SFIDA
Il controllo di qualità è una delle fasi produttive più importanti che aziende ed industrie si trovano a dover affrontare affidandosi all’occhio esperto dei propri addetti e dipendenti.
Tempistiche e possibili distrazioni umane portano ad avere notevoli conseguenze sugli standard da rispettare e sulla produttività.
TASK
Una realtà internazionale nella produzione e realizzazione di imballi sicuri e funzionali per alimenti per la GDO e l’industria alimentare, ci ha richiesto di realizzare un sistema di controllo qualità personalizzato che si potesse adattare a tutte le loro aree produttive attraverso l’inserimento e l’integrazione nelle loro linee di produzione.
Obiettivo secondario quello di poter monitorare i dati analizzati dal sistema.
SOLUZIONE
Abbiamo proposto un sistema per il controllo di qualità personalizzato basato su visione guidata da intelligenza artificiale. L’obiettivo è creare una piattaforma di visione artificiale altamente performante e personalizzata sulle esigenze del cliente.
La tecnologia proposta si basa sull’utilizzo di reti neurali che attraverso gli strumenti di visione (camere, ottiche e illuminatori) eseguono l’elaborazione delle immagini al fine di ottenere la classificazione e il riconoscimento del prodotto scarto senza la necessità di utilizzo di personale addetto.
La piattaforma utilizza il nostro software K-VISION.
L’utilizzo di sistemi di ispezione automatizzata permette di:
1
Non rallentare la produzione, ma di accelerarla e migliorarla grazie all’eliminazione degli errori umani;
2.
Migliorare l’attendibilità e l’accuratezza delle misurazioni anche per parti complesse dove i volumi sono elevati;
3.
Ottenere un importante database di informazioni utili a prendere decisioni migliori per l’azienda; infatti, raccogliere analisi dinamiche in tempo reale della qualità di produzione oltre che a prove complete di conformità.
4.
Ottenere un sistema che incrementa le sue performance con il corso del tempo al fine di avere un miglioramento dell’algoritmo continuo, grazie all’utilizzo di reti neurali.
5.
Non dover modificare le proprie linee di produzione, ottimizzandole, perchè è una soluzione completamente custom integrabile.
Al fine di raggiungere l’obiettivo di classificare con alta confidenza i prodotti idonei da quelli non idonei, è stato deciso di procedere per step crescenti di complessità.
Dataset
Il dataset è stato diviso per colori di prodotto e le non idoneità sono state divise in due classi (problema di forma, presenza contaminante).
Quindi sono stati sviluppati due diversi applicativi in grado di classificare:
- Prodotto con fondo bianco (due classi, tra conforme e presenza contaminante);
- Prodotto con fondo nero (due classi, tra conforme e presenza contaminante).
Parametri
Accuracy: misura di quanto il modello sia in grado di classificare correttamente le immagini complessivamente;
Precision: la proporzione di istanze classificate correttamente come appartenenti a una determinata classe rispetto al totale delle istanze classificate come tale classe;
Recall: la proporzione di istanze di una determinata classe che sono state correttamente identificate dal modello;
F1 Score: media armonica tra precisione e recall;
Confidence: si indica la sicurezza con la quale l’algoritmo predice il risultato indicato, più è alta e più il risultato è di certo (secondo l’algoritmo).
I risultati di queste prima fase hanno determinato che l’algoritmo sviluppato:
è molto robusto a differenti variazioni, di forma, di luce, ecc. Questo significa che il cliente non deve modificare la linea di produzione perché essendo immune alle condizioni ambientali lo strumento di visione si integra dentro la macchina presente;
fornisce molti dettagli (non solo conforme o non conforme) che permettono di decidere con facilità se affidarsi o meno. A differenza di un controllo qualità gestito da operatori, il sistema di visione mostra dettagli che sono difficili da individuare da una persona addetta e permette di storicizzare le problematiche di cui soffre l’impianto;
si adatta velocemente alla ricetta impostata con alta flessibilità. Dato il dataset iniziale non necessita di cambio formato;
lavora real time, quindi velocità di esecuzione e nessun rallentamento nella capacità produttiva.
Passa all’azione
Raccontaci la tua idea!
Inviaci un’email, chiama in sede o se preferisci mandaci un Whatsapp per parlare con un nostro consulente.
Mail: info@kablator.com – Tel: +39 331 3466711
