teknologi produksi ISIJ Internasional 5
untuk struktur ringan yang terbuat dari laminasi
serat-logam di badan pesawat Inspeksi inline
optik mendeteksi cacat 3D pada permukaan
35 Liang dkk. [109] bentuk bebas kompleks di lingkungan produksi Pengukuran: Jurnal dari 10
yang keras Pemrosesan gambar berbasis Konfederasi Pengukuran Internasional
pembelajaran mesin untuk pengenalan cacat on-
36 Xiong et al. [110] line dalam pembuatan aditif Pendekatan multi- Robotika dan Terintegrasi Komputer 13
sensor untuk identifikasi kegagalan selama Manufaktur
produksi diaktifkan secara paralel el pemantauan
37 Ucan et al. [111] data Pengenalan cacat otomatis sebagai elemen Jurnal Penerbangan CEAS 2
penting dari tomografi terkomputasi sinar-X tiga
dimensi teknik pengujian non-destruktif cerdas
38 Strohmeier dkk. [112] berbasis pencitraan dalam pembuatan aditif Teknisi Messen 4
bagian berbentuk jaring Inspeksi on-stream untuk
pitting korosi cacat bejana tekan untuk cerdas
39 Caggiano dkk. [113] dan manufaktur yang aman In-line height profiling Sejarah CIRP 111
metrology sensor untuk kontrol produksi cacat
nol Penelitian dan penerapan sistem pengukuran
40 Putz dkk. [114] online profil tapak ban dalam produksi ban mobil Sejarah CIRP 6
41 Szabo et al. [115] Ilmu Terapan (Swiss) 5
42 Liu dkk. [116] Jurnal Lanjutan Internasional 5

Teknologi Manufaktur
43 Snel dkk. [117] Prosiding SPIE - Internasional 2

Masyarakat untuk Teknik Optik
44 Wang dkk. [118] Prosiding SPIE - Internasional 1
Masyarakat untuk Teknik Optik
13

45 Lee dan Liu [119] Sensor optik presisi tinggi untuk Ilmu Cerdas 9
pengukuran on-line real-time
kelurusan dan kesalahan sudut untuk manufaktur
pintar
46 Dia dkk. [120] Panel Komposit Cerdas Procedia CIRP 4
Teknologi Manufaktur Berdasarkan
Sistem Otomatis Pemasangan Pita
47 Zoesch dkk. [121] Manufaktur tanpa cacat: Deteksi retakan dan Procedia CIRP 14
penipisan material selama proses deep drawing
`
48 Ružarovsky dkk. [ 122] Metode inspeksi dalam proses otomatis dalam Mekanika dan Material Terapan 1
sistem produksi fleksibel iCIM 3000
49 Kraemer dkk. [123] Kontrol kualitas dalam proses produksi Procedia CIRP 10
material ringan SMC
50 Montironi et al. [124] Pemosisian otonom adaptif dari sistem visi Robotika dan Terintegrasi Komputer 16
robot: Penerapan kontrol kualitas pada lini Manufaktur
produksi
51 Kalms et al. [125] Pengujian tak merusak dalam rantai proses Prosiding SPIE - Internasional 0
otomatis untuk pembuatan massal komponen Masyarakat untuk Teknik Optik
termoplastik yang diperkuat serat
52 Xiong dan Zhang [126] Pengukuran online geometri manik dalam Ilmu Pengukuran dan Teknologi 53
pembuatan aditif berbasis GMAW menggunakan
penglihatan pasif
53 Molleda et al. [127] Sistem pendukung keputusan yang cepat Komputer di Industri 10
dan kuat untuk penilaian kualitas in-line dari
las jahitan resistensi di industri pembuatan baja
54 Liang dkk. [128] Studi tentang teknik pendeteksian produksi Penelitian Material Tingkat Lanjut 0
baja secara online berdasarkan cahaya
terstruktur laser
55 Psarommatis dan Sistem Pendukung Keputusan hybrid untuk Jurnal Informasi Industri 4
Kiritsis [129] mengotomatisasi pengambilan keputusan jika Integrasi
terjadi kecacatan di era Zero Defect
Manufaktur
56 Eger dkk. [130] Mencapai pembuatan tanpa cacat dengan Manufaktur Procedia 1
mengkompensasi penyimpangan dimensi
dalam pembuatan bagian berongga yang
berputar
57 Brito dkk. [47] Pendekatan pembelajaran mesin untuk Manufaktur Procedia 10
inspeksi manufaktur cerdas robot kolaboratif
untuk sistem kontrol kualitas
58 Reiff et al. [131] Pemusatan cerdas untuk komponen rotasi- Procedia CIRP 4
simetris dalam sistem produksi multi-tahap
untuk produksi tanpa cacat
59 Bhanu Prasad dkk. Solusi visi mesin di industri otomotif Studi dalam Kecerdasan Komputasi 2
[132]
60 Wang [133] Menuju manufaktur tanpa cacat Kemajuan dalam Manufaktur 72
(ZDM) - pendekatan penambangan data
61 Bao dkk. [134] Rancang bangun sistem pemeriksaan cacat 2017 Teknologi Informasi IEEE 2nd, 5
glasir pada permukaan pot keramik Jaringan, Elektronik dan Otomasi
berdasarkan machine vision Konferensi Kontrol (ITNEC)
62 Younes dkk. [135] Pemantauan kualitas strip baja berlubang Konferensi Internasional IEEE 2011 tentang 2
secara online menggunakan sistem inspeksi Kualitas dan Keandalan
visual otomatis (AVI).
63 Azamfirei et al. [33] Menuju perakitan dibantu pengukuran Lokakarya Internasional IEEE 2021 tentang 1
in-line robotik tanpa perlengkapan, sebuah Metrologi untuk Industri 4.0 & IoT
studi kasus (MetroInd4.0&IoT)
64 Gao dkk. [136] Teknologi inspeksi kualitas online untuk kawat Konferensi Internasional IEEE 2014 tentang 0
berlian berlapis berdasarkan visi mesin Robotika dan Biomimetika (ROBIO 2014)
65 Xu dkk. [137] Penelitian tentang pemeriksaan kualitas tutup Konferensi Internasional IEEE 2017 tentang 1
botol PET secara real-time Informasi dan Otomasi (ICIA)
66 Tang dan Wang [138] Inspeksi visual kualitas benda kerja Konferensi Internasional 2011 tentang Gambar 1
Analisis dan Pemrosesan Sinyal
67 Chu dkk. [139] Algoritme pemeriksaan kualitas berdasarkan Lokakarya IEEE 2016 tentang Tingkat Lanjut 1
visi mesin untuk pengelasan lembaran-tabung Robotika dan Dampak Sosialnya (ARSO)
68 Bertoli et al. [140] Pemantauan Kualitas In-situ Konferensi Internasional ke-17 IEEE 2021 0
Manufaktur Aditif berbasis ekstrusi melalui tentang Ilmu dan Teknik Otomasi
Hutan Acak dan pengelompokan (KASUS)
69 Tremel dan Franke [48] Hall sensor line array untuk pengukuran inline Penggerak Listrik Internasional ke-2 tahun 2012 7
medan magnet dari rotor yang keluar dari PM Konferensi Produksi (EDPC)
70 Traxler dkk. [141] Perbandingan Eksperimental Optik Akses IEEE 3
Pengukuran dan Inspeksi 3D Inline
Sistem
14

71 Cao [142] Desain dan Penerapan Visi Robot Simposium Internasional ke-3 2021 tentang 0
Sistem Inspeksi untuk Semikonduktor Robotika & Manufaktur Cerdas
Sasaran Logam Technology (ISRIMT)
72 Wargulski dkk. [143] Sistem Analisis Kegagalan In-line Berbasis 2019 International Workshop ke-25 tentang 5
Termografi IR Siap untuk Investigasi Termal IC dan
Integrasi Jalur Produksi Sistem (TERMINIK)
73 Fujishiro et al. [144] Minimalisasi Data Pelatihan CNN dengan Simposium Internasional 2020 tentang 2
menggunakan Data Augmentation for Inline Manufaktur Semikonduktor (ISSM)
Klasifikasi Cacat
74 Yang dkk. [45] Estimasi Kualitas AM Online Transaksi IEEE pada Otomasi 2
Arsitektur Dari Pool ke Layer Sains dan Teknik
75 Härter et al. [50] Korelasi komprehensif data inspeksi inline Mikroelektronika Pan Pacific 2016 7
untuk evaluasi cacat pada rakitan elektronik Simposium (Pan Pasifik)
heterogen
76 Csencsics et al. [145] Filter Puncak Tambahan untuk Lanjutan Transaksi IEEE/ASME aktif 4
Penolakan Gangguan pada Tingginya Mekatronika
Endeffector Presisi untuk berbasis Robot
Metrologi Inline
77 Sebuah et al. [146] Penelitian tentang perangkat dan metode IEEE 2011 Konferensi Internasional ke-10 tentang 0
inspeksi visual dari kerangka dasbor kendaraan Pengukuran Elektronik &
Analisis gambar dan pembelajaran mesin untuk Instrumen
78 Cannizzaro dkk. [147] deteksi cacat in-situ di Additive Manufacturing Desain, Otomatisasi & Uji 2021 di 1
Industry 4.0 untuk Inspeksi Lanjutan Konferensi Eropa
79 Vaga dan Bryant [148] Mikroelektronika Pan Pacific 2019 0

Simposium (Pan Pasifik)
80 Di Leo dkk. [149] Inspeksi visual online untuk kerusakan pada Teknologi Instrumentasi dan Pengukuran 5
perakitan komponen elektromekanis Internasional IEEE 2014
Konferensi (I2MTC) Prosiding 2020
81 Meiners et al. [52] Menuju Pemantauan Kualitas Inline untuk Penggerak Listrik Internasional ke-10 1
Proses Crimping Menggunakan Mesin Konferensi Produksi (EDPC)
Teknik Pembelajaran
82 Chen dkk. [150] Deteksi Kekasaran Permukaan Online dari Konferensi Kontrol Cina ke-37 2018 2
Baja Strip Canai Dingin Berdasarkan (CCC)
Penyaringan Halus Regresi Adaptif
83 Schlarp dkk. [151] Deteksi fitur dan pemilihan area 2018 IEEE/ASME Internasional 2
pemindaian untuk sensor pemindaian laser 3D Konferensi tentang Advanced Intelligent
Mekatronika (AIM)
84 Kneidl et al. [53] Teknik Pengukuran In-line dari Konferensi IEEE 2021 tentang Kelistrikan 0
Proses Insulasi Berbasis Resin untuk Fenomena Isolasi dan Dielektrik
Sistem Transfer Daya Nirkabel Penelitian (CEIDP)
85 Si dan Zhang [152] pendekatan pengukuran dan pemeriksaan Konferensi Internasional IEEE 2015 tentang 1
online untuk benda kerja 2,5 dimensi Metode Informasi dan Otomasi
Jaminan Kualitas Permukaan untuk Elektroda
86 Xu dkk. [153] Baterai Litium-Ion Menggunakan Kompensasi Transaksi IEEE pada Instrumentasi 7
Konsentrasi dan Aturan Keputusan Partialitas dan Pengukuran
Kerangka Pemantauan Prediktif In-Line
87 Lee dkk. [154] Transaksi IEEE pada Otomasi 2

Sains dan Teknik
88 Tieng dkk. [44] Otomatis Robotika IEEE dan Surat Otomasi 1
Skema Inspeksi-Balancing Dinamis untuk
Pemesinan Roda
89 Junhong et al. [155] Sistem Inspeksi On-line untuk Selesai Kongres Otomasi China (CAC) 2021 0
Papan Sirkuit Berdasarkan Visi Mesin
90 Gong dkk. [156] Metode Inspeksi Visual Adaptif untuk Konferensi Internasional 2020 tentang 1
Deteksi Cacat Label Transparan dari Visi Komputer, Gambar dan Jauh
Botol Kaca Melengkung Pembelajaran (CVIDL)
91 Xiaojun et al. [157] Pengecekan kualitas online untuk verifikasi Konferensi IEEE Asia-Pasifik 2021 tentang 0
terpusat skala besar berdasarkan kontrol Pemrosesan Gambar, Elektronik dan
proses statistik Komputer (IPEC)
92 Dekan dkk. [158] Pengukuran emitor wafer surya dengan Spesialis Fotovoltaik ke-40 IEEE 2014 5
reflektometri inframerah untuk kontrol Konferensi (PVSC)
proses: Implementasi dan hasil
93 Lanza dkk. [159] Deteksi optik otomatis terhadap partikel dan Konferensi Internasional IEEE 2013 tentang 2
cacat pada permukaan sel Li-Ion menggunakan Ilmu dan Teknik Otomasi
analisis satu titik (KASUS)
94 Richter dan Streitferdt Koreksi Kesalahan Berbasis Deep Learning di Informasi Tahunan ke-9 IEEE 2018 1
[160] Pengukuran 3D Sirkuit Cetak Teknologi, Elektronik dan Seluler
Papan Konferensi Komunikasi (IEMCON)
95 Lin dkk. [161] Perbaikan Jembatan Multi-Jalur Transaksi IEEE pada Semikonduktor 1
Klasifikasi Cacat berdasarkan Hirarki Manufaktur
Arsitektur dalam Kecerdasan Buatan
Klasifikasi Cacat Otomatis
15

96 Cheng dkk. [39] Tutorial Penerapan Teknologi VM untuk Transaksi IEEE pada Semikonduktor 25
Manufaktur TFT-LCD Manufaktur
97 Shan dkk. [162] Metode Pengukuran Profil Involute Konferensi Internasional IEEE 2021 tentang 0
Kesalahan Berdasarkan Visi Mesin Komputasi dan Robotika Real-time
(RCAR)
98 Shui et al. [163] Pemodelan dan Analisis Variasi Dua Kali Lipat Transaksi IEEE pada Otomasi 7
untuk Roll-to-Roll Sains dan Teknik
Sistem Manufaktur
99 Zhou dkk. [164] Perencanaan pemeriksaan otomatis Konferensi Internasional IEEE 2011 tentang 2
permukaan bentuk bebas untuk aplikasi Mekatronika dan Otomasi
manufaktur
100 Cheri et al. [165] Metode Kontrol Cerdas Online untuk Konferensi Kontrol Cina ke-37 2018 1
Kekasaran Permukaan Cold-Rolled Strip (CCC)
Baja
101 Mohamed dkk. [166] Pendekatan non-kontak untuk pengukuran 2011 IEEE 7th International Colloquium on Signal 4
kebulatan Processing dan Aplikasinya
102 Deng dkk. [167] Sistem Penggabungan Data Multi-Sensor untuk Akses IEEE 2
Pemantauan Proses Pengelasan Laser
103 Chua dkk. [168] Deteksi Perubahan Warna Bond Pad di Transaksi IEEE pada Semikonduktor 3
Pemeriksaan Wafer Keluar Manufaktur
104 Huang dkk. [169] Penginderaan medan 3D berbasis Konferensi Internasional IEEE 2013 tentang 0
struktur cahaya real-time untuk penggunaan robot selulerTeknologi Cyber dalam Otomasi,
CUDA Kontrol dan Sistem Cerdas
105 Yang dkk. [42] Arsitektur Metrologi Cerdas Robotika IEEE dan Surat Otomasi 7
Dengan AVM untuk Aditif Logam
Manufaktur
106 Alhwarin dkk. [170] Meningkatkan manufaktur aditif dengan Konferensi Internasional IEEE 2015 tentang 2
pemrosesan gambar dan penggilingan robot Ilmu dan Teknik Otomasi
(KASUS)
107 Zhang dkk. [171] Cerdas Berbasis Suara Terdengar Transaksi IEEE pada Industri 35
Evaluasi untuk Paduan Aluminium di Informatika
Robotic Pulsed GTAW: Mekanisme,
Pemilihan Fitur, dan Deteksi Cacat
108 Leachman dan Ding Kerugian Hasil Ekskursi dan Waktu Siklus Transaksi IEEE pada Otomasi 24
[172] Pengurangan Semikonduktor Sains dan Teknik
Manufaktur
109 Li dkk. [173] Riset dan Penerapan Online Konferensi Internasional IEEE 2018 tentang 1
Sistem Deteksi Kualitas Berbasis 3D Mekatronika dan Otomasi (ICMA)
Visi dalam Produksi Baja Persegi Panjang
Garis
110 Schneider dan Franke Metode resonansi untuk pengukuran Penggerak Listrik Internasional ke-5 2015 2
[49] kualitas inti laminasi Konferensi Produksi (EDPC)
111 Koch dkk. [174] Kontur Multisensor Mengikuti Dengan Transaksi IEEE pada Instrumentasi dan 32
Sensor Penglihatan, Kekuatan, dan Percepatan Pengukuran
untuk Robot Industri
112 Liu dkk. [175] Pengukuran Optik yang Efisien Transaksi IEEE pada Instrumentasi 1
Stud Pengelasan Dengan Peta Normal dan dan Pengukuran
Jaringan Syaraf Konvolusional
113 Zhang dkk. [176] Konsentrasi alumina online baru Konferensi Internasional IEEE 2015 tentang 2
sistem pengukuran Mekatronika dan Otomasi (ICMA)
114 Cui dkk. [177] Penginderaan lembut konsentrasi alumina dalam Kongres Otomasi Tiongkok 2020 1
industri elektrolisis aluminium berdasarkan (CAC)
jaringan kepercayaan yang mendalam
115 Forbes dkk. [178] Menggunakan data gambar untuk Jaminan Sistem dan Informasi 2017 2
Kualitas dalam Manufaktur Aditif Simposium Desain Rekayasa (SIEDS)
116 Kamalakannan dan Metode segmentasi berbasis smoothing Tren 2017 dalam Pengukuran dan Otomasi 3
Rajamanickam [179] spasial untuk deteksi cacat internal di Industri (TIMA)
Gambar sinar-X dari komponen pengecoran
117 Zhou dan Liu [180] Metode berbasis visi komputer untuk Kongres Otomasi China (CAC) 2021 0
mengukur kadar air butiran hijau bijih besi
secara online dalam pelet cakram
118 Khan dkk. [181] Analisis cacat pada kumparan hot dan cold roll Konferensi Internasional ke-13 Tahun 2017 tentang 1
menggunakan metode image processing Teknologi Baru (ICET)
119 Zhao [182] Fase Sekuensial yang Relevan dengan Kualitas Transaksi IEEE pada Otomasi 44
Pendekatan Partisi untuk Regresi Sains dan Teknik
Pemodelan dan Prediksi Kualitas
Analisis dalam Proses Manufaktur
120 Bao dkk. [183] Integrasi Digital Twin dan Mesin 2021 IEEE 17th International Conference on 0
Pembelajaran Fitur Geometrik Online Automation Science and Engineering
Sistem Inspeksi (KASUS)
121 Cui dkk. [184] Desain dan implementasi alat ukur online Konferensi Internasional IEEE 2015 tentang 1
untuk distribusi arus anoda elektrolitik Informasi dan Otomasi
aluminium
122 Margraf et al. [185] Pendekatan Pembelajaran Evolusioner untuk 2017 Konferensi Internasional IEEE ke-16 tentang 8
Gambar Pipeline yang mengonfigurasi sendiri di Pembelajaran Mesin dan Aplikasi
Konteks Deteksi Kesalahan Serat Karbon (ICMLA)
16

123 Wu dan Li [186] Pemeriksaan Kelistrikan Mesin Akses IEEE 9

Konektor Berdasarkan Peningkatan Yolo v3
124 Rodríguez-Araújo dan Klasifikasi cacat in-line otomatis 2014 IEEE 23rd Internasional 3
García-Díaz [187] dan lokalisasi dalam sel surya untuk Simposium Elektronika Industri
perbaikan berbasis laser (ISIS)
125 Cannizzaro dkk. [188] Deteksi Cacat In-Situ Logam Transaksi IEEE pada Topik Baru di 2
Manufaktur Aditif: Terintegrasi Komputasi
Kerangka
126 Zhou dkk. [189] Pemodelan RVFLN Kuat Berbasis Data dari Transaksi IEEE pada Industri 43
Proses Pembuatan Besi Blast Furnace Elektronik
Menggunakan Cauchy Distribution Weighted
M-Estimasi
127 Schirmer dkk. [51] Penilaian Kualitas Cetak berdasarkan Gambar Seminar Musim Semi Internasional ke-41 2018 1
Metode Pengolahan untuk Dicetak tentang Teknologi Elektronik (ISSE)
Aplikasi Elektronik
128 Kassubeck et al. [190] Kontrol Kualitas Optik untuk Adaptif Simposium Barat Daya IEEE 2020 tentang 2
Proses Poles Analisis dan Interpretasi Gambar
(SSIAI)
129 Teo dkk. [191] Desain Sistem Pencitraan untuk Jurnal Fotovoltaik IEEE 5
Mengkarakterisasi Microcracks di Crystalline
Sel Surya Silikon Menggunakan Cahaya
Transfleksi
130 Fang dkk. [192] Sensor Lembut Berdasarkan Adaptive Stacked Transaksi IEEE pada Instrumentasi 6
Model Polimorfik untuk Konten Silikon dan Pengukuran
Prediksi dalam Proses Pembuatan Besi
131 Liu dkk. [193] Desain Submillimeter Jurnal Fotovoltaik IEEE 8
Alat Pendeteksi Retak untuk Si Photovoltaic
Wafer Menggunakan Vicinal Illumination dan
Hamburan Medan Gelap
132 Fan dkk. [194] Identifikasi Fitur Utama untuk Pemantauan Transaksi IEEE pada Otomasi 1
Variasi Wafer-ke-Wafer di Sains dan Teknik
Manufaktur Semikonduktor
133 zur Jacobsmühlen dkk. [195] Penilaian kualitas senyawa dalam proses Teknologi Instrumentasi dan Pengukuran 1
peleburan sinar laser menggunakan gambar Internasional IEEE 2017
lapisan Konferensi (I2MTC)
134 Choi dkk. [196] Desain Bilah Sekrup Otomatis Konferensi Internasional 2015 tentang 1
Sistem Deteksi Cacat Pengelasan untuk Ilmu Komputasi dan
Tanpa Cacat Berbasis Pemrosesan Gambar Kecerdasan Komputasi (CSCI)
Produksi massal
135 Wang dkk. [197] Penyaringan yang andal untuk peningkatan 2013 e-Manufaktur & Desain 2
kualitas tanpa cacat dengan pengujian gradien Simposium Kolaborasi (eMDC)
suhu Pabrikan Tanpa Cacat Nol menggunakan
136 Sousa dkk. [198] teknologi berbasis data untuk mendukung Konferensi Internasional IEEE 2021 tentang 1
industri batu alam Industri 4.1 untuk Otomasi Rekayasa, Teknologi dan Inovasi
Pemesinan Roda Metrologi Virtual Otomatis (ICE/ITMC)
137 Cheng dkk. [43] untuk Manufaktur Serat Karbon Implementasi Robotika IEEE dan Surat Otomasi 30
Sistem Multi-Agen untuk Mendukung ZDM
138 Hsieh et al. [41] Strategi dalam Lingkungan Multi-Tahap Integrasi Robotika IEEE dan Surat Otomasi 9
Tantangan untuk Penyebaran Arsitektur
139 Barbosa et al. [20] Manufaktur Nol Cacat Multi-Tahap Pembelajaran 2018 IEEE 16th International Conference on 10
mendalam untuk pencetakan inkjet elektronik Industrial Informatics (INDIN)
tanpa cacat
140 Angione et al. [46] Konferensi Internasional ke-17 IEEE 2019 6
tentang Informatika Industri (INDIN)
141 Minnette dan Sebastian Lokakarya Internasional IEEE 2021 tentang 1

[199] Metrologi untuk Industri 4.0 & IoT
(MetroInd4.0&IoT) 2021 Konferensi
142 Vali dkk. [200] Analisis Citra Hiperspektral untuk Internasional IEEE ke-26 tentang Teknologi Baru 0
Deteksi Otomatis dan Diskriminasi Residu dan Otomasi Pabrik (ETFA)
Kontaminan Manufaktur
143 Kr et al. [201] Korelasi gambar 4S tingkat lanjut untuk Konferensi Internasional 2013 tentang 1
pemeriksaan kualitas produk keramik secara Komunikasi Komputer dan
real-time menggunakan gambar ToFD ultrasonik Informatika
144 Fridman et al. [202] ChangeChip: Berbasis Referensi Jaminan Fisik IEEE 2021 dan 2
Deteksi Perubahan Tanpa Pengawasan untuk PCB Pemeriksaan Elektronik (PAINE)
Deteksi Cacat
145 Bengoechea Cuadrado Pengembangan Sensor Virtual Berdasarkan 2019 IEEE 17th International Conference on 1
dkk. [203] Model Pesanan Data CFD yang Dikurangi Industrial Informatics (INDIN)
4.2.11. Peran operator dalam inspeksi, di Industri Operator harus menyesuaikan diri dengan stasiun kerja baru yang
5.0 Bergerak menuju ZDM membutuhkan penangkapan pengetahuan dilengkapi robot. Karena kemampuannya yang dapat diulang dan tidak
dari umpan balik operator [204]. Kemampuan untuk mengidentifikasi kenal lelah, robot secara bertahap mengambil alih pekerjaan berulang
ketidaksesuaian menggunakan alat digital selain keahlian dan [47], tetapi operator diperlukan untuk tugas yang membutuhkan
pengetahuan yang ditawarkan sumber daya manusia sangat penting untuk mencapai
ketangkasan
ZDM tingkat
[205]. tinggi [206]. Selain hemat biaya, kolaborasi manusia-robot jug
17
meminimalkan kesalahan di sektor industri [28]. Penelitian di masa depan harus artikel yang dipilih berfokus pada kontribusi untuk kemajuan teoritis atau simulasi
fokus pada menutup celah pada ZDM yang berpusat pada manusia. Misalnya, untuk lapangan.
penelitian interdisipliner dalam perangkat keras, perangkat lunak, desain interaksi, Berdasarkan hasil analisis literatur, terungkap bahwa penelitian-penelitian
psikologi kognitif, dan rekayasa sistem diperlukan untuk mengintegrasikan tersebut menggunakan prinsip-prinsip ZDM, namun tidak secara eksplisit
manusia dan teknologi dalam konteks produksi secara efisien dan berkelanjutan. menyebutkan ZDM. Selain itu, fase ZDM lain yang memerlukan pendekatan holistik
Studi masa depan ke arah ZDM yang berpusat pada manusia harus fokus pada juga sebagian besar diabaikan, dan tingkat fleksibilitas sebagian besar sistem
lingkungan kerja dan kesejahteraan karyawan [27]. inspeksi rendah karena sebagian besar perbaikan berfokus pada pembuatan
sistem inspeksi yang lebih akurat, cepat waktu nyata untuk inspeksi 100%.
Pengamatan yang menarik adalah bahwa 99% dari makalah yang dianalisis dengan
4.2.12. Teknologi informasi yang digunakan dalam ZDM jelas menyajikan tingkat integrasi sistem inspeksi kualitas mereka, sesuatu yang
Inspeksi kualitas otomatis adalah proses intensif data, data dihasilkan oleh tidak terjadi pada banyak atribut yang ditentukan dari penelitian ini. Kami berharap
peralatan inspeksi perangkat keras dan dikombinasikan dengan komponen bahwa terminologi ZDM standar dari [64] akan digunakan dan menyatukan semua
perangkat lunak dianalisis untuk mengidentifikasi, mengklasifikasikan, dan peneliti.
mengambil keputusan tergantung pada kualitas yang diperiksa. Industri saat ini
menggunakan filosofi CPS yang merupakan bagian dari sektor Teknologi Informasi Tren yang teridentifikasi dibandingkan dengan kerangka kerja ZDM yang
dan Komunikasi (TIK). Sensor digunakan untuk mengumpulkan data dari berbagai disajikan oleh Psarommatis et al. [7]. Selain itu, dengan menggunakan
sumber yang tinggi. Internet of Things (IoT) adalah pengubah permainan untuk pembelajaran dari tinjauan literatur kami sebelumnya [28], kami mendiskusikan
manufaktur digital ini serta untuk produksi cerdas dan desain proses [207]. dan mengusulkan kerangka inspeksi kualitas baru untuk ZDM. Akhirnya, Bagian
Interoperabilitas sistem sangat penting di era Industri 4.0 dan khususnya dalam 4 menawarkan titik awal untuk ide-ide penelitian baru yang akan dikejar untuk
pemeriksaan kualitas, di mana berbagai sistem heterogen perlu bertukar data satu mengatasi keterbatasan teknik inspeksi kualitas tradisional yang ada dalam
sama lain. manufaktur yang dapat diubah.
Masalah dengan interoperabilitas semantik dan sintaksis dapat diselesaikan
dengan menggunakan ontologi [208]. Inspeksi kualitas dapat secara signifikan Deklarasi kepentingan bersaing
mendapat manfaat dari penggunaan ontologi, karena ini berarti tidak hanya untuk
sistem dalam teroperabilitas tetapi juga kunci menuju ekstraksi pengetahuan dan Para penulis menyatakan bahwa mereka tidak memiliki kepentingan keuangan
penalaran data [129]. Pemodelan data dengan ontologi memungkinkan ekstraksi yang bersaing atau hubungan pribadi yang dapat memengaruhi pekerjaan yang
pengetahuan. Pemodelan berbasis ontologi adalah teknologi kunci untuk dilaporkan dalam makalah ini.
memperkaya data industri dengan informasi kontekstual [209,210].
Terima kasih
5. Kesimpulan
Pekerjaan yang disajikan sebagian didukung oleh sekolah Automation Region
Dalam karya ini, kami telah menyediakan tinjauan literatur sistematis tentang Research Academy (ARRAY) yang didirikan oleh The Knowledge Foundation
tren terkini dalam penerapan otomasi untuk pemeriksaan kualitas in-line untuk (KKS) dan proyek UE Eur3ka, TALON dan RE4DY, proyek EU H2020 berdasarkan
tujuan akhir mencapai ZDM. Selain itu, analisis bibliometrik dan kinerja telah perjanjian hibah No 101016175, No 101070181 dan No 101058384. Makalah ini
dilakukan untuk mendapatkan gambaran lengkap tentang lapangan. Data yang mencerminkan pandangan penulis, dan Komisi tidak bertanggung jawab atas
digunakan dalam penelitian ini berasal dari repositori Web of Science (WoS), segala penggunaan informasi yang dikandungnya.
Scopus, dan IEEE, yang melibatkan total 368 makalah akademik antara tahun 2011
dan 2021. Uniknya untuk penelitian ini, kami menggunakan tiga atribut penelitian
untuk analisis makalah terpilih. Secara khusus (i) penggunaan otomasi telah Lampiran A. Makalah terpilih
dibahas pada tujuh tingkatannya, (ii) kualitas pemeriksaan tergantung pada
kondisinya, dan (iii) kontribusi terhadap semua dimensi ZDM, yaitu 'mendeteksi', Lihat Tabel A.5.
'memprediksi', 'mencegah', dan 'perbaikan'. Untuk masing-masing dari tiga atribut,
kami memberikan deskripsi yang terperinci dan ringkas dan memeriksa keadaan Referensi
literatur saat ini.

Jadi setelah menyaring dan memutuskan kelayakan, total 145 artikel dimasukkan [1] Kumar P, Maiti J, Gunasekaran A. Dampak sistem manajemen mutu terhadap
kinerja perusahaan. Int J Qual Reliab Manag 2018.
dalam penelitian ini.
[2] Jun Jh, Chang TW, Jun S. Prediksi kualitas dan peningkatan hasil dalam
Studi ini menunjukkan bahwa minat terhadap topik tersebut telah meningkat pembuatan proses berdasarkan analitik data. Proses 2020;8(9):1068.
secara eksponensial dalam 10 tahun terakhir, dengan evolusi eksponensial dalam [3] Lu Y, Xu X, Wang L. Proses manufaktur cerdas dan otomasi sistem– tinjauan
publikasi dari tahun 2016. Studi ini memungkinkan kita untuk mengamati bahwa kritis terhadap standar dan skenario yang dibayangkan. J Manuf Syst
2020;56:312–25.
hasilnya sesuai dengan pengetahuan tentang pertumbuhan berkelanjutan dari
[4] Chand M. Penilaian strategis dan mitigasi risiko dalam sistem manufaktur
teknologi ini dan peluang yang dihasilkan oleh penerapannya di industri.
berkelanjutan. Mempertahankan Oper Comput 2021;2:206–13.
[5] Malek J, Desai TN. Kerangka kerja untuk memprioritaskan solusi untuk
Dari analisis kami ditemukan bahwa ada distribusi yang hampir sama antara mengatasi hambatan manufaktur berkelanjutan. Rantai Pasokan Logistik Bersih 2021;1:100
jurnal (41%) dan publikasi konferensi (47%), menjadi jurnal dan konferensi IEEE [6] Zhang C, Chen D, Tao F, Liu A. Data mendorong kustomisasi cerdas. Proc CIRP
2019;81:564–9.
yang paling terwakili dalam bidang ini.
[7] Psarommatis F, May G, Dreyfus PA, Kiritsis D. Manufaktur nol cacat: tinjauan
Di lapangan, universitas/lembaga penelitian Asia dan Eropa ditemui memiliki mutakhir, kekurangan, dan arah masa depan dalam penelitian. Int J Prod Res
keahlian terbesar dalam hal ini. Lebih tepatnya, tiga institut paling produktif ada 2020;58(1):1–17.
di Taiwan dan industri yang paling banyak diteliti adalah industri semikonduktor, [8] Psarommatis F, Sousa J, Mendonça JP, Kiritsis D. Manufaktur tanpa cacat
sektor di mana Taiwan dominan secara global. Namun demikian, yang mengejutkan pendekatan untuk keberlanjutan manufaktur yang lebih tinggi di era industri
4.0: Kertas posisi. Int J Prod Res 2022;60(1):73–91.
kami, sebagian besar departemen dengan pengalaman mereka yang luas di sektor
[9] Fenech C, Perkins B. Dibuat sesuai pesanan: Munculnya personalisasi massa.
ini tidak bekerja sama. Kurangnya kolaborasi lintas bidang tercermin dalam 2016, URL https://www2.deloitte.com/ch/en/pages/consumer-business/
berbagai analisis penelitian kami. Sebagai contoh 1. tingkat otomasi dari segi fisik articles/made-to-order-the-rise-of-mass-personalisation.html , [10] Dassault.
dan kognisi dominan pada tingkat lima yaitu mesin statis dengan hanya Kustomisasi massal lebih cerdas dengan analitik data besar. 2021, URL https://
www.3ds.com/manufacturing/connected-industry/big-data-analytics
pengawasan proses/produk; 2. Mesin Kontrol Numerik adalah keputusan pilihan
manufacturing-answer-smarter-mass-customization,
untuk otomatisasi; dan 3. Hanya 1% dari [11] BMW. Strategi penjualan dan pemasaran baru. 2022, URL https://www.bmwgroup.
com/en/news/general/2021/marketing-strategy.html.
18
[12] Ferreira J, Lopes F, Doumeingts G, Sousa J, Mendonça JP, Agostinho C, dkk. [39] Cheng FT, Kao CA, Chen CF, Tsai WH. Tutorial penerapan teknologi VM untuk
Memberdayakan UKM dengan sistem produksi cyber-fisik: mulai dari pemodelan manufaktur TFT-LCD. IEEE Trans Semicond Manuf 2014;28(1):55–69.
proses pemolesan produksi peralatan makan hingga eksperimen CPPS. Dalam:
Sistem cerdas : teori, penelitian dan inovasi dalam aplikasi. Peloncat; 2020, hal. 139– [40] Tieng H, Tsai TH, Chen CF, Yang HC, Huang JW, Cheng FT. Skema fusi metrologi dan
77. deformasi virtual otomatis untuk pembuatan casing mesin.
[13] Sousa J, Ferreira J, Lopes C, Sarraipa J, Silva J. Meningkatkan proses pembuatan IEEE Robot Autom Lett 2018;3(2):934–41.
tabung baja dengan pendekatan tanpa cacat. Dalam: Kongres dan pameran teknik [41] Hsieh YM, Lin CY, Yang YR, Hung MH, Cheng FT. Metrologi virtual otomatis untuk
mesin internasional ASME. vol. 84492, Masyarakat Insinyur Mekanik Amerika ; 2020, pembuatan serat karbon. IEEE Robot Autom Lett 2019;4(3):2730–7.
hal. V02BT02A022. [14] Özcan AM, Akdoÿan A, Durakbasa NM. Peningkatan proses
manufaktur dengan studi pengukuran dan evaluasi sesuai dengan standar sistem manajemen [42] Yang HC, Adnan M, Huang CH, Cheng FT, Lo YL, Hsu CH. Arsitektur metrologi cerdas
mutu di industri otomotif. Dalam: Simposium Internasional untuk Riset Produksi. dengan AVM untuk manufaktur aditif logam. IEEE Robot Autom Lett 2019;4(3):2886–
Peloncat; 2020, hal. 483–92. 93.
[43] Cheng FT, Tieng H, Yang HC, Hung MH, Lin YC, Wei CF, dkk. Industri 4.1 untuk
[15] Psarommatis F, Prouvost S, May G, Kiritsis D. Kebijakan peningkatan kualitas produk otomatisasi pemesinan roda. IEEE Robot Autom Lett 2016;1(1):332–9.
di industri 4.0: karakteristik, faktor pendukung, hambatan, dan evolusi menuju [44] Tieng H, Li YY, Tseng KP, Yang HC, Cheng FT. Skema pemeriksaan keseimbangan
manufaktur tanpa cacat. Front Comput Sci 2020;2:26. dinamis otomatis untuk pemesinan roda. IEEE Robot Autom Lett 2020;5(2):2224–31.
[16] Eger F, Reiff C, Brantl B, Colledani M, Verl A. Metode analisis korelasi dalam sistem
produksi multi-tahap untuk mencapai produksi tanpa cacat. Proc CIRP 2018;72:635– [45] Yang HC, Huang CH, Adnan M, Hsu CH, Lin CH, Cheng FT. Arsitektur estimasi kualitas AM
40. online dari pool ke layer. IEEE Trans Autom Sci Eng 2020;18(1):269–81.
[17] Psarommatis F, Bravos G. Pendekatan holistik untuk mencapai manufaktur berkelanjutan
menggunakan Zero Defect Manufacturing: kerangka kerja konseptual. Proc CIRP [46] Angione G, Cristalli C, Barbosa J, Leitão P. Integrasi menantang penerapan arsitektur
2022;107:107–12. manufaktur tanpa cacat multi-tahap. Di: 2019 IEEE 17th international conference on
[18] Psarommatis F. Metodologi generik dan digital twin untuk pemetaan kinerja zero defect industrial informatics. INDIN, vol. 1, IEEE; 2019, hal. 1615–20.
manufacturing (ZDM) menuju desain untuk ZDM. J Manuf Syst 2021;59:507–21.
[47] Brito T, Queiroz J, Piardi L, Fernandes LA, Lima J, Leitão P. Pendekatan pembelajaran
[19] Psarommatis F, Dreyfus PA, Kiritsis D. Peran analitik data besar dalam konteks desain mesin untuk inspeksi manufaktur cerdas robot kolaboratif untuk sistem kontrol
pemodelan dan pengoperasian sistem manufaktur. Dalam: Desain dan pengoperasian kualitas. Procedia Manuf 2020;51:11–8.
jaringan produksi untuk personalisasi massal di era teknologi cloud. Elsevier; 2022, [48] Tremel J, susunan garis sensor Franke J. Hall untuk pengukuran inline medan magnet
dari rotor yang keluar dari PM. Di: 2012 konferensi produksi penggerak listrik
hal. 243–75.
[20] Barbosa J, Leitao P, Ferreira A, Queiroz J, Geraldes CA, Coelho JP. internasional ke-2. EDPC, IEEE; 2012, hal. 1–4.
[49] Schneider M, metode Franke J. Resonan untuk pengukuran kualitas inti laminasi.
Implementasi sistem multi-agen untuk mendukung strategi zdm di lingkungan multi
Dalam: Konferensi produksi penggerak listrik internasional ke-5 tahun 2015. EDPC,
tahap. Di: 2018 IEEE 16th International Conference on Industrial Informatics. INDIN,
IEEE; 2015, hal. 1–6.
IEEE; 2018, hal. 822–7.
[50] Härter S, Klinger T, Franke J, Beer D. Komprehensif korelasi data inspeksi inline untuk
[21] Su Y, Yan P, Yi R, Chen J, Hu J, Wen C. Metode kombinasi berjenjang untuk deteksi
evaluasi cacat pada rakitan elektronik heterogen. Dalam: simposium mikroelektronika
cacat permukaan ujung gir logam. J Manuf Syst 2022;63:439–53.
pan pasifik 2016 (Pan Pacific).
[22] Pacaux-Lemoine MP, Trentesaux D, Rey GZ, Millot P. Merancang sistem manufaktur
IEEE; 2016, hal. 1–6.
cerdas melalui prinsip Kerjasama Manusia-Mesin: Pendekatan yang berpusat pada
[51] Schirmer J, Roudenko J, Reichenberger M, Neermann S, Franke J. Penilaian kualitas
manusia. Comput Ind Eng 2017;111:581–95.
cetak dengan metode pemrosesan gambar untuk aplikasi elektronik cetak. Di: Seminar
[23] Cattaneo L, Rossi M, Negri E, Powell D, Terzi S. Lean berpikir di era digital.
musim semi internasional ke-41 tahun 2018 tentang teknologi elektronik. ISSE, IEEE;
Dalam: Konferensi internasional IFIP tentang manajemen siklus hidup produk.
2018, hal. 1–6.
Peloncat; 2017, hal. 371–81.
[52] Meiners M, Mayr A, Kuhn M, Raab B, Franke J. Menuju pemantauan kualitas inline untuk
[24] Powell D, Eleftheriadis R, Myklebust O. Manajemen mutu yang ditingkatkan secara
proses crimping menggunakan teknik pembelajaran mesin. Dalam: konferensi
digital untuk produksi tanpa cacat. Proc CIRP 2021;104:1351–4.
produksi penggerak listrik internasional ke-10 tahun 2020. EDPC, IEEE; 2020, hal. 1–6.
[25] Komisi Eropa. Industri 5.0, visi transformatif untuk Eropa. 2021, hal. 1–30, https://
Op.Europa.Eu/En/Publication-Detail/-/Publication/38a2fa08- 728e-11ec-9136-01aa75ed71a1/
[53] Kneidl M, Benke D, Masuch M, Kühl A, Franke J. Teknik pengukuran in-line dari proses
Language-En/Format-PDF.
insulasi berbasis resin untuk sistem transfer daya nirkabel. Di: Konferensi IEEE 2021
[26] Komisi Eropa. Industri 5.0: Menuju industri yang lebih berkelanjutan, tangguh, dan
tentang isolasi listrik dan fenomena dielektrik. CEIDP, IEEE; 2021, hal. 167–70.
berpusat pada manusia. 2021, hal. 1–30, https://Research-and-Innovation.Ec.
Europa.Eu/News/All-Research-and-Innovation-News/Industry-50-Towards more-
[54] Yasuda YD, Cappabianco FA, Martins LEG, Gripp JA. Inspeksi visual pesawat: Tinjauan
Sustainable-Resilient-and-Human-Centric-Industry-2021-01-07_en.
literatur sistematis. Comput Ind 2022;141:103695.
[27] Wan PK, Leirmo TL. Manufaktur zero-defect yang berpusat pada manusia: Canggih
[55] Stallard MM, MacKenzie CA, Peters FE. Model probabilistik untuk memperkirakan
ulasan, perspektif, dan tantangan. Comput Ind 2023;144:103792. kesalahan inspeksi visual untuk pengecoran logam dengan jenis pelatihan dan
[28] Azamfirei V, Granlund A, Lagrosen Y. Sistem inspeksi kualitas berlapis-lapis
penilaian yang berbeda, faktor lingkungan dan manusia, serta persentase cacat. J
kerangka industri 4.0. Int J Autom Technol 2021;15(5):641–50.
Manuf Syst 2018;48:97–106.
[29] Säfsten K, Gustavsson M. Metodologi penelitian: Untuk insinyur dan pemecah masalah
[56] Ge C, Wang J, Wang J, Qi Q, Sun H, Liao J. Menuju inspeksi visual otomatis: Metode
lainnya. 2020.
pembelajaran yang diawasi dengan lemah untuk deteksi objek yang dapat diterapkan
[30] Van Eck N, Waltman L. Survei perangkat lunak: VOSviewer, program komputer untuk
di industri. Comput Ind 2020;121:103232.
pemetaan bibliometrik. Scientometrics 2010;84(2):523–38.
[57] Babu M, Franciosa P, Ceglarek D. Spatio-Temporal Adaptive Sampling untuk
[31] Van Eck NJ, Waltman L. Memvisualisasikan jaringan bibliometrik. Dalam: Mengukur
perencanaan pengukuran cakupan yang efektif selama pemeriksaan kualitas
dampak ilmiah. Peloncat; 2014, hal. 285–320.
permukaan bentuk bebas menggunakan pemindai optik 3D robotik. J Manuf Syst 2019;53:93–108.
[32] Gao W, Haitjema H, Fang F, Leach R, Cheung C, Savio E, dkk. Pada metrologi [58] Wang J, Fu P, Gao RX. Kecerdasan visi mesin untuk pemeriksaan kecacatan produk
permukaan mesin dan dalam proses untuk manufaktur presisi. CIRP Ann berdasarkan pembelajaran mendalam dan transformasi yang cepat. J Manuf Syst 2019;51:52–60.
2019;68(2):843–66. [59] Chen L, Li B, Jiang Z. Inspeksi kesalahan perakitan dengan efek pada tenggorokan dan
[33] Azamfirei V, Granlund A, Lagrosen Y, Palm WJ. Menuju robot tanpa perlengkapan insiden bilah turbin. J Manuf Syst 2017;43:366–74.
dalam pengukuran jalur yang dibantu perakitan, sebuah studi kasus. Pada: Lokakarya [60] Huang SH, Pan YC. Inspeksi visual otomatis di semikonduktor
internasional IEEE 2021 tentang metrologi untuk industri 4.0 & IoT (MetroInd4.0&IoT). industri: Sebuah survei. Comput Ind 2015;66:1–10.
IEEE; 2021, hal. 636–41. [61] Mera C, Orozco-Alzate M, Cabang J, Mery D. Inspeksi visual otomatis: An
[34] Liu X. Sistem metrologi in situ untuk mesin penggilingan mikro. J Manuf Syst pendekatan dengan pembelajaran multi-instance. Comput Ind 2016;83:46–54.
2012;31(1):15–21. [62] Dreyfus PA, Psarommatis F, May G, Kiritsis D. Metrologi virtual sebagai pendekatan
[35] Jafari-Marandi R, Khanzadeh M, Tian W, Smith B, Bian L. Dari pemantauan in-situ untuk estimasi kualitas produk di industri 4.0: tinjauan sistematis dan kerangka
menuju kontrol proses throughput tinggi: kerangka pengambilan keputusan berbasis konseptual integratif. Int J Prod Res 2022;60(2):742–65.
biaya untuk manufaktur aditif berbasis laser. J Manuf Syst 2019;51:29–41. [63] Cai W, Wang J, Jiang P, Cao L, Mi G, Zhou Q. Penerapan teknik penginderaan dan
metode berbasis kecerdasan buatan untuk pemantauan waktu nyata pengelasan
[36] Frohm J, Lindström V, Winroth M, Stahre J. Tingkat otomatisasi di bidang manufaktur. laser: Tinjauan kritis literatur terbaru. J Manuf Syst 2020;57:1–18.
Ergonomi 2008. [64] CEN/CENELC-CWA-17918. Manufaktur tanpa cacat — Kosakata. 2022, URL https://
[37] Jayasekara D, Lai NYG, Wong KH, Pawar K, Zhu Y. Tingkat otomatisasi (LOA) dalam www.cencenelec.eu/news-and-events/news/2022/workshop/2022- 09-12-
pembuatan komposit kedirgantaraan: Status saat ini dan arah masa depan menuju zdmvocabulary/.
industri 4.0. J Manuf Syst 2022;62:44–61. [65] Rivera-Gómez H, Gharbi A, Kenné JP, Ortiz-Zarco R, Corona-Armenta JR. Produksi
[38] Donthu N, Kumar S, Mukherjee D, Pandey N, Lim WM. Bagaimana melakukan analisis bersama , inspeksi dan kebijakan kontrol pemeliharaan untuk sistem yang memburuk
bibliometrik: Tinjauan dan pedoman. J Bus Res 2021;133:285–96. di bawah kendala kualitas. J Manuf Syst 2021;60:585–607.
19
[66] Psarommatis F, Kiritsis D. Alat penjadwalan untuk mencapai manufaktur cacat nol [92] Lednev VN, Sdvizhenskii PA, Asyutin RD, Tretyakov RS, Grishin MY, Stavertiy AY,
(ZDM): kerangka kerja konseptual. Dalam: Konferensi internasional IFIP tentang dkk. Analisis multi-elemen in situ dengan spektroskopi kerusakan yang diinduksi
kemajuan dalam sistem manajemen produksi. Peloncat; 2018, hal. 271–8. laser dalam pembuatan aditif. Addit Manuf 2019;25:64–70.
[67] Psarommatis F, Zheng X, Kiritsis D. Pendekatan evaluasi kriteria dua lapis untuk [93] Lednev V, Tretyakov R, Sdvizhenskii P, Grishin MY, Asyutin R, Pershin S. Laser
penjadwalan ulang jalur perakitan semi-otomatis secara efisien dengan jumlah menginduksi spektroskopi kerusakan untuk analisis multielemen in-situ selama
pesanan terburu-buru yang tinggi. Proc CIRP 2021;97:172–7. proses pembuatan aditif. Dalam: Jurnal Fisika: Seri Konferensi. vol.
[68] Zhu C, Chang Q, Arinez J. Data-enabled pemodelan dan analisis sistem manufaktur 1109, (1):Penerbitan IOP; 2018, 012050.
bertingkat dengan loop pengerjaan ulang yang berkualitas. J Manuf Syst [94] Huber A, Dutta S, Schuster A, Kupke M, Drechsler K. Inspeksi NDT otomatis
2020;56:573–84. berdasarkan model termo-tomografi 3-D presisi tinggi yang dikombinasikan dengan
[69] Psarommatis F, May G. Tinjauan literatur dan metodologi desain untuk kembar digital data teknik dan manufaktur. Proc CIRP 2019;85:321–8.
di era manufaktur tanpa cacat. Int J Prod Res 2022;1–21. [95] Newell T, Tillotson B, Pearl H, Miller A. Deteksi cacat listrik dengan semvision dalam
[70] Leng J, Chen Z, Sha W, Lin Z, Lin J, Liu Q. Pengoperasian fleksibel berbasis digital pembuatan mode produksi semikonduktor. Di: 2016 konferensi manufaktur
dari lini produksi arsitektur terbuka untuk manufaktur individual. Adv Eng Inform semikonduktor lanjutan SEMI tahunan ke-27. ASMC, IEEE; 2016, hal. 151–6.
2022;53:101676.
[71] Leng J, Zhou M, Xiao Y, Zhang H, Liu Q, Shen W, dkk. Komisioning semi-fisik jarak jauh [96] Ferralli I, Blalock T, Brunelle M, Lynch T, Myer B, Medicus K. Manufaktur dan
berbasis kembar digital dari sistem manufaktur pintar tipe aliran. metrologi untuk jendela dan kubah konformal IR. Dalam: Teknologi dan material
J Clean Prod 2021;306:127278. jendela dan kubah XV. vol. 10179, SPIE; 2017, hal. 127–36.
[72] Leng J, Wang D, Shen W, Li X, Liu Q, Chen X. Desain sistem manufaktur cerdas [97] Zörrer H, Steringer R, Zambal S, Eitzinger C. Menggunakan analitik bisnis untuk
berbasis kembar digital di Industri 4.0: Tinjauan. J Manuf Syst 2021;60:119–37. mendukung keputusan dalam pembuatan suku cadang komposit tanpa cacat dalam
industri kedirgantaraan. IFAC-PapersOnLine 2019;52(13):1461–6.
[73] Zheng X, Psarommatis F, Petrali P, Turrin C, Lu J, Kiritsis D. Metode pemodelan [98] Magnanini MC, Eger F, Reiff C, Colledani M, Verl A. Model kontrol untuk strategi
kembar digital berorientasi kualitas untuk proses pembuatan berdasarkan arsitektur kompensasi hilir dalam sistem manufaktur multi-tahap komponen kompleks. IFAC-
multi-agen. Procedia Manuf 2020;51:309–15. PapersOnLine 2019;52(13):1473–8.
[74] Psarommatis F, Kiritsis D. Identifikasi spesifikasi inspeksi untuk mencapai manufaktur [99] Tatipala S, Wall J, Johansson CM, Sigvant M. Pemodelan berbasis data di era Industri
cacat nol. Dalam: Konferensi internasional IFIP tentang kemajuan dalam sistem 4.0: Studi kasus pemodelan gesekan dalam simulasi pembentukan lembaran logam.
manajemen produksi. Peloncat; 2019, hal. 267–73. Dalam: Jurnal fisika: seri konferensi. 1063, (1):Penerbitan IOP; 2018, 012135.
[75] Al Mamun A, Liu C, Kan C, Tian W. Mengamankan sistem manufaktur aditif fisik-
[100] Xu P, Yao X, Chen L, Zhao C, Liu K, Moon SK, dkk. Strategi koreksi dimensi adaptif
cyber dengan autentikasi proses in-situ menggunakan analisis video streamline. J
dalam proses untuk manufaktur aditif berbantuan laser menggunakan pemindaian
Manuf Syst 2022;62:429–40.
garis laser. J Mater Process Technol 2022;303:117544.
[76] Gobert C, Reutzel EW, Petrich J, Nassar AR, Phoha S. Penerapan pembelajaran mesin
[101] Couto MO, Rodrigues AG, Coutinho F, Costa RR, Leite AC, Lizarralde F, dkk.
yang diawasi untuk deteksi cacat selama pembuatan aditif fusi bed serbuk logam
Pemetaan geometri manik dalam sistem manufaktur aditif busur kawat menggunakan
menggunakan pencitraan resolusi tinggi. Addit Manuf 2018;21:517–28.
penglihatan pasif. J Control Autom Electr System 2022;1–12.
[102] Zeng Y, Wang X, Qin X, Hua L, Liu G, Guan S. Inspeksi ultrasonik laser cacat pada
[77] Juarez P, Gregory E. In Inspeksi Termal In Situ Penempatan Serat Otomatis
sampel buatan aditif busur kawat dengan profil permukaan yang berbeda.
untuk manufaktur yang disebabkan cacat. Komposit B 2021;220:109002.
Pengukuran 2022;188:110597.
[78] Aminzadeh M, sistem inspeksi berbasis Kurfess T. Vision untuk akurasi dimensi
[103] Javadi Y, Mohseni E, MacLeod CN, Baris D, Vasilev M, Mineo C, dkk.
dalam manufaktur aditif bedak bubuk. Dalam: Konferensi sains dan teknik
Inspeksi dalam proses suhu tinggi diikuti dengan inspeksi robotik selama 96 jam
manufaktur internasional. vol. 49903, Masyarakat Insinyur Mekanik Amerika ; 2016,
terhadap retakan hidrogen yang dibuat secara sengaja dalam pengelasan robotik
hal. V002T04A042.
multi-lintasan. Int J Press Vessels Pip 2021;189:104288.
[79] Aminzadeh M, Kurfess T. Inspeksi visual otomatis berlapis dalam pembuatan aditif
[104] Ren W, Wen G, Zhang Z, Mazumder J. Pemantauan kualitas dalam manufaktur aditif
alas bedak laser. Di: Konferensi sains dan teknik manufaktur internasional. vol.
menggunakan spektroskopi emisi dan pembelajaran mendalam tanpa pengawasan.
56833, Masyarakat Insinyur Mekanik Amerika ; 2015, hal. V002T04A011.
Mater Manuf Process 2022;37(11):1339–46.
[105] Yang Q. Mempromosikan penerapan teknologi pengukuran dalam proses dalam
[80] Mersmann C. Industrialisasi metrologi—Integrasi visi mesin di
produksi penggilingan cerdas. Dalam: Prosiding Kongres SAE China 2019: Makalah
produksi komposit. CIRP Ann 2011;60(1):511–4.
Terpilih. Peloncat; 2021, hal. 793–803.
[81] Hopkins D, Datuin M, Brassard M. Tantangan dan solusi untuk inspeksi array
[106] Martinez P, Al-Hussein M, Ahmad R. Sistem inspeksi online berbasis visi yang cerdas
bertahap ultrasonik komposit matriks-polimer pada tingkat produksi. Dalam:
untuk operasi pengencangan sekrup dalam pembuatan rangka baja pengukur ringan.
prosiding konferensi AIP. vol. 2102, (1):AIP Publishing LLC; 2019, 100002.
Int J Adv Manuf Technol 2020;109(3):645–57.
[82] Pierer A, Wiener T, Gjakova L, Koziorek J. Zero-error-production melalui kontrol [107] Javadi Y, Mohseni E, MacLeod CN, Baris D, Vasilev M, Mineo C, dkk. Pemantauan
kualitas inline komponen otomotif yang diperkeras dengan sistem multi-kamera.
terus-menerus terhadap retakan yang dibuat dengan sengaja menggunakan
Dalam: Seri konferensi IOP: ilmu dan teknik material. vol. 1157, (1): Penerbitan
pengelasan otomatis dan sistem inspeksi dalam proses. Materi Des 2020;191:108655.
IOP; 2021, 012074. [108] Wang Z, Deguchi Y, Shiou F, Tanaka S, Cui M, Rong K, dkk.
[83] Grasso M, Gallina F, Colosimo BM. Metode fusi data untuk pemantauan proses Investigasi kelayakan untuk pemantauan unsur online proses pembuatan besi dan
statistik dan karakterisasi kualitas dalam manufaktur aditif logam. Proc CIRP baja menggunakan spektroskopi kerusakan yang diinduksi laser. ISIJ Int
2018;75:103–7. 2020;60(5):971–8.
[84] Wu ZG, Lin CY, Chang HW, Lin PT. Inspeksi inline dengan robot industri (IIIR) [109] Liang Q, Zhu W, Sun W, Yu Z, Wang Y, Zhang D. Solusi pemeriksaan in-line untuk
untuk lini produksi kustomisasi massal. Sensor 2020;20(11):3008. kode pada latar belakang kompleks untuk industri kontainer plastik. Pengukuran
[85] Bauer M, Hussung R, Matheis C, Reichert H, Weichenberger P, Beck J, dkk. 2019;148:106965.
Pencitraan fmcw terahertz cepat untuk deteksi cacat dalam proses di lengan cetak [110] Xiong J, Liu G, Pi Y. Meningkatkan stabilitas dalam pembuatan aditif berbasis robot
untuk industri kertas dan evaluasi gambar dengan pendekatan pembelajaran mesin. GTA melalui pengukuran optik dan kontrol umpan balik. Robot Comput-Integr
Sensor 2021;21(19):6569. Manuf 2019;59:385–93.
[86] Zhu J, Chen L, Ma L, Li D, Jiang W, Pan L, dkk. Solusi manajemen cacat photomask [111] Ucan H, Apmann H, Graßl G, Krombholz C, Fortkamp K, Nieberl D, dkk . Teknologi
yang akurat dan efisien secara otomatis untuk pembuatan litografi tingkat lanjut. produksi untuk struktur ringan yang terbuat dari laminasi serat-logam di badan
Dalam: Metrologi, inspeksi, dan kontrol proses untuk mikrolitografi XXVIII. vol. pesawat. CEAS Aeronaut J 2019;10(2):479–89.
9050, SPIE; 2014, hal. 522–8. [112] Strohmeier M, Schröder M, Faber C. Inspeksi sebaris optik yang mendeteksi cacat
[87] Colosimo BM, Grasso M. PCA berbobot spasial untuk memantau data gambar 3D pada permukaan bentuk bebas kompleks di lingkungan produksi yang keras.
video dengan aplikasi untuk pembuatan aditif. J Qual Technol 2018;50(4):391– Tech Mess tm 2019;86(6):335–44.
417. [113] Caggiano A, Zhang J, Alfieri V, Caiazzo F, Gao R, Teti R. Pemrosesan gambar
[88] Han L, Cheng X, Li Z, Zhong K, Shi Y, Jiang H. Sistem pengukuran bentuk 3D berbasis pembelajaran mesin untuk pengenalan cacat on-line dalam manufaktur aditif.
yang digerakkan robot untuk pemeriksaan kualitas otomatis objek termal pada CIRP Ann 2019;68(1):451–4.
jalur produksi tempa. Sensor 2018;18(12):4368. [114] Putz M, Wiener T, Pierer A, Hoffmann M. Pendekatan multi-sensor untuk identifikasi
[89] Oromiehie E, Prusty BG, Compston P, Rajan G. Karakterisasi cacat proses yang kegagalan selama produksi yang dimungkinkan oleh pemantauan data paralel.
diinduksi dalam pembuatan penempatan serat otomatis dari komposit CIRP Ann 2018;67(1):491–4.
menggunakan sensor grating fiber bragg. Struct Health Monit 2018;17(1):108–17. [115] Szabo I, Sun J, Feng G, Kanfoud J, Gan TH, Selcuk C. Pengenalan cacat otomatis
[90] Suárez A, Aldalur E, Veiga F, Artaza T, Tabernero I, Lamikiz A. Pembuatan aditif sebagai elemen penting dari teknik pengujian non-destruktif cerdas berbasis
busur kawat dari fitting aeronautika dengan paduan logam berbeda: Dari desain pencitraan tomografi terkomputasi sinar-X tiga dimensi dalam pembuatan aditif
hingga bagiannya. Proses J Manuf 2021;64:188–97. dekat bagian berbentuk jaring. Appl Sci 2017;7(11):1156.
[91] Zhang X, Kano M, Tani M, Mori J, Ise J, Harada K. Pemodelan rintangan untuk [116] Liu K, Yang C, Liu T, Chiu L, Liu G. Inspeksi on-stream untuk cacat korosi lubang
data cacat dengan nol berlebih dalam proses manufaktur baja. IFAC- pada bejana tekan untuk pembuatan yang cerdas dan aman. Int J Adv Manuf
PapersOnLine 2018;51(18):375–80. Technol 2017;91(5):1957–66.
20
[117] Snel R, Winters J, Liebig T, Jonker W. Sensor metrologi profil ketinggian in-line untuk [143] Wargulski DR, May D, Löffler F, Nowak T, Petrick J, Grosse C, dkk. Sistem analisis
kontrol produksi cacat nol. Dalam: Sistem pengukuran optik untuk inspeksi industri kegagalan in-line berdasarkan termografi IR yang siap untuk integrasi lini produksi.
X. vol. 10329, SPIE; 2017, hal. 754–61. Di: Lokakarya internasional ke-25 tahun 2019 tentang investigasi termal IC dan
[118] Wang P, Chen X, Yang K, Liu X. Penelitian dan penerapan sistem pengukuran online sistem. TERMINIK, IEEE; 2019, hal. 1–4.
profil tapak ban dalam produksi ban mobil. Di: Konferensi internasional ketujuh [144] Fujishiro A, Nagamura Y, Usami T, Inoue M. Minimisasi data pelatihan CNN dengan
tentang elektronika dan teknik informasi. vol. 10322, SPIE; 2017, hal. 326–32. menggunakan augmentasi data untuk klasifikasi cacat inline. Dalam: Simposium
Internasional 2020 tentang Manufaktur Semikonduktor. ISSM, IEEE; 2020, hal. 1–4.
[119] Lee HW, Liu CH. Sensor optik presisi tinggi untuk pengukuran kelurusan dan kesalahan
sudut on-line secara real-time untuk manufaktur cerdas. Sains Pintar 2016;4(3):134– [145] Csencsics E, Thier M, Ito S, Schitter G. Filter puncak tambahan untuk penolakan
41. gangguan lanjutan pada endeffector presisi tinggi untuk metrologi inline berbasis
[120] He K, Nie H, Yan C. Teknologi manufaktur panel komposit cerdas robot. IEEE/ASME Trans Mekatronika 2021.
berdasarkan sistem otomatis peletakan pita. Proc CIRP 2016;56:610–3. [146] An C, Cheng Z, Dapeng H, Xiaobo C. Penelitian tentang perangkat dan metode
[121] Zoesch A, Wiener T, Kuhl M. Manufaktur cacat nol: deteksi retakan dan penipisan pemeriksaan penglihatan kerangka dasbor kendaraan. Di: IEEE 2011 konferensi
material selama proses deep drawing. Proc CIRP 2015;33:179–84. internasional ke-10 tentang pengukuran & instrumen elektronik. vol. 4, IEEE; 2011,
` hal. 150–4.
[122] Ružarovsky R, Delgado Sobrino DR, Holubek R, Košt'ál P. Metode inspeksi dalam
proses otomatis dalam sistem produksi fleksibel iCIM 3000. Dalam: Mekanika dan [147] Cannizzaro D, Varrella AG, Paradiso S, Sampieri R, Macii E, Patti E, dkk.
material terapan. vol. 693, Trans Tech Publ; 2014, hal. 50–5. Analitik gambar dan pembelajaran mesin untuk deteksi cacat in-situ di Manufaktur
[123] Kraemer A, Lin S, Brabandt D, Böhlke T, Lanza G. Kontrol kualitas dalam proses Aditif. Pada: 2021 desain, otomasi & pengujian di konferensi & pameran eropa.
produksi material ringan SMC. Proc CIRP 2014;17:772–7. TANGGAL, IEEE; 2021, hal. 603–8.
[124] Montironi M, Castellini P, Stroppa L, Paone N. Pemosisian otonom adaptif dari sistem [148] Vaga R, Bryant K. Industri 4.0 untuk pemeriksaan lanjutan. Dalam: simposium
visi robot: Aplikasi untuk kontrol kualitas pada jalur produksi. mikroelektronik pan pasifik 2019 (Pan Pacific). IEEE; 2019, hal. 1–3.
Robot Comput-Integr Manuf 2014;30(5):489–98. [149] Di Leo G, Liguori C, Paolillo A, Pietrosanto A, Adiutori E, Promutico F. Inspeksi visual
[125] Kalms M, Hellmers S, Kopylow Cv, Bergmann RB. Pengujian tak merusak dalam rantai cacat dalam perakitan komponen elektromekanis secara online. Dalam: prosiding
proses otomatis untuk pembuatan massal komponen termoplastik yang diperkuat IEEE international instrumentation and measurement technology conference
serat . Dalam: Karakterisasi tak rusak untuk material komposit, teknik kedirgantaraan, (I2MTC) 2014. IEEE; 2014, hal. 407–11.
infrastruktur sipil, dan keamanan tanah air 2013. vol. 8694, SPIE; 2013, hal. 519–27. [150] Chen SH, Wang JG, Gu TQ. Deteksi kekasaran permukaan online baja strip canai
dingin berdasarkan penyaringan halus regresi adaptif. Di: 2018 konferensi kontrol
Tiongkok ke-37 . CCC, IEEE; 2018, hal. 8325–9.
[126] Xiong J, Zhang G. Pengukuran online geometri manik dalam pembuatan aditif
[151] Schlarp J, Csencsics E, Schitter G. Deteksi fitur dan pemilihan area pemindaian untuk
berbasis GMAW menggunakan penglihatan pasif. Meas Sci Technol
2013;24(11):115103. sensor pemindaian laser 3d. Dalam: Konferensi internasional IEEE/ASME 2018
tentang mekatronika cerdas tingkat lanjut. TUJUAN, IEEE; 2018, hal. 280–5.
[127] Molleda J, Carús JL, Usamentiaga R, García DF, Granda JC, Rendueles JL. Sistem
[152] Si C, Zhang Y. Penelitian pendekatan pengukuran dan inspeksi online untuk benda
pendukung keputusan yang cepat dan kuat untuk penilaian kualitas in-line dari las
kerja 2,5 dimensi. Di: konferensi internasional IEEE 2015 tentang informasi dan
jahitan resistensi di industri pembuatan baja. Comput Ind 2012;63(3):222–30.
otomasi. IEEE; 2015, hal. 1926–30.
[128] Liang ZG, Wang XC, He F. Studi tentang teknik pendeteksian produksi baja secara
[153] Xu J, Liu Y, Xie H, Luo F. Metode jaminan kualitas permukaan untuk elektroda baterai
online berdasarkan cahaya terstruktur laser. Dalam: Penelitian bahan lanjutan. vol.
lithium ion menggunakan kompensasi konsentrasi dan aturan keputusan
145, Trans Tech Publ; 2011, hal. 526–32.
keberpihakan. IEEE Trans Instrum Meas 2019;69(6):3157–69.
[129] Psarommatis F, Kiritsis D. Sistem pendukung keputusan hibrid untuk mengotomatisasi
[154] Lee CY, Wu CS, Hung YH. Kerangka pemantauan prediktif in-line. IEEE
pengambilan keputusan jika terjadi cacat di era produksi tanpa cacat.
Trans Autom Sci Eng 2020;18(4):1668–78.
J Inform Int 2022;26:100263.
[155] Junhong W, Xibin W, Zhi J, Peng D, Nan W, Yuran W. Sistem inspeksi online untuk
[130] Eger F, Reiff C, Tempel P, Magnanini M, Caputo D, Lechler A, dkk. Mencapai papan sirkuit jadi berdasarkan visi mesin. Di: Kongres otomatisasi China 2021.
pembuatan tanpa cacat dengan mengkompensasi penyimpangan dimensi dalam
CAC, IEEE; 2021, hal. 3013–6.
pembuatan bagian berongga yang berputar. Procedia Manuf 2020;51:388–93.
[156] Gong W, Zhang K, Yang C, Yi M, Wu J. Metode inspeksi visual adaptif untuk deteksi
[131] Reiff C, Eger F, Tempel P, Magnanini MC, Ortiz JA, Colledani M, dkk. Pemusatan
cacat label transparan pada botol kaca melengkung. Dalam: Konferensi internasional
cerdas untuk komponen rotasi-simetris dalam sistem produksi multi-tahap untuk
2020 tentang visi komputer, gambar, dan pembelajaran mendalam. CVIDL, IEEE;
produksi tanpa cacat. Proc CIRP 2019;79:27–32.
2020, hal. 90–5.
[132] Bhanu Prasad P, Radhakrishnan N, Bharathi SS. Solusi visi mesin di industri otomotif.
[157] Xiaojun L, Yijin C, Zhijiong C, Rong Z, Jingrui X, Junqi C. Pemeriksaan kualitas online
Dalam: Teknik komputasi lunak dalam aplikasi teknik.
untuk verifikasi terpusat skala besar berdasarkan kontrol proses statistik. Di: 2021
Peloncat; 2014, hal. 1–14.
IEEE asia-pacific conference on image processing, electronics and computer. IPEC,
[133] Wang KS. Menuju pembuatan tanpa cacat (ZDM)—sebuah pendekatan penambangan data.
IEEE; 2021, hal. 958–62.
Adv Manuf 2013;1(1):62–74.
[158] Dekan G, McDonald S, Baer C, Cadien K. Pengukuran emitor wafer surya dengan
[134] Bao N, Ran X, Wu Z, Xue Y, Wang K. Desain sistem inspeksi cacat glasir pada reflektometri inframerah untuk kontrol proses: Implementasi dan hasil. Dalam:
permukaan pot keramik berdasarkan visi mesin. Di: 2017 IEEE 2nd information konferensi spesialis fotovoltaik ke-40 IEEE 2014. PVSC, IEEE; 2014, hal. 0729–32.
technology, networking, electronic and automation control conference. ITNEC, [159] Lanza G, Koelmel A, Peters S, Sauer A, Stockey S. Deteksi optik otomatis partikel dan
IEEE; 2017, hal. 1486–92. cacat pada permukaan sel li-ion menggunakan analisis satu titik.
[135] Younes MA, Darwish S, El-Sayed M. Pemantauan kualitas online strip baja berlubang Di: 2013 IEEE international conference on automation science and engineering.
menggunakan sistem inspeksi visual otomatis (AVI). Dalam: konferensi internasional KASUS, IEEE; 2013, hal. 675–80.
IEEE 2011 tentang kualitas dan keandalan. IEEE; 2011, hal. 575–9. [160] Richter J, Streitferdt D. Koreksi kesalahan berbasis pembelajaran mendalam dalam
[136] Gao Y, Wei W, Wang K, Wang F, Cao C. Teknologi inspeksi kualitas online untuk pengukuran 3D papan sirkuit tercetak. Di: 2018 IEEE 9th annual information
kawat berlian berlapis berdasarkan visi mesin. Dalam: Konferensi internasional technology, electronics and mobile communication conference. IEMCON, IEEE;
IEEE 2014 tentang robotika dan biomimetika (ROBIO 2014). IEEE; 2014, hal. 2455– 2018, hal. 227–32.
9. [161] Lin BS, Cheng JS, Liao HC, Yang LW, Yang T, Chen KC. Peningkatan klasifikasi cacat
[137] Xu M, Ma Y, Chen S. Penelitian tentang pemeriksaan kualitas tutup botol PET secara jembatan multi-garis dengan arsitektur hierarkis dalam klasifikasi cacat otomatis
real-time. Di: konferensi internasional IEEE 2017 tentang informasi dan otomasi. kecerdasan buatan. IEEE Trans Semicond Manuf 2021;34(3):346–51.
ICIA, IEEE; 2017, hal. 1023–6.
[138] Tang XN, Wang YN. Inspeksi visual kualitas benda kerja. Di: 2011 konferensi [162] Shan Z, Xin M, Di W. Metode pengukuran kesalahan profil rumit berdasarkan visi
internasional tentang analisis citra dan pemrosesan sinyal. IEEE; 2011, hal. 434–8. mesin. Di: Konferensi internasional IEEE 2021 tentang komputasi dan robotika waktu
nyata . RCAR, IEEE; 2021, hal. 1272–6.
[139] Chu HH, Wang ZY, Luo X. Algoritma inspeksi kualitas berdasarkan visi mesin untuk [163] Shui H, Jin X, Ni J. Pemodelan propagasi variasi dua kali lipat dan anal ysis untuk
pengelasan lembaran-tabung. Di: Lokakarya IEEE 2016 tentang robotika tingkat sistem manufaktur roll-to-roll. IEEE Trans Autom Sci Eng 2018;16(2):599–612.
lanjut dan dampak sosialnya. ARSO, IEEE; 2016, hal. 279–83.
[140] Bertoli L, Caltanissetta F, Colosimo BM. Pemantauan kualitas in-situ manufaktur [164] Zhou A, Guo J, Shao W. Perencanaan pemeriksaan otomatis permukaan bentuk
aditif berbasis ekstrusi melalui hutan acak dan pengelompokan. Di: 2021 IEEE 17th bebas untuk aplikasi manufaktur. Di: 2011 konferensi internasional IEEE tentang
international conference on automation science and engineering. KASUS, IEEE; mekatronika dan otomasi. IEEE; 2011, hal. 2264–9.
2021, hal. 2057–62. [165] Cheri SH, Wang JG, Gu TQ. Metode kontrol cerdas online untuk kekasaran permukaan
[141] Traxler L, Ginner L, Breuss S, Blaschitz B. Perbandingan eksperimental pengukuran baja strip canai dingin. Di: 2018 konferensi kontrol Tiongkok ke-37.
3D inline optik dan sistem inspeksi. Akses IEEE 2021;9:53952–63. CCC, IEEE; 2018, hal. 8330–5.
[142] Cao Y. Desain dan penerapan sistem inspeksi penglihatan robot untuk target logam [166] Mohamed A, Esa AH, Ayub MA. Pendekatan non-kontak untuk pengukuran kebulatan.
semikonduktor. Di: 2021 simposium internasional ke-3 tentang robotika & teknologi Di: 2011 IEEE 7th international colloquium tentang pemrosesan sinyal dan
manufaktur cerdas. ISRIMT, IEEE; 2021, hal. 464–7. aplikasinya. IEEE; 2011, hal. 117–22.
21
[167] Deng F, Huang Y, Lu S, Chen Y, Chen J, Feng H, dkk. Sistem fusi data multi-sensor [189] Zhou P, Lv Y, Wang H, Chai T. Pemodelan RVFLN kuat berbasis data dari proses
untuk pemantauan proses pengelasan laser. Akses IEEE 2020;8:147349–57. pembuatan besi tanur sembur menggunakan estimasi M tertimbang distribusi Cauchy.
[168] Chua SD, Mohamaddan S, Tanjong S, Yassin A, Lim S. Deteksi perubahan warna IEEE Trans Ind Electron 2017;64(9):7141–51.
bond pad pada inspeksi wafer keluar. IEEE Trans Semicond Manuf 2017;31(1):144– [190] Kassubeck M, Malek T, Mühlhausen M, Kappel M, Castillo S, Dittrich MA, dkk. Kontrol
8. kualitas optik untuk proses pemolesan adaptif. Dalam: Simposium IEEE Southwest
[169] Huang Q, Zeng X, Bi S, Dong M, Pan X, Min H. Penginderaan medan 3D berbasis 2020 tentang analisis dan interpretasi gambar. SSIAI, IEEE; 2020, hal. 90–4.
struktur waktu nyata untuk robot bergerak menggunakan CUDA. Di: Konferensi
[191] Teo TW, Mahdavipour Z, Abdullah MZ. Desain sistem pencitraan untuk
internasional IEEE 2013 tentang teknologi siber dalam otomatisasi, kontrol, dan sistem cerdas.
IEEE; 2013, hal. 417–22. mengkarakterisasi microcracks dalam sel surya silikon kristal menggunakan
[170] Alhwarin F, Ferrein A, Gebhardt A, Kallweit S, Scholl I, Tedjasukmana O. transfleksi cahaya. Fotovolt IEEE J 2019;9(4):1097–104.
Meningkatkan manufaktur aditif dengan pemrosesan gambar dan penggilingan robot. [192] Fang Y, Jiang Z, Pan D, Gui W, Chen Z. Sensor lunak berdasarkan model polimorfik
Di: 2015 IEEE international conference on automation science and engineering. bertumpuk adaptif untuk prediksi kandungan silikon dalam proses pembuatan
KASUS, IEEE; 2015, hal. 924–9. besi. IEEE Trans Instrum Meas 2020;70:1–12.
[171] Zhang Z, Wen G, Chen S. Evaluasi cerdas berbasis suara yang dapat didengar untuk [193] Liu Z, Wieghold S, Meyer LT, Cavill LK, Buonassisi T, Sachs EM. Desain alat
paduan aluminium dalam GTAW berdenyut robotik: Mekanisme, pemilihan fitur, pendeteksi retakan submilimeter untuk wafer fotovoltaik si menggunakan iluminasi
dan deteksi cacat. IEEE Trans Ind Inf 2017;14(7):2973–83. vicinal dan hamburan medan gelap. Fotovolt IEEE J 2018;8(6):1449–56.
[172] Leachman RC, Ding S. Excursion menghasilkan kerugian dan pengurangan waktu [194] Fan S-KS, Hsu CY, Tsai DM, Chou MC, Jen CH, Tsou JH. Identifikasi fitur utama untuk
siklus dalam manufaktur semikonduktor. IEEE Trans Autom Sci Eng 2010;8(1):112–7. memantau variasi wafer-ke-wafer dalam manufaktur semikonduktor. IEEE Trans
[173] Li D, Wang S, Yu X. Penelitian dan penerapan sistem deteksi kualitas online Autom Sci Eng 2022. [195] zur Jacobsmühlen J, Kleszczynski S, Witt G, Merhof D.
berdasarkan visi 3D di lini produksi baja persegi panjang. Dalam: Konferensi Penilaian kualitas senyawa dalam proses peleburan sinar laser menggunakan gambar
Internasional IEEE 2018 tentang Mekatronika dan Otomasi. ICMA, IEEE; 2018, hal. lapisan. Di: 2017 IEEE International Instrumentation and Measurement Technology
843–8. Conference (I2MTC).
[174] Koch H, Konig A, Weigl-Seitz A, Kleinmann K, Suchy J. Kontur multisensor berikut IEEE; 2017, hal. 1–6.
dengan sensor penglihatan, gaya, dan akselerasi untuk robot industri. [196] Choi Ss, Cho Oh, Kim Ek. Desain sistem deteksi cacat las bilah sekrup otomatis
IEEE Trans Instrum Meas 2012;62(2):268–80. untuk produksi massal tanpa cacat berbasis pemrosesan gambar. Di: 2015
[175] Liu H, Yan Y, Song K, Chen H, Yu H. Pengukuran optik efisien tiang las dengan peta konferensi internasional tentang ilmu komputasi dan kecerdasan komputasi. CSCI,
normal dan jaringan saraf konvolusional. IEEE Trans Instrum Meas 2020;70:1–14. IEEE; 2015, hal. 845–6.
[197] Wang Q, Kyuho T, Saihara H, Kitamura T, Yonemura K, Kariyazono H. Penyaringan
[176] Zhang S, Yang Q, Yin Y, Cao B. Sistem pengukuran konsentrasi alumina online baru . yang andal untuk peningkatan kualitas tanpa cacat melalui pengujian gradien suhu.
Dalam: Konferensi internasional IEEE 2015 tentang mekatronika dan otomasi. Dalam: Simposium kolaborasi e-manufaktur & desain 2013. EMDC, IEEE; 2013, hal.
ICMA, IEEE; 2015, hal. 362–8. 1–4.
[177] Cui J, Zhang N, Yang X, Li Q, Cao B, Wang M. Penginderaan lembut konsentrasi [198] Sousa J, Nazarenko AA, Ferreira J, Antunes H, Jesus E, Sarraipa J. Pembuatan tanpa
alumina dalam industri elektrolisis aluminium berdasarkan jaringan kepercayaan mendalam. cacat menggunakan teknologi berbasis data untuk mendukung industri batu alam .
Dalam: Kongres otomasi Tiongkok 2020. CAC, IEEE; 2020, hal. 1–5. Di: 2021 IEEE international conference on engineering, technology and innovation
[178] Forbes V, Alvarez JA, Califa RM, Ezersky SJ, Quiroz GAL, Zeng KL, dkk. Menggunakan (ICE/ITMC). IEEE; 2021, hal. 1–7.
data gambar untuk jaminan kualitas dalam manufaktur aditif. Dalam: simposium [199] Minnette F, Sebastian Z. Pembelajaran mendalam untuk pencetakan inkjet elektronik
desain sistem dan informasi 2017. SIEDS, IEEE; 2017, hal. 225–30. tanpa cacat . Pada: Lokakarya internasional IEEE 2021 tentang metrologi untuk
[179] Kamalakannan A, Rajamanickam G. Spatial smoothing berdasarkan metode industri 4.0 & IoT (MetroInd4.0&IoT). IEEE; 2021, hal. 458–63.
segmentasi untuk deteksi cacat internal pada gambar sinar-X komponen pengecoran. [200] Vali A, Krämer P, Strzoda R, Comai S, Gigler AM, Matteucci M. Analisis gambar
Dalam: Tren 2017 dalam pengukuran dan otomasi industri. TIMA, IEEE; 2017, hal. hyperspectral untuk deteksi otomatis dan pembedaan sisa kontaminan manufaktur.
1–6. Di: Konferensi internasional IEEE ke-26 tahun 2021 tentang teknologi baru dan
[180] Zhou S, Liu X. Metode berbasis visi komputer untuk mengukur kadar air pelet hijau otomasi pabrik. ETFA, IEEE; 2021, hal. 1–8.
bijih besi secara online dalam pelet disc. Di: Kongres otomatisasi China 2021. [201] Cr S, Joseph N, Samson N, Jose P, Subramanian MP. Korelasi gambar 4s tingkat
CAC, IEEE; 2021, hal. 3736–9. lanjut untuk pemeriksaan kualitas produk keramik secara real-time menggunakan
[181] Khan MU, Alam A, Parveen Z. Analisis cacat pada gulungan gulungan panas dan gambar tofd ultrasonik. Di: 2013 konferensi internasional tentang komunikasi
dingin menggunakan metode image processing. Di: 2017 konferensi internasional komputer dan informatika. IEEE; 2013, hal. 1–7.
ke-13 tentang teknologi baru. ICET, IEEE; 2017, hal. 1–6. [202] Fridman Y, Rusanovsky M, Oren G. ChangeChip: Deteksi perubahan tanpa pengawasan
[182] Zhao C. Pendekatan partisi fase sekuensial yang relevan dengan kualitas untuk berbasis referensi untuk deteksi cacat. Pada: 2021 IEEE physical assurance and
pemodelan regresi dan analisis prediksi kualitas dalam proses manufaktur. IEEE inspection of electronics. SAKIT, IEEE; 2021, hal. 1–8.
Trans Autom Sci Eng 2013;11(4):983–91. [203] Bengoechea Cuadrado C, García-Camprubí M, Zambrano V, Mazuel F, Izquierdo S.
[183] Bao X, Chen L, Yang W, Zheng Y. Integrasi kembar digital dan pembelajaran mesin Pengembangan sensor virtual berdasarkan model urutan yang dikurangi dari data
untuk sistem inspeksi online fitur geometris. Di: 2021 IEEE 17th international CFD. Di: 2019 IEEE 17th international conference on industrial informatics.
conference on automation science and engineering. KASUS, IEEE; 2021, hal. 746–51. INDIN, vol. 1, IEEE; 2019, hal. 1644–8.
[204] Reiff C, Eger F, Korb T, Freiberger H, Verl A. Antarmuka pengguna untuk akuisisi dan
[184] Cui J, Xing B, Zhang Y, Yin Y, Wang Z, Huang R, dkk. Desain dan implementasi alat karakterisasi cacat dan pengerjaan ulang dilakukan dalam sistem produksi multi-
ukur online untuk distribusi arus anoda elektrolitik aluminium. Di: 2015 konferensi tahap. Proc CIRP 2018;78:243–8.
internasional IEEE tentang informasi dan [205] Gebus S, Leiviskä K. Akuisisi pengetahuan untuk sistem pendukung keputusan pada
otomatisasi. IEEE; 2015, hal. 1877–81. jalur perakitan elektronik. Aplikasi Sistem Pakar 2009;36(1):93–101.
[185] Margraf A, Stein A, Engstler L, Geinitz S, Hahner J. Sebuah pendekatan pembelajaran [206] Green SA, Billinghurst M, Chen X, Chase JG. Kolaborasi manusia-robot: Tinjauan
evolusioner untuk mengonfigurasi sendiri pipa gambar dalam konteks deteksi literatur dan pendekatan augmented reality dalam desain. Int J Adv Robot Syst
kesalahan serat karbon. Di: 2017 konferensi internasional IEEE ke-16 tentang 2008;5(1):1.
pembelajaran dan aplikasi mesin. ICMLA, IEEE; 2017, hal. 147–54. [207] Riel A, Kreiner C, Macher G, Messnarz R. Desain terintegrasi untuk mengatasi
[186] Wu W, Li Q. Pemeriksaan visi mesin konektor listrik berdasarkan tantangan keselamatan dan keamanan produk pintar dan manufaktur digital. CIRP
peningkatan Yolo v3. Akses IEEE 2020;8:166184–96. Ann 2017;66(1):177–80.
[187] Rodríguez-Araújo J, García-Díaz A. Klasifikasi cacat in-line otomatis dan lokalisasi [208] Ameri F, Sormaz D, Psarommatis F, Kiritsis D. Ontologi industri untuk interoperabilitas
dalam sel surya untuk perbaikan berbasis laser. Di: 2014 IEEE 23rd international dalam manufaktur yang gesit dan tangguh. Int J Prod Res 2022;60(2):420–41.
simposium on industrial electronics. ISIE, IEEE; 2014, hal. 1099–104.
[188] Cannizzaro D, Varrella AG, Paradiso S, Sampieri R, Chen Y, Macii A, dkk. Deteksi [209] Alkahtani M, Choudhary A, De A, Harding JA. Sistem pendukung keputusan
cacat in situ Manufaktur Aditif logam: kerangka kerja terintegrasi. berdasarkan ontologi dan penambangan data untuk meningkatkan desain
IEEE Trans Emerg Top Comput 2021;10(1):74–86. menggunakan data garansi. Comput Ind Eng 2019;128:1027–39.
[210] Grevenitis K, Psarommatis F, Reina A, Xu W, Tourkogiorgis I, Milenkovic J, dkk .
Kerangka kerja hybrid untuk penyimpanan dan eksploitasi data industri. Proc CIRP
2019;81:892–7.
22

Jurnal 1-2

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Jurnal 1-2

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Jurnal Sistem Manufaktur 67 (2023) 1–22

Daftar konten tersedia di ScienceDirect

Jurnal Sistem Manufaktur

Penerapan otomasi untuk inspeksi kualitas in-line,

INFO ARTIKEL ABSTRAK

1. Perkenalan kustomisasi memerlukan pembuatan item yang secara khusus melayani

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Gambar 1 Diagram Alur Proses Penelitian PRISMA

Istilah 'in-line' umumnya digunakan dalam industri manufaktur untuk

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Gambar 3 Distribusi publikasi tahunan.

3.1. Analisis kinerja

Pada bagian ini, kami mengevaluasi kontribusi lapangan dalam tiga

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Transaksi IEEE pada Otomasi 6 79 13.16 Sensor 3 16 5.3

3.2.1. Kata kunci Co-

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Universitas Nasional Cheng Kung 8 85 10.62 Universitas Taiwan

Pusat Penelitian Digitalisasi dan 4 26 6.5 Universitas Portugal

Gambar 5. Co-occurrence network dari kata kunci penulis.

untuk ZDM. Leitão Paulo, berdasarkan analisis bibliometrik kami,

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Gambar 8. Distribusi Tingkat Otomasi yang digunakan pada makalah terpilih.

aplikasi industri yang berbeda [48-53]. Franke Jörg, berdasarkan analisis

3.3. Analisis isi sastra

3.3.1. Domain dan proses industri

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Gambar 14. Distribusi kontribusi ZDM.

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Gambar 15. Distribusi fokus peningkatan pemeriksaan mutu.

Gambar 16. Kerangka inspeksi kualitas untuk ZDM.

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

9 Wu dkk. [84] Inspeksi Inline dengan Industri Sensor 4

(bersambung ke halaman berikutnya)

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Tabel A.5 (lanjutan).

41 Szabo et al. [115] Ilmu Terapan (Swiss) 5

42 Liu dkk. [116] Jurnal Lanjutan Internasional 5

43 Snel dkk. [117] Prosiding SPIE - Internasional 2

(bersambung ke halaman berikutnya)

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Tabel A.5 (lanjutan).

(bersambung ke halaman berikutnya)

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Tabel A.5 (lanjutan).

79 Vaga dan Bryant [148] Mikroelektronika Pan Pacific 2019 0

87 Lee dkk. [154] Transaksi IEEE pada Otomasi 2

(bersambung ke halaman berikutnya)

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Tabel A.5 (lanjutan).

(bersambung ke halaman berikutnya)

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

Tabel A.5 (lanjutan).

123 Wu dan Li [186] Pemeriksaan Kelistrikan Mesin Akses IEEE 9

141 Minnette dan Sebastian Lokakarya Internasional IEEE 2021 tentang 1

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

literatur saat ini.

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22

V.Azamfirei dkk. Jurnal Sistem Manufaktur 67 (2023) 1–22