Addestrare il proprio sistema di ispezione visiva per nuove linee di prodotto.

Permettimi di iniziare con un po' di onestà. L'introduzione di una nuova linea di prodotto è un bel traguardo, ma può anche causare non pochi grattacapi. Il tuo sistema di ispezione visiva non conosce i nuovi componenti e non ha la minima idea di cosa costituisca un componente conforme o non conforme. Devi addestrarlo. Se procedi nel modo sbagliato, finirai per avere rifiuti falsi, difetti non rilevati e molti operatori frustrati. La buona notizia è che addestrare un sistema di ispezione visiva può essere rapido e indolore, purché tu segua i passaggi corretti.

La preparazione inizia con la raccolta dei campioni

Prima ancora di toccare il sistema, è necessario raccogliere i campioni. Questo è il passo più importante e, tuttavia, quello che le persone affrontano con maggiore fretta. Non essere quella persona.

È necessario disporre di diversi tipi di campioni. Innanzitutto, raccogliere pezzi conformi. Non bastano poche immagini di prodotti che rispettano i vostri standard qualitativi: potreste averne bisogno di decine, o addirittura di centinaia. Più immagini avrete, meglio il sistema comprenderà l’aspetto di un prodotto accettabile. Tali pezzi conformi devono inoltre coprire le variazioni normali che ci si aspetta di riscontrare, ad esempio lievi differenze di colore, piccoli spostamenti di posizione o minimi cambiamenti di texture. Se la fase di addestramento include esclusivamente pezzi perfetti, il sistema di ispezione visiva scarterà ogni elemento che presenti anche solo una leggera differenza, anche se in realtà è perfettamente conforme.

In secondo luogo, raccogliere i componenti difettosi. Redigere un elenco completo per ciascun tipo di difetto rilevante per la vostra attività. Questo elenco potrebbe includere graffi, crepe, componenti mancanti, colori errati o etichette non allineate. Maggiore è la varietà di esempi di difetti disponibili, migliore sarà l’apprendimento del sistema riguardo a ciò che deve rilevare. Uno studio ha dimostrato che un modello pre-addestrato per il rilevamento di difetti può adattarsi a nuovi prodotti dopo aver ricevuto un numero moderato di nuovi campioni e una limitata fase di affinamento (fine-tuning). Tuttavia, «moderato» non significa «minimo». Un dataset di scarsa qualità produrrà comunque risultati scadenti; assicuratevi quindi di preparare campioni ben definiti.

Utilizzare Quick Teach per un avvio rapido

Una volta pronto il vostro dataset di esempio, è il momento di addestrare il sistema. Avete fortuna, poiché quasi tutti i moderni sistemi di ispezione visiva dispongono di una funzionalità integrata chiamata Quick Teach o «insegnamento con un solo pulsante», che semplifica notevolmente il vostro lavoro durante l’introduzione di una nuova linea di prodotti.

La funzione Quick Teach funziona acquisendo un'immagine di riferimento di un componente privo di difetti e impostando automaticamente i parametri del sistema sulla base di tale immagine. Il sistema analizza l'immagine di riferimento, misura le caratteristiche principali e applica le tolleranze. Non è necessario inserire manualmente valori numerici né indovinare la posizione delle soglie: il sistema svolge per voi il lavoro più complesso.

Questo metodo si rivela particolarmente efficace per ispezionare rapidamente un lotto di componenti identici tra loro. Ad esempio, se si devono ispezionare componenti metallici stampati identici o componenti in plastica ottenuti mediante stampaggio a iniezione, la funzione Quick Teach consente di completare l’impostazione in pochi minuti anziché in alcune ore. Alcune moderne telecamere riducono i tempi di configurazione da ore a soli minuti, apprendendo automaticamente da alcune immagini campione. È fondamentale assicurarsi che l’immagine di riferimento rappresenti accuratamente l’aspetto dei componenti che ci si attende di riscontrare nel lotto.

Passare alla modalità Standard Teach quando i componenti presentano variazioni

Quick Teach presenta uno svantaggio. Se i pezzi presentano una variabilità significativa nell’aspetto, Quick Teach tenderà a scartare un numero maggiore di pezzi conformi. In tal caso, il sistema deve apprendere attraverso un certo numero di iterazioni con i pezzi.

Standard Teach funziona in modo diverso. Invece di utilizzare una singola immagine di riferimento, si esegue l’intero lotto di pezzi conformi attraverso il sistema. Il sistema di ispezione visiva analizza tutti questi pezzi, misura la variabilità naturale e imposta le proprie tolleranze in modo da includere l’intero intervallo di risultati accettabili. In questo modo, il sistema apprende quale aspetto hanno i pezzi conformi nelle effettive condizioni di produzione, e non soltanto in un ambiente di laboratorio ideale.

Non c'è alcun limite al numero di campioni che è possibile utilizzare durante il processo di insegnamento (Teach). Più pezzi conformi si mostrano al sistema, meglio esso comprenderà quali caratteristiche sono accettabili. Ecco un consiglio professionale: utilizzare esclusivamente pezzi conformi durante un normale processo di insegnamento. Se per errore si include un pezzo non conforme, il sistema apprenderà che tale difetto è accettabile, causando seri problemi.

Regolazione manuale, se necessario

A volte l'insegnamento automatico non è sufficiente. I vostri pezzi potrebbero presentare caratteristiche complesse con cui il sistema ha difficoltà. In questi casi, è necessario regolare manualmente i parametri.

La maggior parte dei sistemi di ispezione visiva consente di accedere agli strumenti e di regolarne le impostazioni manualmente. È possibile modificare la regione di interesse, variare le soglie di tolleranza e affinare la logica di accettazione o rifiuto. Questa procedura richiede più tempo ed esperienza, ma offre il massimo controllo. Per applicazioni ad alta precisione, in cui anche errori minimi contano, la regolazione manuale giustifica lo sforzo aggiuntivo.

Se stai lavorando con un nuovo prodotto simile a uno precedente, puoi talvolta risparmiare molto tempo utilizzando un'ispezione esistente come punto di partenza. Uno studio sul trasferimento dell'apprendimento ha dimostrato che un modello addestrato su prodotti precedenti può essere adattato a quelli nuovi con soltanto una quantità moderata di nuovi dati di addestramento, mantenendo un'accuratezza superiore al 98 percento. Ciò significa che non è sempre necessario partire da zero: puoi costruire sui modelli esistenti.

Sfrutta l'intelligenza artificiale per ispezioni complesse

I sistemi tradizionali di ispezione visiva si basano su regole fisse. La riga è più lunga di X millimetri? Il colore è fuori dall'intervallo Y? Questo funziona bene per ispezioni semplici. Tuttavia, quando i difetti sono irregolari, inconsistenti o difficili da descrivere mediante regole fisse, i sistemi convenzionali tendono a incontrare difficoltà.

L'ispezione visiva basata sull'intelligenza artificiale rivoluziona il settore. Invece di seguire un insieme prescrittivo di regole, il sistema apprende da esempi. Gli si forniscono centinaia o migliaia di immagini di prodotti conformi e non conformi, e il sistema individua autonomamente i modelli corrispondenti. L'ispezione visiva basata sull'intelligenza artificiale è particolarmente vantaggiosa per i produttori che intendono preservare la qualità dei prodotti e ridurre al minimo gli scarti. È inoltre altamente adattabile ai cambiamenti dei prodotti. Alcune piattaforme combinano l'apprendimento supervisionato e non supervisionato basato sull'intelligenza artificiale con strumenti basati su regole, al fine di ridurre i falsi positivi e impedire che prodotti difettosi raggiungano i clienti.

Il grande vantaggio degli attuali sistemi è la loro facilità d'uso. Alcune telecamere includono ora intelligenza artificiale integrata che apprende automaticamente da poche immagini campione, eliminando la necessità di una configurazione manuale lunga e complessa. Interfacce intuitive guidano l'operatore in ogni fase del processo di configurazione, dall'ottimizzazione dell'illuminazione alla registrazione delle immagini di riferimento. Anche gli operatori con limitata esperienza nell'ispezione visiva possono creare processi di ispezione affidabili.

Test e convalida sono essenziali

È qui che la maggior parte delle persone commette errori critici. Configurano il sistema, eseguono un rapido test e lo inseriscono immediatamente in produzione. Si tratta di un errore gravissimo.

Prima di lasciare che il vostro sistema di ispezione visiva operi in autonomia, è necessario convalidarlo correttamente. Eseguite un lotto di pezzi notoriamente conformi e non conformi attraverso il sistema. Verificate se rileva tutti i difetti e se scarta eventuali pezzi buoni. Se il tasso di falsi rifiuti è troppo elevato, tornate indietro e regolate le tolleranze. Se il tasso di mancati rilevamenti è troppo elevato, aggiungete ulteriori campioni difettosi al vostro set di addestramento.

Un approccio basato su una prova di concetto funziona bene in questo caso. Iniziate con un singolo punto critico di ispezione sulla vostra nuova linea, anziché cercare di automatizzare tutto contemporaneamente. Raccogliete il vostro dataset di riferimento composto da campioni buoni e difettosi, verificate la fattibilità e solo successivamente procedete alla scalabilità. Eseguire correttamente questo passaggio vi consentirà, alla fine, di risparmiare notevoli somme di denaro.

Pianificare il miglioramento continuo

Addestrare un sistema di ispezione visiva non è un evento unico nel tempo. I vostri prodotti cambieranno. I vostri fornitori cambieranno. Le condizioni di produzione cambieranno. Anche il vostro sistema di ispezione dovrà adeguarsi.

Creare un processo per la formazione continua. Ogni volta che si individua un nuovo tipo di difetto che il sistema ha mancato, aggiungere tali immagini al set di addestramento e rieseguire l’addestramento. Ogni volta che si modifica il design di un prodotto, aggiornare le immagini di riferimento. Alcuni sistemi avanzati offrono funzionalità di apprendimento continuo che si adattano alle variazioni del prodotto nel tempo. Più si addestra il sistema, più diventa intelligente.

I produttori che applicano correttamente questi principi ottengono risultati tangibili. L’ispezione visiva basata sull’intelligenza artificiale consente di rilevare i difetti in una fase più precoce, di effettuare un’analisi più rapida della causa radice e di ottenere informazioni azionabili in tempo reale, migliorando così l’efficienza e riducendo gli sprechi. YIHUI progetta apparecchiature per l’ispezione visiva tenendo conto di questi principi formativi, supportando i produttori nei settori delle macchine, dell’elettronica, dell’aerospaziale e dell’automotive nell’avviare più rapidamente nuove linee di prodotti. Dopotutto, un sistema di ispezione visiva è tanto efficace quanto la qualità dell’addestramento ricevuto. Se eseguito correttamente, proteggerà il vostro marchio per molti anni a venire.