Blogs de Cognex

Cómo Sekisui House (Japón) automatizó la inspección de defectos en paredes cerámicas con VisionPro Deep Learning

Sekisui House uses Cognex deep learning to find defects on ceramic tile

Sekisui House Ltd. es una de las principales constructoras de hogares de Japón, con una ganancia anual cercana a los $20 mil millones de USD. La empresa, fundada en 1960 y con su casa central en Osaka, es conocida por sus inconfundibles revestimientos cerámicos de baldosas de Bellburn, hechos en sus fábricas de Shizuoka y Tohoku.

Las baldosas cerámicas de Bellburn se utilizan para el revestimiento de las paredes exteriores en la construcción de viviendas de lujo. No solo son atractivas, también son duraderas, tienen propiedades de autolimpieza y representan la filosofía de la empresa de crear productos “lentos e inteligentes”. Las baldosas se templan y se incorporan técnicas de arte cerámico en su proceso de producción. Pero al igual que en las artes cerámicas, a veces quedan pequeñas cavidades cóncavas o líneas en el exterior procedentes del proceso de moldeado original, que da forma a la arcilla u otro material. Es fundamental inspeccionar todas las baldosas para eliminar las imperfecciones cosméticas del proceso de moldeado.

Sekisui House 01

Es imposible para una persona seguir el volumen de inspecciones visuales manuales. También ha sido difícil y ha llevado mucho tiempo formular reglas de inspección de visión artificial para considerar todos los posibles defectos visuales que podrían presentarse durante una inspección automatizada de las baldosas de Bellburn. Además, no toda imperfección causada por defectos externos o irregularidades en el color es motivo de rechazo. Algunos de los posibles defectos están dentro del rango aceptable para limitar el riesgo de retirar un buen producto de la producción, lo que repercutiría en el volumen de suministro necesario.

Para garantizar contar con la cantidad necesaria de baldosas de Bellburn en la inspección final, se formularon planes de producción en función de las tasas de rendimiento previas y las inspecciones manuales ineficientes. Esto dio lugar a un aumento de las existencias, algunas de las cuales se convirtieron en existencias inmovilizadas.

Para cumplir con estos desafíos de inspección, Sekisui House implementó VisionPro Deep Learning combinado con una cámara de escaneo en línea e iluminación LED para automatizar las inspecciones de defectos estéticos en todo el proceso de producción. Gracias a la inspección automática de todas las piezas, el constructor de viviendas consiguió mejorar la calidad general del proceso de fabricación, reducir los excedentes de producción, recortar las existencias y los costos, y estabilizar el suministro de revestimientos cerámicos de Bellburn.

La detección de defectos mediante aprendizaje profundo solo necesita poca información de imágenes

VisionPro Deep Learning, una solución de aprendizaje profundo basada en PC, identifica múltiples defectos estéticos en la placa original en función de una pequeña muestra de imágenes aprobadas. En general, una herramienta de aprendizaje profundo de código abierto necesita de muchas imágenes para diferenciar entre fallas aceptables e inaceptables. Sin embargo, VisionPro Deep Learning puede hacerlo con solo un conjunto de alrededor de 100 imágenes porque su herramienta de detección de defectos está fabricada especialmente para la producción.

Tras la etapa de cocción del proceso de moldeo, la cámara de escaneo en línea y la iluminación LED capturan imágenes externas para la inspección automatizada. VisionPro Deep Learning identifica defectos como protuberancias, depresiones, tonos de color o líneas indeseadas. Luego, analiza estas imágenes y permite a los ingenieros de automatización refinar más la aplicación en función de los defectos estéticos aceptables o inaceptables.

Alta velocidad de procesamiento para detección en tiempo real en la línea de fabricación

Sekisui House 02 

Al detectar en tiempo real los defectos que surgen durante el moldeado, los artículos defectuosos pueden detectarse en etapas más tempranas del proceso. El control de calidad se realiza con mayor precisión en el paso previo a la inspección final, lo que mejora la precisión de la planeación productiva. Por ejemplo, diferenciar un material de 200 x 32 cm toma unos dos segundos. Una inspección externa a esta velocidad en la línea de fabricación es completamente imposible utilizando solo inspección humana. VisionPro Deep Learning inspecciona los puntos deformados de forma selectiva, lo que le permite hacer distinciones a una gran velocidad de procesamiento.

Éxito en la reducción de existencias inmóviles

La incorporación de este sistema de inspección redujo las existencias inmóviles en un 40%, que solían representar el 0.4% del volumen de producción de reserva, lo que condujo a disminución de costos.

Automatizar la inspección visual a través del aprendizaje profundo antes del proceso final condujo a enormes mejoras en la gestión de la calidad más precisa. Mejoró los rendimientos, lo que posibilita planear la producción en forma precisa y disminuye el inventario.

Incluso más reducciones de costos con la expansión horizontal

Luego del éxito en la implementación en la fábrica en Shizuoka, el sistema de detección de defectos mediante aprendizaje profundo también se instaló en la fábrica en Tohoku. En Tohoku, la inspección externa se incorporó después de la etapa de prensado del material de arcilla. Si los defectos se detectan antes que la arcilla seque, el material se recicla, lo que elimina el desperdicio. Esto llevó a un ahorro significativo en los costos de los materiales.

Asegurar la estabilidad del suministro

La capacidad de detectar defectos en tiempo real a través de la automatización de la inspección visual durante la producción utilizando VisionPro Deep Learning consiguió reducir el inventario y los costos. Lograr la automatización de la inspección visual externa de cada baldosa utilizando VisionPro Deep Learning hizo posible producir el número exacto de placas de cerámica requeridas precisamente cuando se necesitan.

En general, el proceso de producción de los revestimientos cerámicos de Bellburn se agilizó. Gracias a VisionPro Deep Learning que automatizó estas inspecciones, Sekisui House ha podido cumplir mejor su lema de “crear residencias de diseño libre, una por una, desde cero a medida para hacer realidad el sueño de los clientes”.

Más publicaciones en

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex

¿Tiene alguna pregunta?

Los representantes de Cognex están disponibles en todo el mundo para respaldar sus necesidades de visión y de lectura de códigos de barras industriales.

Contáctenos
Loading...