Les systèmes de détection des anomalies sont essentiels dans diverses applications industrielles. Grâce à la vision par ordinateur (VA), ils peuvent rechercher et repérer les éléments visuels qui s'écartent de la norme. Ils contribuent à optimiser le flux de travail 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 d'anomalies par vision, en particulier lorsqu'il s'agit d'une solution personnalisée.
Les systèmes de détection d'anomalies basés sur la vision par ordinateur utilisés dans l'industrie sont généralement constitués de composants matériels et logiciels. La structure des composants techniques permet l'apparition de goulets d'étranglement au niveau du logiciel, du matériel ou de l'intégration. D'autre part, les facteurs opérationnels entourant les applications de chaque industrie introduisent des compromis et des défis qui varient d'une industrie à l'autre et au sein d'une même industrie. Les professionnels de l'ingénierie, les experts du contrôle de la qualité et les experts du domaine collaborent en permanence pour tirer le maximum de précision, de performance et de résilience des systèmes d'anomalie basés sur la vision par ordinateur.
Cet article examine les implications qualitatives et opérationnelles 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 la fabrication à l'aide de la vision par ordinateur
Les tâches de détection des défauts dans la fabrication comprennent couramment la maintenance prédictive, le contrôle qualité, l'optimisation des processus, la surveillance de la sécurité, l'analyse des causes profondes, 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 traiter ces tâches et améliorer les processus de fabrication.
Dans le secteur de la fabrication, les systèmes de vision par ordinateur analysent les images et les vidéos capturées à différents stades des chaînes de production ou des processus, à la recherche de modèles, d'événements ou d'écarts inhabituels susceptibles d'indiquer des problèmes ou des défauts potentiels. Les systèmes de vision par ordinateur destinés à identifier les anomalies dans les chaînes de fabrication peuvent prendre plusieurs formes, allant des défauts de produits et des écarts de processus à l'identification des risques pour la sécurité. En adoptant la vision par ordinateur, les fabricants peuvent améliorer la qualité des produits, optimiser la productivité, accroître l'efficacité, minimiser les risques de sécurité, améliorer la précision et réduire les temps d'arrêt.
Détection d'anomalies avec des systèmes de vision par ordinateur dans l'industrie manufacturière
Les systèmes peuvent consister en des machines autonomes dotées d'un logiciel et d'un matériel intégrés, comme un robot, ou exclusivement en un logiciel que les fabricants peuvent intégrer à n'importe quel matériel, comme des caméras et des cartes d'acquisition d'images.
Les modes de fonctionnement et de conception de ces systèmes dictent leur flexibilité, leur évolutivité et leur efficacité au niveau du développement, de l'exploitation et de l'équipe. Ainsi, chaque solution de système, de son approche technique à son approche opérationnelle, a un effet significatif sur l'équipe et le produit en termes de coût, de fonctionnement, d'évolutivité, etc.
Les systèmes de détection d'anomalies basés sur la vision par ordinateur sont plus économiques que les méthodes d'inspection traditionnelles. Toutefois, il convient d'être attentif au coût de la non-qualité (CONQ ) lorsqu'on les utilise. En bref, ces systèmes sont des produits qui suivent un processus allant du développement au déploiement sur la chaîne de fabrication. Le choix de la conception détermine la valeur du système.
Pas de système de retour d'information
Les systèmes sans rétroaction offrent généralement une solution prête à l'emploi. Ils sont spécialement conçus pour gérer des défauts visuels limités ou des processus dans les chaînes de fabrication. Ils ont tendance à prospérer dans des circonstances banales, lorsque les anomalies visuelles sont rares à certains stades du processus de production. Ils sont avantageux lorsqu'ils sont utilisés dans des contextes nécessitant des améliorations minimales en raison de la dérive des données et de l'assistance aux humains dans la boucle. Une fois déployés dans les chaînes de fabrication, il n'est pas nécessaire de dispenser une formation approfondie ou de collecter des données.
Les équipes d'ingénieurs des fabricants ne participent pas au développement actif de ce type de système. Par conséquent, les fabricants peuvent avoir besoin d'aide pour suivre les performances de la solution dans la chaîne de fabrication. Seul le fournisseur de la solution peut assurer la maintenance et la réparation de ces systèmes. Ce type de système peut être idéal pour les entreprises manufacturières qui souhaitent autre chose que d'investir dans des équipes d'ingénierie et d'exploitation.
Étant donné qu'il s'agit d'une boîte noire sans traçabilité, le coût de la non-qualité pour ces systèmes peut être très élevé et difficile à mesurer. Il faut parfois beaucoup de temps pour déterminer à quel moment le système commence à tomber en panne. Les défaillances peuvent se traduire par des taux élevés de faux positifs ou de détection négative des défauts. Des répercussions plus coûteuses se produisent si des produits manufacturés 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. Les solutions de ce type sont peu coûteuses à long terme en raison de leurs exigences limitées en matière de données et de leurs coûts de développement, tant qu'elles ne tombent pas en panne. Stemmer imaging fournit ce type de solution.
Systèmes de rétroaction partielle
Ces systèmes peuvent offrir une plateforme ou une interface qui permet l'observabilité et l'analyse pour contrôler et mesurer l'efficacité des lignes de production. Les équipes internes chargées des opérations, des produits et de la qualité peuvent utiliser le retour d'information du système pour créer des processus dans les chaînes de fabrication et optimiser davantage les flux de travail. Elles peuvent rapidement se faire une idée de la dégradation ou de la dérive des données du système de détection des défauts. Elles peuvent ensuite déduire les causes possibles des facteurs environnementaux et opérationnels qui se produisent au fil du temps. Ces informations sont partagées avec le fournisseur responsable du développement de leurs systèmes de vision afin d'accélérer le développement de manière itérative. La détection des défauts s'appuie en permanence sur des données, ce qui augmente les chances de fournir des produits de qualité sur les chaînes de fabrication. Ce système réduit également la charge de travail et le coût des opérations et des équipes de produits, puisqu'il n'y a pas d'équipe de développement interne.
Le fournisseur et les équipes de fabrication sont impliqués dans un processus de retour d'information partiel. Les données collectées pendant la production sont utilisées pour affiner l'algorithme de détection d'anomalies par vision artificielle du fournisseur. Les fabricants, en revanche, ne sont pas impliqués dans le processus de développement et doivent être informés de la manière dont les vendeurs fournissent la solution sur la base des données. Cette lacune peut entraîner des problèmes de confidentialité et de sécurité, en particulier pour les données délicates impliquant la propriété intellectuelle ou des informations personnelles identifiables (PII). Les fabricants risquent de perdre des données s'ils abandonnent les solutions, ce qui peut freiner leur croissance. Ils doivent également être informés du type de modèle de détection d'anomalies par vision par ordinateur utilisé par le système.
Bien que cela élimine les tracas du développement et rende les opérations transparentes, cela limite la capacité des fabricants à s'étendre davantage ou à optimiser leurs flux de travail internes entre leurs équipes et la solution. Il en résulte que les fabricants n'auront besoin que de peu ou pas d'équipes de développeurs. Il ne sera donc 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 en apprentissage automatique, en données, en plateformes et en DevOps. Ce type de verrouillage des fournisseurs crée des frictions qui peuvent étouffer l'innovation et empêcher l'optimisation transparente des flux de travail. 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. Certaines applications de ce système sont Deltia, Scortex, Cerrion, Ahx.ai, etc.
Systèmes de rétroaction complets
Ces types de systèmes permettent aux fabricants de développer leurs systèmes personnalisés de bout en bout. Il s'agit d'un système entièrement géré qui permet des processus de développement et d'exploitation rapides. Le système est suffisamment souple pour prendre en charge la plupart des matériels et logiciels standard utilisés dans la chaîne de fabrication. Les équipes internes peuvent intégrer leurs piles matérielles et logicielles existantes dans ces systèmes. Il offre également la possibilité d'utiliser des outils et des services prêts à l'emploi. Ces outils et services sont également personnalisables pour s'adapter aux flux de travail de la chaîne de fabrication.
Il s'agit d'une bonne option pour créer un système de détection des défauts entièrement flexible, évolutif et optimisé pour les flux de travail des chaînes de fabrication. Le système pourrait être amélioré pour mieux gérer les changements au fil du temps. Les goulets d'étranglement concernant les données de la chaîne de fabrication et le modèle de détection des anomalies par vision par ordinateur sont totalement transparents, traçables et observables. Le système offre également la possibilité de sélectionner et d'échanger des modèles de détection d'anomalies pour divers cas d'utilisation de la fabrication si les exigences de la chaîne de fabrication changent.
À long terme, le coût et les avantages de ce système dépassent l'investissement initial dans la constitution d'une équipe et de ressources, d'autant plus qu'il permet de répondre à un nombre infini de cas d'utilisation, notamment dans les domaines de la logistique et de la sécurité des employés. Picsellia est une plateforme de vision artificielle de bout en bout. Elle permet aux entreprises manufacturières de migrer et d'intégrer de manière transparente les flux de travail et les données des systèmes existants.
Avantages et défis de la détection d'anomalies à l'aide de systèmes de 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
- Améliorer la qualité des produits pour éviter les rappels de produits et les retouches
- Optimisation du flux de production et réduction des temps d'arrêt
- Identifier les failles de sécurité, les habitudes de travail dangereuses et les équipements défectueux et améliorer 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 efficacement les données issues du processus de fabrication et en assure la gouvernance.
- La formation, le déploiement et la maintenance de modèles de vision artificielle pour des systèmes robustes nécessitent des ressources importantes et des techniques sophistiquées.
- Le système permet d'équilibrer la spécificité et la sensibilité de la détection des défauts.
- Être capable d'expliquer et d'interpréter les résultats de ces systèmes.
- Intégrer les systèmes de vision par ordinateur aux systèmes de contrôle, d'automatisation et de gestion des données préexistants de la chaîne de fabrication.
Conclusion
Les fabricants peuvent récolter les fruits de l'amélioration de la qualité des produits, de l'optimisation des processus de fabrication et d'une plus grande sécurité en relevant soigneusement les défis et en utilisant les dernières avancées en matière de technologie de vision par ordinateur. Elles permettent également d'optimiser les flux de travail et les opérations des professionnels dans les équipes en aval ou en parallèle. Toutefois, le déplacement d'emplois, la confidentialité des données, etc. sont encore des préoccupations éthiques et sociétales majeures liées à l'adoption de cette technologie.
