Stampaggio a iniezione · 1 stabilimento · 18 presse
Trovare il difetto in pressa, non dal cliente
Stampate incomplete e linee di flusso venivano trovate sulla linea di montaggio del cliente. Abbiamo messo una telecamera e un modello piccolo in pressa, e i pezzi hanno smesso di uscire dallo stabilimento.
La situazione
Un fornitore di rivestimenti interni stampati per il primo livello automotive. I difetti estetici, soprattutto stampate incomplete, linee di flusso, risucchi e bruciature, venivano intercettati da un controllo visivo finale a campione, circa un pezzo su cinquanta.
Due reclami cliente in un anno. Ognuno significava una contenimento, una selezione presso il cliente e un tecnico qualità in aereo per una settimana. Il costo del reclamo non è mai stato lo scarto: è il contenimento.
Cosa lo rendeva difficile
- Il ciclo va da 22 a 48 secondi secondo lo stampo. La decisione deve arrivare prima del pezzo successivo, ogni volta.
- Niente cloud. Il contratto con il cliente vieta che immagini dei suoi particolari escano dallo stabilimento, e in questo settore non si tratta.
- In stabilimento nessuno sa riaddestrare un modello, e nessuno vuole farlo. Quello che costruivamo doveva restare corretto senza un data scientist in sede.
- Uno scarto sbagliato costa un pezzo buono. Un pezzo difettoso lasciato passare costa un contenimento. Lo stabilimento accettava di scartare buono fino al due per cento, non un punto di più.
Come l’abbiamo costruito
01
Verificare che il difetto si veda
Settimane da 1 a 3
Un’illuminazione fissa e una telecamera da cinque megapixel su una pressa. Quattromila immagini, etichettate dai controllori qualità dello stabilimento e non da noi, perché sono loro a decidere cosa è un difetto.
RiceveUn set di immagini etichettato, e la risposta onesta che con quella luce due delle quattro classi erano separabili e i risucchi no.
02
Sistemare la luce prima del modello
Settimane 4 e 5
I risucchi diventano evidenti con una luce radente a basso angolo. Abbiamo cambiato il supporto e ripreso le immagini. Da qui viene gran parte della precisione, e non c’entra il machine learning.
RiceveUna specifica di illuminazione abbastanza precisa perché l’elettricista dello stabilimento la riproduca sulle altre presse.
03
Addestrare piccolo, eseguire a bordo macchina
Settimane da 6 a 9
Un classificatore convoluzionale piccolo, affinato sul set etichettato, che gira in circa sette millisecondi su un modulo GPU embedded fissato alla pressa. Abbastanza piccolo da stare nel ciclo, abbastanza piccolo da poterlo spiegare.
RiceveUn modello al 99,1% di richiamo sulle classi in perimetro e 1,4% di scarto errato, misurati su un set di prova scelto dallo stabilimento e mai visto in addestramento.
04
Collegarlo al processo
Settimane da 10 a 12
Il pezzo scartato va in un contenitore chiuso con contatore, non per terra dove si può recuperare. Il MES riceve il codice causale. Tre scarti consecutivi fermano la pressa e chiamano l’attrezzista, perché tre di fila sono un problema di processo, non di pezzo.
RiceveAttivo su due presse, integrato con il flusso di quarantena del MES esistente.
05
Il ciclo di riaddestramento
Settimane 13 e 14
Ogni pezzo scartato viene fotografato e tenuto per il controllo qualità di turno. Un job settimanale confronta il modello con quello che il controllore ha confermato. Quando la concordanza scende sotto soglia, manda una mail a noi. Non a loro.
RiceveIl ciclo attivo, e per iscritto chi fa cosa quando scatta.
Su cosa gira
Tutto resta dentro lo stabilimento. Nessuna immagine esce dall’edificio: era un requisito contrattuale prima che architetturale.
- Telecamera GigE Vision da cinque megapixel, fissa, con trigger hardware
- Illuminazione a cupola diffusa più una barra radente per i difetti di superficie
- Un modulo GPU embedded in pressa, circa 7 ms per inferenza
- PyTorch per l’addestramento, ONNX Runtime per ciò che gira davvero in linea
- MQTT verso il MES esistente per causali e quarantena
- Storage a oggetti compatibile S3 in sede per lo storico immagini
Cosa è cambiato
- 1 su 50 → ogni pezzo
- copertura del controllo sulle presse in perimetro
- 99,1%
- richiamo sulle classi di difetto in perimetro
- 1,4%
- scarti buoni, contro un tetto del 2%
- 0
- reclami cliente su questi difetti dall’avvio
Il cambio di illuminazione ha fatto più del modello. È il risultato più frequente e vale la pena dirlo chiaramente: due delle quattro classi di difetto sono diventate un problema di visione artificiale solo dopo che qualcuno ha spostato una luce.
Lo stabilimento continua a fare il controllo visivo a campione. Non abbiamo chiesto di smettere, e non devono smettere. La telecamera guarda quattro cose. Una persona si accorge della quinta.