Entrenamiento de su sistema de inspección por visión para nuevas líneas de productos.

Permítame comenzar con cierta honestidad. Incorporar una nueva línea de productos es un hito positivo, pero también puede generar importantes dolores de cabeza. Su sistema de inspección visual no conoce las nuevas piezas y tampoco tiene idea de qué constituye una pieza buena o una pieza defectuosa. Debe enseñárselo. Si lo hace de la manera incorrecta, terminará con rechazos falsos, defectos pasados por alto y muchos operarios frustrados. La buena noticia es que capacitar un sistema de inspección visual puede ser rápido y sencillo si sigue los pasos adecuados.

La preparación comienza con la recolección de muestras

Antes de tocar siquiera el sistema, debe recopilar sus muestras. Este es el paso más importante y, sin embargo, el que más se apresura habitualmente. No sea esa persona.

Necesita varios tipos de muestras. En primer lugar, recolecte piezas buenas. Necesitará más que solo unas pocas imágenes de productos que cumplan con sus estándares de calidad. Es posible que necesite decenas o incluso cientos. Cuantas más imágenes tenga, mejor comprenderá el sistema qué aspecto tiene una pieza aceptable. Estas piezas buenas también deben cubrir las variaciones normales que espera observar, como ligeras diferencias en el color, pequeños desplazamientos en la posición o cambios menores en la textura. Si su entrenamiento incluye únicamente piezas perfectas, el sistema de inspección visual rechazará todo lo que parezca ligeramente distinto, incluso si sigue siendo perfectamente válido.

En segundo lugar, recolecte las piezas defectuosas. Elabore una lista exhaustiva para cada tipo de defecto que sea relevante para usted. Esta lista podría incluir rayones, grietas, componentes faltantes, colores incorrectos o etiquetas mal alineadas. Cuanta mayor sea la variedad de ejemplos de defectos que tenga, mejor aprenderá el sistema qué buscar. Un estudio mostró que un modelo preentrenado de detección de defectos podía adaptarse a nuevos productos tras recibir una cantidad moderada de nuevas muestras y una pequeña cantidad de ajuste fino. Pero «moderada» no significa «mínima». Un conjunto de datos deficiente seguirá arrojando resultados deficientes, así que asegúrese de preparar muestras bien definidas.

Utilice Quick Teach para comenzar rápidamente

Una vez que tenga su conjunto de muestras listo, es momento de enseñarle al sistema. ¡Tiene suerte, porque casi todos los sistemas modernos de inspección por visión cuentan con una función integrada denominada Quick Teach o enseñanza con un solo botón. Esto facilita mucho su trabajo al incorporar una nueva línea de productos.

La función Quick Teach funciona tomando una imagen de referencia de una pieza sin defectos y configurando automáticamente los parámetros del sistema en función de dicha imagen. El sistema analiza la imagen de referencia, mide las características clave y aplica las tolerancias correspondientes. No es necesario introducir manualmente valores numéricos ni adivinar dónde deben establecerse los umbrales; el sistema realiza automáticamente el trabajo más exigente.

Este método resulta muy eficaz para inspeccionar rápidamente un lote de piezas que presentan todas el mismo aspecto. Por ejemplo, si está inspeccionando piezas metálicas estampadas idénticas o componentes plásticos moldeados, Quick Teach puede completar la tarea en pocos minutos en lugar de varias horas. Algunas cámaras modernas reducen el tiempo de configuración de horas a tan solo minutos, aprendiendo automáticamente a partir de unas pocas imágenes de muestra. Lo fundamental es asegurarse de que la imagen de referencia sea una buena representación del aspecto que presentarán las piezas del lote.

Pase al modo Standard Teach cuando las piezas varíen

Quick Teach tiene un inconveniente. Si sus piezas presentan una variabilidad significativa en su apariencia, Quick Teach tenderá a rechazar un número mayor de piezas buenas. En ese caso, el sistema debe aprender a partir de varias iteraciones de piezas.

Standard Teach funciona de manera diferente. En lugar de utilizar una única imagen de referencia, se ejecuta un lote completo de piezas buenas a través del sistema. El sistema de inspección por visión analiza todas ellas, mide la variación natural y establece sus tolerancias para incluir todo ese rango de resultados aceptables. De este modo, el sistema aprende qué aspecto tienen las piezas buenas en sus condiciones reales de producción, y no únicamente en un entorno de laboratorio perfecto.

No hay límite en la cantidad de muestras que puede utilizar durante el proceso de enseñanza (Teach). Cuantas más piezas buenas muestre al sistema, mejor comprenderá qué es aceptable. Y aquí tiene un consejo profesional: utilice únicamente piezas buenas al realizar una enseñanza estándar. Si por accidente incluye una pieza defectuosa, el sistema aprenderá que dicho defecto es aceptable, y acabará teniendo un verdadero desastre entre manos.

Ajuste manual cuando sea necesario

En ocasiones, la enseñanza automática no es suficiente. Es posible que sus piezas tengan características complejas con las que el sistema tenga dificultades. En esos casos, deberá ajustar manualmente los parámetros.

La mayoría de los sistemas de inspección por visión permiten acceder a las herramientas y ajustar manualmente los parámetros. Puede modificar la región de interés, cambiar los umbrales de tolerancia y afinar la lógica de aprobación o rechazo. Este procedimiento requiere más tiempo y cierta experiencia, pero le otorga el máximo control. Para aplicaciones de alta precisión, donde incluso los errores más pequeños son significativos, el ajuste manual justifica el esfuerzo adicional.

Si está trabajando con un nuevo producto que es similar a uno antiguo, a veces puede ahorrar mucho tiempo utilizando una inspección existente como punto de partida. Un estudio sobre el aprendizaje por transferencia mostró que un modelo entrenado con productos antiguos puede adaptarse a nuevos productos con solo cantidades moderadas de nuevos datos de entrenamiento, manteniendo una precisión superior al 98 por ciento. Esto significa que no siempre tiene que comenzar desde cero. En su lugar, puede construir sobre modelos existentes.

Aproveche la inteligencia artificial para inspecciones complejas

Los sistemas tradicionales de inspección por visión se basan en reglas fijas: ¿es la rayadura más larga que X milímetros? ¿Está el color fuera del rango de Y? Esto funciona bien para inspecciones sencillas. Sin embargo, cuando los defectos son irregulares, inconsistentes o difíciles de describir mediante reglas fijas, los sistemas convencionales suelen tener dificultades.

La inspección visual impulsada por IA cambia las reglas del juego. En lugar de seguir un conjunto prescriptivo de reglas, el sistema aprende a partir de ejemplos. Le muestras cientos o miles de imágenes buenas y malas, y él identifica los patrones por sí mismo. La inspección visual impulsada por IA resulta especialmente beneficiosa para los fabricantes que buscan preservar la calidad del producto y minimizar los residuos. Asimismo, es altamente adaptable a los cambios en los productos. Algunas plataformas combinan el aprendizaje supervisado y no supervisado mediante IA con herramientas basadas en reglas para reducir los falsos positivos y evitar que los productos defectuosos lleguen a los clientes.

Lo mejor de los sistemas actuales es que son fáciles de usar. Actualmente, ciertas cámaras incluyen inteligencia artificial integrada que aprende automáticamente a partir de tan solo unas pocas imágenes de ejemplo, eliminando así la necesidad de una configuración manual larga y compleja. Interfaces fáciles de usar guían a los operadores en cada etapa del proceso de configuración, desde el ajuste de la iluminación hasta el registro de imágenes de referencia. Incluso los operadores con poca experiencia en inspección por visión artificial pueden crear procesos de inspección robustos.

Las pruebas y la validación son fundamentales

Aquí es donde la mayoría de las personas cometen errores críticos. Entrenan el sistema, realizan una prueba rápida y luego lo ponen directamente en producción. Eso es un error grave.

Antes de dejar que su sistema de inspección visual funcione sin supervisión, debe validarlo adecuadamente. Ejecute un lote de piezas conocidas como buenas y otras conocidas como defectuosas a través del sistema. Verifique si detecta todos los defectos y si rechaza alguna pieza buena. Si su tasa de falsos rechazos es demasiado alta, vuelva atrás y ajuste sus tolerancias. Si su tasa de omisiones es demasiado alta, agregue más muestras de defectos a su conjunto de entrenamiento.

Un enfoque de prueba de concepto funciona bien en este caso. Comience con un punto crítico de inspección en su nueva línea, en lugar de intentar automatizarlo todo de inmediato. Reúna su conjunto de datos de referencia con muestras buenas y defectuosas, evalúe la viabilidad y, solo entonces, amplíe la solución. Realizar correctamente este paso le ahorrará, a la postre, una gran cantidad de dinero.

Planifique la mejora continua

Entrenar un sistema de inspección visual no es un evento único. Sus productos cambiarán. Sus proveedores cambiarán. Sus condiciones de producción cambiarán. Su sistema de inspección debe mantenerse actualizado.

Establezca un proceso para la formación continua. Cada vez que identifique un nuevo tipo de defecto que su sistema haya pasado por alto, agregue esas imágenes a su conjunto de entrenamiento y vuelva a entrenar el sistema. Cada vez que modifique el diseño de un producto, actualice sus imágenes de referencia. Algunos sistemas avanzados ofrecen capacidades de aprendizaje continuo que se adaptan a las variaciones del producto con el tiempo. Cuanto más entrene su sistema, más inteligente se volverá.

Los fabricantes que implementan correctamente este enfoque obtienen resultados tangibles. La inspección visual basada en IA permite detectar defectos de forma temprana, realizar un análisis más rápido de las causas fundamentales y proporcionar información accionable en tiempo real que mejora la eficiencia y reduce los residuos. YIHUI diseña equipos de inspección visual teniendo en cuenta estos principios de entrenamiento, ayudando a fabricantes de los sectores de maquinaria, electrónica, aeroespacial y automotriz a poner en marcha nuevas líneas de productos con mayor rapidez. Al fin y al cabo, un sistema de inspección visual es tan bueno como el entrenamiento que se le imparta. Si lo hace correctamente, protegerá su marca durante años.