UTILIZACIÓN DE LA VISIÓN MÁQUINA PARA LA DETECCIÓN Y PREVENCIÓN DE DEFECTOS DE FABRICACIÓN

Con la Industria 4.0 en aumento, los fabricantes enfrentan una presión cada vez mayor para mejorar la velocidad y precisión de sus líneas de producción.

Los defectos de fabricación pueden convertirse en una pesada carga financiera. Según la Sociedad Estadounidense de Calidad, muchas organizaciones gastan entre el 15% y el 20% de los ingresos por ventas en costos relacionados con la calidad, y algunas gastando hasta el 40% del total de las operaciones. Detectar defectos antes de que los productos salgan al mercado (e ir un paso más allá para prevenirlos antes de que ocurran) reduce los desechos y el retrabajo, ahorra tiempo y mejora los resultados del fabricante.

En lugar de depender únicamente del ojo humano, los fabricantes están recurriendo a soluciones de visión artificial que comprenden elementos de software y hardware para realizar inspecciones visuales de los productos. Visión de máquina elimina la subjetividad del proceso de inspección, proporciona resultados más consistentes y elimina el riesgo de errores humanos.

La visión artificial permite que el software reciba información visual de las cámaras, analice lo que ve y actúe en función de esa información. En una solución de visión artificial para la detección de defectos, las cámaras industriales capturan imágenes a medida que los productos avanzan. El software de detección de defectos escanea las imágenes en busca de defectos del producto, señala anomalías, activa un mecanismo de rechazo para sacarlo de la línea y envía alertas a los gerentes en el piso. A diferencia de los inspectores humanos, cámaras de visión artificial capturar y retener datos que, con el tiempo, puedan informar a los fabricantes sobre problemas en su proceso de producción que conducen a defectos, permitiéndoles aplicar técnicas de prevención.

Fig 1: Las cámaras de visión artificial pueden ayudar a identificar defectos y garantizar el montaje adecuado de las placas de circuitos electrónicos.

Si bien la tecnología evoluciona rápidamente, existen factores que hacen de la visión artificial una excelente opción para algunas aplicaciones de control de calidad, pero no para otras. Soluciones de visión artificial utilizadas con cámaras de alta velocidad Puede inspeccionar muchas piezas por segundo si busca detalles específicos, pero el software podría tener problemas con anomalías inesperadas, como cambios en la apariencia de las piezas debido a contaminación, orientación u oclusión. Por ejemplo, en una planta de fabricación de semiconductores, una solución de detección de defectos por visión artificial podría calificar la calidad de cada oblea de silicio, eliminando los elementos de la línea si están agrietados o defectuosos.

Si bien existen variaciones entre las soluciones del mercado, la mayoría sigue un patrón para ponerlas en funcionamiento y mejorar los resultados con el tiempo.

• Extracción de características: En primer lugar, el fabricante presenta al software una plantilla para comprobar si hay defectos. A menudo se presenta en forma de imagen con factores particulares resaltados para que, cuando aparezcan anomalías, se marquen como defectos. Por ejemplo, si el resorte de una válvula de automóvil está doblado, la solución de visión artificial envía una alerta y un brazo robótico lo retira de la línea.
• Entrenamiento del modelo: A medida que comienza la implementación, los administradores humanos introducen imágenes etiquetadas en el software para profundizar su conocimiento de la plantilla. Las imágenes se clasifican en piezas buenas o malas, en función de si aparece algún defecto concreto.
• Pruebas: Después de pruebas rigurosas y correcciones frecuentes para garantizar que la detección de defectos sea precisa, la solución está lista para funcionar sin supervisión humana constante.

Debido a que la visión artificial es capaz de catalogar rápidamente patrones de defectos, lo que ofrece una ventaja sobre los inspectores humanos, el sistema puede ayudar a establecer las causas fundamentales de los defectos. Al aplicar análisis de fabricación en tiempo real, el software puede marcar exactamente qué variable era incorrecta (como una etiqueta de producto desalineada) y también observar cuándo y con qué frecuencia ocurre el defecto, lo que permite a los gerentes identificar las causas fundamentales.

Existe una amplia gama de aplicaciones potenciales para la detección y prevención de defectos de visión artificial en instalaciones de fabricación. Algunos ejemplos incluyen:

• Plantas de fabricación: Las cámaras de visión artificial de alta resolución pueden detectar incluso las anomalías más pequeñas en los productos. Ese nivel de inspección detallada es particularmente importante cuando el producto es un dispositivo médico o un componente de un motor de automóvil, en el que cualquier defecto podría ser peligroso.
• La producción de alimentos: En el proceso de producción de alimentos, la visión artificial puede detectar envases mal etiquetados, leer texto y códigos de barras en las etiquetas y controlar las cantidades de ingredientes añadidos, como los condimentos de las patatas fritas. Al proporcionar documentación y datos sobre detalles como etiquetas, ingredientes y sellos de seguridad, las soluciones de visión artificial ayudan a los fabricantes de alimentos a cumplir con estrictos estándares y regulaciones de la industria.
• Transporte: Utilizando la tecnología de visión artificial, los fabricantes de vehículos pueden monitorear los procesos de ensamblaje y detectar defectos en tiempo real. Por ejemplo, el software podría detectar un defecto en la superficie de un neumático de automóvil y notificar a un humano o a un robot que lo retire de la línea. El uso de sistemas automatizados para identificar y eliminar piezas defectuosas ayuda al cumplimiento normativo porque proporciona un flujo de datos registrados.

Industria médica: Los productos fabricados para hospitales, médicos y pacientes deben inspeccionarse cuidadosamente para garantizar que estén sellados y etiquetados correctamente. Impacto de los errores de medicación más de siete millones de pacientes en los EE. UU. cada año, y las soluciones de visión artificial podrían reducir ese número al detectar defectos que los inspectores humanos no pueden ver.

Emergent aprovecha el poder y la confiabilidad de GigE Vision y la infraestructura Ethernet ampliamente accesible para garantizar una adquisición y transmisión de datos sólida y confiable, brindando un rendimiento excepcional. Al utilizar una configuración GigE Vision optimizada y al admitir tecnologías como NVIDIA GPUDirect Para la transferencia directa de imágenes a la memoria de la GPU, Emergent elimina la carga de la CPU y la memoria del sistema cuando se manejan transferencias de datos sustanciales. En cambio, aprovecha el poder de las GPU para tareas de procesamiento de datos mientras mantiene la compatibilidad con el estándar GigE Vision y la interoperabilidad con software y periféricos compatibles.

Fig 3: En los sensores polarizados CMOS PolarSens de Sony, pequeños polarizadores de rejilla de alambre sobre cada lente tienen ángulos de polarización de 0°, 45°, 90° y 135° en grupos de cuatro píxeles.

Para opciones de cámara adicionales, consulte nuestra herramienta de diseño de sistemas interactivos.