3 raisons d'automatiser davantage d'inspections en ligne avec l'In-Sight D900
Au cours d'un processus de fabrication classique, de nombreuses phases ne font pas, pour une raison ou une autre, l'objet d'une inspection. Peut-être que certaines étapes du processus en ligne ne peuvent pas être automatisées, car l'inspection est trop complexe ou difficile à programmer. Peut-être que l'inspection nécessite un certain niveau de cognition, d'expertise ou de jugement humain.
Quelle que soit la raison, les produits qui ne sont pas inspectés exposent les fabricants à des rappels de produits, des inefficacités, des réusinages et d'autres résultats avec un effet négatif sur l'entreprise, qui vont à l'encontre de l'objectif d'amélioration de la rentabilité.
On estime qu'un rappel de produits peut coûter entre 10 et 100 millions de dollars à une entreprise, voire plus en termes de résultats. Cependant, l'atteinte à la réputation de la marque sur le long terme et l'affaiblissement de l'innovation peuvent s'avérer bien plus graves, déclare Ariel D. Stern, professeur à l'école de commerce de Harvard. En 2016, les rappels ont coûté approximativement 22 milliards de dollars à l'ensemble du secteur automobile.
Le coût qu'un tel évènement représenterait pour les fabricants et les marques est bien trop élevé pour que certains aspects du processus de production ne fassent pas l'objet d'une inspection.
Nous recevons régulièrement des retours de la part de nos clients de l'automatisation industrielle qui affirment que l'ajout de la technologie de Deep Learning à la plate-forme In-Sight les a aidés à relever les défis de l'inspection en ligne.
Les temps d'attente ont été éliminés grâce au tout dernier système de vision In-Sight, le D900, qui a été conçu pour aider les clients à élargir les types d'inspection en ligne pouvant être automatisés et adaptés.
L'In-Sight D900 est le premier système de vision qui intègre des fonctionnalités d'inspection basées sur le Deep Learning, ce qui permet aux non-programmeurs de bénéficier du pouvoir de transformation de l'intelligence artificielle (IA). Grâce au logiciel In-Sight ViDi, il répond aux besoins des applications les plus complexes de reconnaissance optique de caractères, de vérification de l'assemblage et de détection des défauts, sans que son déploiement nécessite un PC. Associant puissance, accessibilité et facilité d'utilisation, l'In-Sight D900 permettra aux fabricants d'inspecter ce qui ne l'était pas auparavant tout en fournissant des résultats rapides, constants et précis.
Il existe trois raisons principales qui expliquent pourquoi l'In-Sight D900 aide véritablement les fabricants et les ingénieurs automaticiens dans des secteurs aussi variés que l'automobile, le conditionnement, l'électronique et l'agroalimentaire.
1. Les applications sont faciles à développer et à déployer
Les tâches basées sur le Deep Learning de l'In-Sight D900 sont créées avec le logiciel In-Sight ViDi, qui tire parti de l'interface de feuille de calcul In-Sight intuitive pour configurer et exécuter rapidement des applications de Deep Learning sans programmation. Les utilisateurs d'In-Sight retrouvent ainsi l'environnement de programmation qu'ils connaissent et apprécient déjà.
Pour ceux qui débutent avec In-Sight, la feuille de calcul simplifie le développement d'applications et facilite l'intégration dans l'usine grâce à un ensemble complet de fonctions E/S et de communication. Elle offre également aux utilisateurs la possibilité d'associer les outils de vision classiques basés sur les règles de Cognex (par exemple, PatMax RedLine) et les outils de Deep Learning pour réaliser une même tâche, permettant ainsi des déploiements plus rapides.
In-Sight ViDi nécessite par ailleurs des ensembles d'images bien moindres ainsi que des périodes d'apprentissage et de validation plus courtes que les autres solutions basées sur le Deep Learning. Ainsi, les applications sont rapides et faciles à configurer, à entraîner et à déployer sur l'In-Sight D900.
2. Le Deep Learning est intégré à un système de vision à caméra intelligente puissant
Jusqu'à présent, l'utilisation du Deep Learning pour les inspections industrielles automatisées nécessitait un logiciel basé sur le Deep Learning (VisionPro ViDi ou un environnement open source) qui devait être exécuté sur un PC et connecté à une caméra GigE, ce qui rendait l'ajout sur la ligne d'une solution basée sur le Deep Learning particulièrement complexe.
Désormais, une fois qu'une application est créée et que le modèle de Deep Learning est entraîné, elle est déployée sur l'In-Sight D900 directement sur la ligne sans PC. Cette prouesse est possible car le D900 est doté d'un coprocesseur de moteur d'inférence intégré conçu spécialement pour répondre aux besoins des applications de Deep Learning complexes en suivant la cadence des lignes de production. À l'instar des autres systèmes de vision In-Sight, il est extrêmement modulaire et conforme à la norme IP67, et comprend des éclairages, des optiques, des filtres et des boîtiers changeables sur le terrain pouvant être personnalisés pour répondre aux besoins spécifiques de votre application.
3. Les inspections en ligne les plus difficiles peuvent être automatisées et adaptées
Le système de vision In-Sight D900 avec le logiciel In-Sight ViDi est particulièrement performant dans trois applications spécifiques : la détection des défauts, la reconnaissance optique de caractères (OCR) complexe et la vérification de l'assemblage. Grâce à trois nouveaux outils d'inspection, ViDi Detect, ViDi Read et ViDi Check, cette solution basée sur le Deep Learning peut être utilisée dans une large gamme d'applications. Par exemple, sur les pièces et les surfaces complexes où les défauts peuvent avoir une apparence imprévisible, ViDi Detect est l'outil idéal pour réaliser l'inspection.
Il détecte également les caractéristiques et objets complexes dans une image ou vérifie l'assemblage des pièces et des kits en fonction de leur emplacement au sein d'une disposition définie par l'utilisateur. Lorsqu'il s'agit de reconnaissance optique de caractères (OCR), il est bien connu que la vision industrielle réalise de bonnes performances avec un bon éclairage et un contraste net du code. Cependant, le Deep Learning lit la plupart des codes dans des environnements particulièrement difficiles. Qu'il s'agisse d'un code fortement déformé, asymétrique, mal gravé ou apposé sur une surface réfléchissante dans de mauvaises conditions d'éclairage, le Deep Learning est capable de le gérer.
Conclusion
L'In-Sight D900 est véritablement le premier dans son genre : un système de vision intelligent puissant capable d'effectuer des inspections basées sur le Deep Learning directement sur la ligne et sans PC. Pendant trop longtemps, le Deep Learning a été réservé aux universitaires et aux grandes entreprises technologiques. Désormais, les ingénieurs automaticiens et les responsables qualité ont eux aussi la possibilité de tirer parti de sa puissance au sein même des usines.
