Détection d'anomalies dans les lignes de production avec la vision par ordinateur

Les systèmes de détection d'anomalies sont essentiels dans de nombreuses applications industrielles. Grâce à la vision par ordinateur (CV), ils peuvent rechercher et identifier les éléments visuels qui dévient de la norme. Cela aide à optimiser les workflows et à permettre l'exécution efficace des tâches. De nombreuses variables doivent être prises en compte lors de la conception ou de l'utilisation de systèmes de détection visuelle d'anomalies, en particulier lorsqu'ils sont utilisés pour une solution personnalisée.

Les systèmes de détection d'anomalies basés sur la vision par ordinateur utilisés dans l'industrie se composent généralement de composants matériels et logiciels. La structure des composants techniques permet l'émergence de goulots d'étranglement au niveau logiciel, matériel ou de l'intégration. D'autre part, les facteurs opérationnels propres aux applications de chaque industrie introduisent des compromis et des défis qui varient entre et au sein des différentes industries. Les professionnels de l'ingénierie, les experts en contrôle qualité et les experts métier travaillent continuellement ensemble pour extraire le maximum de précision, de performance et de résilience des systèmes de détection d'anomalies basés sur la vision par ordinateur.

Cet article examine les implications en termes de qualité et d'opérations de l'utilisation de différentes formes de systèmes de détection d'anomalies basés sur la vision par ordinateur dans l'industrie manufacturière.

Détection d'anomalies dans l'industrie manufacturière avec la vision par ordinateur

Les tâches de détection de défauts dans l'industrie manufacturière comprennent couramment la maintenance prédictive, le contrôle qualité, l'optimisation des processus, la surveillance de la sécurité, l'analyse des causes racines, la gestion des stocks, la prévision de la demande ou la logistique. Dans le cadre de l'initiative Industrie 4.0, les systèmes de détection d'anomalies basés sur la vision par ordinateur introduisent des méthodes avancées pour gérer ces tâches et améliorer les processus de fabrication.

Dans l'industrie manufacturière, les systèmes de vision par ordinateur analysent les images et vidéos capturées à différentes étapes des lignes ou processus de production pour détecter des patterns inhabituels, des événements ou des déviations pouvant indiquer des problèmes potentiels ou des défauts. Les systèmes de vision par ordinateur pour l'identification d'anomalies dans les lignes de production peuvent prendre plusieurs formes, allant des défauts de produits et des déviations de processus à l'identification de risques pour la sécurité. En adoptant la vision par ordinateur, les fabricants peuvent améliorer la qualité des produits, optimiser la productivité, augmenter l'efficacité, minimiser les risques de sécurité, améliorer la précision et réduire les temps d'arrêt.

Printed Circuit Board (PCB) Defect Detection Using Computer Vision Détection de défauts sur circuits imprimés (PCB) avec la vision par ordinateur

Systèmes de détection d'anomalies par vision par ordinateur dans l'industrie manufacturière

Les systèmes peuvent consister en des machines autonomes avec logiciel et matériel intégrés, comme un robot, ou exclusivement en logiciel que les fabricants peuvent intégrer avec n'importe quel matériel, comme des caméras et des cartes d'acquisition.

Les modes de fonctionnement et la conception de ces systèmes dictent leur flexibilité, leur évolutivité et leur efficacité aux niveaux du développement, des opérations et des équipes. Ainsi, chaque solution système, de son approche technique à son approche opérationnelle, a un effet significatif sur l'équipe et le produit en termes de coût, d'opérations, d'évolutivité, etc.

Les systèmes de détection d'anomalies basés sur la vision par ordinateur sont plus économiques que les méthodes d'inspection traditionnelles. Cependant, il y a des préoccupations liées au coût de non-qualité (CONQ) auxquelles il faut prêter attention lors de leur utilisation. En résumé, ces systèmes sont des produits avec un processus allant du développement au déploiement sur la ligne de production. Le choix de conception détermine la valeur du système.

Systèmes sans retour d'information

Les systèmes sans retour d'information offrent généralement une solution plug-and-play. Ils sont spécifiquement développés pour gérer un nombre limité de défauts visuels ou de processus dans les lignes de production. Ils ont tendance à bien fonctionner dans des circonstances banales lorsque les anomalies visuelles sont rares à certaines étapes du processus de production. Ils sont utiles lorsqu'ils sont utilisés dans des environnements nécessitant des améliorations minimales dues à la dérive des données et une assistance aux humains dans la boucle. Après leur déploiement sur les lignes de production, il n'est pas nécessaire de collecter des données ou de réaliser un entraînement extensif.

Il n'y a pas d'inclusion des équipes d'ingénierie du fabricant dans le développement actif de ce type de système. Par conséquent, les fabricants peuvent avoir besoin d'aide pour suivre les performances de la solution sur la ligne de production. Seul le fournisseur de la solution peut pleinement maintenir et réparer ces systèmes. Cela peut être idéal pour les entreprises manufacturières qui ne souhaitent pas investir dans des équipes d'ingénierie et d'opérations.

Étant donné qu'il s'agit d'une boîte noire sans traçabilité, le coût de non-qualité de ces systèmes peut être très élevé et difficile à mesurer. Il peut falloir beaucoup de temps pour déterminer quand il commence à défaillir. La défaillance peut entraîner des taux élevés de faux positifs ou de détection négative de défauts. Des répercussions plus coûteuses surviennent si des produits fabriqués défectueux atteignent les utilisateurs finaux. Le processus de développement pour ajuster ce système pourrait être plus agile, ce qui pourrait entraîner des temps d'arrêt supplémentaires dans les opérations. Des solutions comme celles-ci sont peu coûteuses à long terme grâce à leurs exigences limitées en données et leurs coûts de développement réduits, tant qu'elles ne défaillent pas. Stemmer imaging fournit ce type de solution.

Systèmes à retour d'information partiel

Ces systèmes peuvent offrir une plateforme ou une interface qui permet l'observabilité et l'analytique pour surveiller et mesurer l'efficacité des lignes de production. Les équipes internes d'opérations, de produit et de qualité peuvent utiliser le retour d'information du système pour créer des processus dans les lignes de production et optimiser davantage les workflows. Elles peuvent rapidement obtenir des informations sur la dégradation ou la dérive des données du système de détection de défauts. Elles peuvent ensuite déduire les causes possibles à partir des facteurs environnementaux et opérationnels qui surviennent au fil du temps. Ces informations sont partagées avec le fournisseur responsable du développement de leurs systèmes de vision pour accélérer le développement de manière itérative. La détection des défauts est continuellement pilotée par les données, augmentant les chances de livrer des produits de qualité depuis les lignes de production. Ce système réduit également la charge de travail et le coût de fonctionnement des équipes d'opérations et de produit, car il n'y a pas d'équipe de développement interne.

Le fournisseur et les équipes de fabrication sont impliqués dans un workflow à retour d'information partiel. Les données collectées pendant la production sont utilisées pour affiner l'algorithme de détection d'anomalies par vision par ordinateur du fournisseur. Les fabricants, cependant, ne sont pas impliqués dans le processus de développement et doivent être informés de la manière dont les fournisseurs proposent la solution en fonction des données. Ce fossé laisse place à des préoccupations potentielles en matière de confidentialité et de sécurité, en particulier pour les données sensibles impliquant la propriété intellectuelle ou des informations personnelles identifiables (PII). Les fabricants risquent de perdre leurs données s'ils quittent la solution, ce qui peut freiner leur croissance. Ils doivent également être informés du type de modèle de détection d'anomalies par vision par ordinateur que le système utilise.

Bien que cela élimine les tracas du développement et rende les opérations fluides, cela limite la capacité des fabricants à évoluer davantage ou à optimiser leurs workflows internes entre leurs équipes et la solution. L'implication est que les fabricants auront besoin de peu ou pas d'équipes de développement. Par conséquent, il ne sera pas nécessaire d'acquérir des experts spécialisés. Même si l'équipe de fabrication a besoin d'une équipe de développement, elle n'a pas besoin d'une équipe de développeurs hautement qualifiés comme des ingénieurs machine learning, data, plateformes et DevOps. Ce type de dépendance au fournisseur crée des frictions qui peuvent étouffer l'innovation et empêcher l'optimisation fluide des workflows. Le coût à long terme de ce type de système est élevé car les fabricants doivent constamment payer pour les services fournis par le fournisseur. Quelques applications de ce système sont Deltia, Scortex, Cerrion, Ahx.ai, etc.

Systèmes à retour d'information complet

Ces types de systèmes permettent aux fabricants de développer leurs propres systèmes personnalisés de bout en bout. Ils offrent un système entièrement géré qui permet des processus de développement et d'opération rapides. Le système est suffisamment flexible pour prendre en charge la plupart des matériels et logiciels standards utilisés sur la ligne de production. Les équipes internes peuvent intégrer leurs piles matérielles et logicielles existantes dans ces systèmes. Il offre également la possibilité d'utiliser des outils et services prêts à l'emploi. Ces outils et services sont également personnalisables pour s'adapter aux workflows de la ligne de production.

C'est une bonne option lorsque vous essayez de créer un système de détection de défauts entièrement flexible, évolutif et optimisé pour les workflows des lignes de production. Le système pourrait être amélioré pour mieux gérer les changements au fil du temps. Les goulots d'étranglement concernant les données de la ligne de production et le modèle de détection d'anomalies par vision par ordinateur sont entièrement transparents, traçables et observables. Il offre également le luxe de sélectionner et de remplacer les modèles de détection d'anomalies pour différents cas d'utilisation en fabrication si les exigences de la ligne de production changent.

À long terme, le coût et les avantages de ce système surpassent l'investissement initial dans la construction d'une équipe et de ressources, d'autant plus qu'il ouvre la capacité de traiter un nombre infini de cas d'utilisation tels que la logistique et la sécurité des employés. Picsellia est une plateforme de vision par ordinateur de bout en bout. Elle permet aux entreprises manufacturières de migrer et d'intégrer de manière transparente les workflows et les données des systèmes existants.

Anomaly detection manufacturing Détection d'anomalies dans l'industrie manufacturière avec la plateforme Picsellia Vision AI

Avantages et défis de la détection d'anomalies par vision par ordinateur dans l'industrie manufacturière

Les solutions de vision par ordinateur pour la détection d'anomalies entraînent des particularités qui améliorent ou limitent les équipes et les processus de fabrication d'un point de vue opérationnel.

Avantages de la détection d'anomalies dans l'industrie manufacturière

• Amélioration de la qualité des produits pour éviter les rappels et les reprises
• Optimisation du flux de production et réduction des temps d'arrêt
• Identification des failles de sécurité, des habitudes de travail dangereuses et des équipements défectueux, et amélioration de la sécurité
• Surveillance et analyse des processus industriels en temps réel, évaluation continue de la qualité des produits, de l'efficacité des processus et de la sécurité

Défis de la détection d'anomalies dans l'industrie manufacturière

• Mettre en place une infrastructure solide qui gère et applique efficacement la gouvernance des données issues du processus de fabrication.
• L'entraînement, le déploiement et la maintenance des modèles de vision par ordinateur pour des systèmes robustes sont gourmands en ressources et nécessitent des techniques sophistiquées.
• Équilibrer la spécificité et la sensibilité de la détection de défauts des résultats du système.
• Être capable d'expliquer et d'interpréter les résultats de ces systèmes.
• Intégrer les systèmes de vision par ordinateur avec les systèmes de contrôle, d'automatisation et de gestion des données préexistants de la ligne de production.

Conclusion

Les fabricants peuvent tirer les bénéfices d'une meilleure qualité de produits, de processus de fabrication optimisés et d'une plus grande sécurité en relevant soigneusement les défis et en employant les dernières avancées en matière de technologie de vision par ordinateur. Ils contribuent également à optimiser les workflows et les opérations des professionnels dans les équipes en aval ou parallèles. Cependant, le remplacement des emplois, la confidentialité des données, etc., restent des préoccupations éthiques et sociétales majeures autour de son adoption.