Controllo qualità e Intelligenza Artificiale possono essere due alleati importanti per promuovere l’efficienza in azienda. La SensorApp NOVA 2D Intelligent Inspection li combina in una soluzione semplice ed efficace
Automazione del controllo qualità con SensorApp NOVA 2D Intelligent Inspection di SICK: l’intelligenza artificiale a portata di tutte le aziende
1-dic-2023
L’intelligenza artificiale aiuta le aziende a promuovere efficienza nei processi, automatizzando task ripetitive e che richiedono un grande dispendio di tempo da parte degli operatori. Ad esempio, applicata ai processi di automazione del controllo qualità, l’intelligenza artificiale permette di individuare prontamente difetti e anomalie, anche di natura variabile, al fine di migliorare la qualità della produzione.
Proprio per il suo alto impatto trasformativo, sono sempre più le aziende che ricorrono all’AI. Nel 2022, il 10% del valore del mercato dell’AI italiano (500 milioni di euro) è stato generato proprio da sistemi di computer vision, che aiutano a ridurre gli sprechi associati ad anomalie o difetti di produzione. Le aziende, soprattutto le PMI, sono spesso scoraggiate nell’investire in questi sistemi da una scarsa conoscenza dei vantaggi degli stessi, nonché dagli investimenti economici iniziali, percepiti come elevati, e dalle difficoltà associate all’addestramento delle reti neurali alla base di queste soluzioni.
SICK, da sempre vicina ai bisogni delle aziende con prodotti e soluzioni che permettono di sfruttare i dati per promuovere efficienza, elimina queste complessità grazie alla sua SensorApp NOVA 2D Intelligent Inspection, che introduce l’intelligenza artificiale a bordo delle smartcamera 2D InspectorP6xx, disponibili in diverse varianti con sensore in scala di grigio e risoluzione fino a 4 Mpixel, oppure di sistemi formati da controllore esterno SIM2x00 e camera 2D streaming midiCam2 o picoCam, per soluzioni che necessitano di maggiore risoluzione, possibilità di acquisire immagini anche a colori e velocità di elaborazione particolarmente elevata.
Automazione del controllo qualità: un approccio semplice e personalizzato al Deep Learning
La sensorApp NOVA 2D Intelligent Inspection mette a disposizione numerosi tool per il controllo qualità e permette di trovare la soluzione più idonea per ogni applicazione in modo semplice, affiancando algoritmi classici di analisi delle immagini, che lavorano in base a regole predefinite, ad algoritmi basati su Deep learning, che apprendono dall'esperienza e permettono di ispezionare oggetti complessi e rilevare anche difetti di aspetto variabile.
Gli algoritmi di AI Anomaly Detection e AI Classification aprono quindi nuovi scenari, permettendo di ispezionare e classificare anche oggetti e difetti che, proprio a causa della loro variabilità intrinseca, non sarebbero gestibili con un approccio classico.
Il tool AI Anomaly Detection è utile per risolvere applicazioni in cui le anomalie non possono essere definite esattamente in via preliminare. La rete neurale in questo caso viene addestrata solo con immagini di oggetti considerati “accettabili” e l’addestramento può essere effettuato in modo molto semplice e veloce, direttamente a bordo della stessa smartcamera InspectorP6xx sulla quale esegue la sensorApp.
Gli algoritmi di classificazione sono particolarmente efficaci e versatili in situazioni complesse, per distinguere oggetti di aspetto variabile, come per esempio nella selezione di materiale deformabile, organico o riflettente o nella classificazione dei difetti.
In questo caso la rete neurale deve essere istruita con un egual numero di immagini per ciascuna classe e restituisce, come risultato, la classe di appartenenza di ciascun oggetto analizzato. A seconda della complessità dell’applicazione, è possibile utilizzare il tool AI Classification, che permette di eseguire il training della rete neurale direttamente a bordo del dispositivo con un massimo di 100 immagini, semplificando il processo di messa in servizio del sistema, oppure il tool AI Classification (dStudio), che utilizza una rete neurale ottimizzata per risolvere anche le applicazioni dove gli oggetti da ispezionare sono caratterizzati da una forte variabilità intrinseca. In questi casi è tipicamente necessario utilizzare una grande quantità di immagini (nell’ordine delle migliaia) per ciascuna classe per addestrare la rete.
A causa del grande numero di immagini coinvolte nel processo di training, l’addestramento della rete neurale richiede in questo caso un elevato potere computazionale; pertanto, non può essere eseguito a bordo della camera e viene demandato ad un servizio digitale su cloud, chiamato dStudio, che permette di generare una rete ottimizzata per una maggiore accuratezza nella classificazione e per una velocità di esecuzione più elevata. La rete addestrata viene poi scaricata a bordo della smartcamera InspectorP6xx o del controllore SIM2x00, dove eseguirà la classificazione in linea.
Convenienza e semplicità
Indipendentemente dall’algoritmo di Deep learning scelto per risolvere l’applicazione, è sempre possibile valutare l’efficacia della rete neurale istruita direttamente a bordo del sistema installato in linea. Questo processo avviene in modalità trial: l’utente ha quindi la possibilità di testare la tecnologia prima di procedere all’acquisto e anche di svolgere nuovamente l’addestramento della rete con un diverso set di immagini, per affinarne le capacità, se necessario.
L’operatore di linea al centro del processo
Si tratta quindi di un vero e proprio cambio di paradigma: l’approccio “tradizionale” ad applicazioni di visione artificiale richiede infatti che sia lo sviluppatore a definire le “regole” tali per cui un’ispezione sarà considerata passata o meno. Con la sensorApp NOVA 2D Intelligent Inspection di SICK questo processo viene invece svolto dall’intelligenza artificiale, sulla base di quanto appreso dalla rete neurale tramite le immagini di esempio che sono state utilizzate per istruirla, senza che sia necessario l’intervento di una figura specializzata. Ciò consente anche alle aziende che non dispongono in casa di queste competenze di accedere ai vantaggi dell’AI applicata all’automazione del controllo qualità
Ad essere coinvolti sono invece gli operatori della linea, che conoscono nel dettaglio i processi di produzione ed i difetti che devono essere identificati e possono contribuire efficacemente a scegliere le immagini più esemplificative per effettuare il training della rete neurale ed in seguito, grazie alla facilità di utilizzo della soluzione, ad affinarne le capacità. In questo modo è possibile valorizzare l’importante patrimonio di conoscenze che questi operatori hanno sui processi e sui prodotti aziendali.
Innovazione a portata di tutte le aziende
La possibilità di addestrare la rete neurale direttamente a bordo della camera o eventualmente utilizzando il servizio in cloud dStudio permette di ridurre considerevolmente il costo dell’investimento iniziale necessario a implementare la soluzione basata su Deep learning, poiché non è necessario acquistare una GPU dedicata.
La possibilità di testare la soluzione in modalità trial, invece, permette alle aziende di valutare l’impatto, in termini di prestazioni ed efficienza, che la soluzione avrebbe sui processi aziendali, consentendo di compiere una scelta di investimento più informata. Vantaggi che rendono l’automatizzazione del controllo qualità accessibile a tutte le aziende, dalle grandi imprese alle PMI.
Leggi anche:
Automazione e robot, tutti i plus per l'industria 4.0
Sicurezza dei carrelli elevatori: tutte le tecnologie per tutelare i lavoratori
