Implementasi Computer Vision dan Collaborative Arm Robot dalam Meningkatkan Efisiensi Proses Quality Control Produk Hasil Die Casting pada Body Converter

Proses quality control (QC) pada produk die casting masih banyak mengandalkan inspeksi manual yang memiliki keterbatasan pada akurasi, konsistensi, dan efisiensi waktu. Penelitian ini merancang dan mengimplementasikan sistem QC otomatis berbasis computer vision (CV) yang terintegrasi dengan collaborative arm robot untuk memungkinkan inspeksi menyeluruh pada seluruh permukaan body converter. Sistem menggunakan algoritma deteksi YOLO yang dijalankan pada Raspberry Pi 5 sebagai pengolah citra utama, sementara robot UR5E berfungsi untuk memposisikan, memutar, dan memindahkan objek agar seluruh sisi dapat diamati. Pengujian dilakukan terhadap beberapa parameter operasional meliputi versi YOLO, ukuran gambar, kondisi pencahayaan, jarak deteksi, serta performa inspeksi. Hasil menunjukkan bahwa YOLO V5N memberikan performa terbaik dengan akurasi pelatihan 89% dan bekerja optimal pada intensitas cahaya 100–125 lux. Implementasi sistem ini terbukti mampu meningkatkan efisiensi durasi inspeksi sebesar 6.67% dan efisiensi tenaga kerja sebesar 100% dibandingkan metode konvensional serta meningkatkan. Dengan demikian, integrasi CV dan collaborative arm robot dapat meningkatkan efisiensi serta keandalan proses QC pada lini produksi die casting.