Software di riconoscimento difetti con algoritmo di Machine Learning

Migliorare sensibilmente la rilevazione e la classificazione dei difetti nella produzione in ottone e nastri in rame e sue leghe.


DESCRIZIONE DEL PROGETTO

Il cliente è tra i leader in Europa nella produzione di barre in ottone e nastri in rame e sue leghe, dall’ottone al bronzo e leghe speciali. Il processo di produzione delle barre può portare alla generazione di impurità nei laminati. Alcuni difetti possono essere accettati, mentre altri necessitano di effettuare uno scarto del materiale prodotto. Il cliente, prima di rivolgersi a CSMT, usava un sistema di visione commerciale che permettesse di scattare fotografie su entrambe le superfici dei laminati prodotti. Queste fotografie, classificate attraverso il software proprietario del produttore del sistema, permettono di visualizzare le difettosità del materiale. La classificazione effettuata dal software iniziale non era assolutamente affidabile, in quanto non riusciva a distinguere le macchie (difetti da non considerare) dalle altre tipologie di difetti da scartare, nel particolare le sfogliature. Questa carenza ha comportato per 5 anni un lavoro di riclassificazione manuale da parte di un operatore di tutte le fotografie effettuate dal sistema (circa mezza giornata di una persona per ogni giorno).

Il software sviluppato da CSMT sfrutta un algoritmo di machine learning, ha consentito al cliente, leader in Europa nella produzione di barre in ottone e nastri in rame e sue leghe, di migliorare sensibilmente la rilevazione e la classificazione dei difetti. Rispetto al software precedente è stato introdotto un potenziamento di processo con un sistema in grado di imparare dalla riclassificazione dei difetti effettuata manualmente dall'operatore.

LA SOLUZIONE

È stato sviluppato un software di riconoscimento dei difetti che, sfruttando un algoritmo di machine learning, permettesse di migliorare sensibilmente la classificazione effettuata.

Questo software acquisisce i dati prodotti dal sistema esistente (fotografie e informazioni correlate al difetto) ed elabora una nuova classificazione.
L’algoritmo di machine learning è stato addestrato partendo da un dataset di immagini suddivise per tipologie di difetto.

Rispetto al software precedente è stato introdotto un miglioramento di processo in quanto il sistema attuale è in grado di imparare dalla riclassificazione effettuata manualmente dall’operatore (algoritmo di addestramento supervisionato).

I BENEFICI

L’algoritmo ha raggiunto un’affidabilità del 97%, permettendo di effettuare una distinzione veritiera tra le tipologie di difetto scartate a priori dal sistema precedente
Questo ha permesso di individuare in modo affidabile sia i falsi positivi, sia i falsi negativi
L’operatore deve ricontrollare molte meno fotografie rispetto a prima, sia risparmiando tempo sia migliorando la qualità del lavoro svolto
Il software è in grado di generare automaticamente un report visuale dei difetti, utile per la fase di scarto del materiale.

Inoltre:
• Il sistema storicizza in un database tutti i difetti individuati attraverso l’algoritmo di classificazione
• Nel sistema precedente veniva tenuta traccia manualmente su un registro cartaceo solo della quantità di difetti individuati
• I difetti vengono tracciati rispetto all’ID della colata e sono quindi riconducibili ad una specifica lavorazione
• Sono state poste le basi per implementare un sistema in grado di correlare i parametri di processo con i difetti relativi al prodotto
• Un possibile sviluppo futuro potrebbe essere dato dall’implementazione di un sistema di manutenzione predittiva che, sfruttando il machine learning, risulti in grado di riconoscere in tempo reale dalla lettura dei parametri di processo, quando si sta per generare un difetto durante la produzione del materiale.

Software di riconoscimento difetti con algoritmo di Machine Learning

REFERENTE DEL PROGETTO

Gabriele Zanetti

Responsabile Trasferimento Tecnologico

CSMT

MOBILE

366 6642226


TELEFONO

030 6595110



condividi