Operacionalice sus defectos

Aunque acaban de entrar en el candelero industrial, las soluciones de visión artificial se han utilizado en la fabricación desde la era del disco. Los primeros sistemas podían detectar bordes a partir de cambios de contraste localizados, encontrar diferencias de color o identificar "manchas" en una imagen que podían indicar la presencia de una pieza en una cinta transportadora o un agujero en un producto. La visión artificial fue una herramienta innovadora que sustituyó a los inspectores manuales y permitió alcanzar velocidades de línea que antes no eran posibles.

La computación en nube, sin embargo, no se adoptó de forma generalizada hasta mediados de la década de 2000, cuando Amazon Web Services (AWS) entró en escena con el servicio Elastic Compute Cloud (EC2). Aunque tanto las aplicaciones empresariales como las de consumo han adoptado desde entonces la computación en nube, la automatización de fábricas sólo ha empezado a explorar las posibilidades de las tecnologías en nube para la gestión de los equipos de automatización en planta.

Desde los robots hasta las cámaras, la mayoría de las máquinas de una fábrica son esencialmente "islas de automatización" en las que, como mucho, un sistema de ejecución de fabricación (MES) coordina las señales de arranque, parada y disparo. Si un responsable de calidad tuviera curiosidad por saber el número de fallos en un periodo determinado, tendría que buscar un archivo CSV a través de una conexión USB con un ordenador portátil, trabajar a través de FTP para obtener los datos, o bien contar los productos en el contenedor de rechazos.

Hoy en día están surgiendo diversas soluciones de visión avanzada, muchas de las cuales emplean la tecnología de la nube y el aprendizaje automático. Las startups que exploran este espacio suelen surgir de proyectos de investigación o bien tienen raíces en el mundo académico. Sin embargo, los fabricantes rara vez ven satisfechas sus necesidades cuando la solución se centra en las nuevas tecnologías y descuida todos los demás aspectos de una verdadera solución de automatización.

Utilizando todo lo que la computación en nube puede ofrecer, un sistema moderno de visión artificial, como Elementary, almacena todas las imágenes a distancia, permite el acceso y la configuración remotos, proporciona supervisión de eventos y alertas, y mucho más. La clave del éxito de Elementary es que proporcionan la solución de pila completa, es decir, cámaras de alta resolución, luces, dispositivos informáticos locales y la arquitectura en la nube que permite el flujo de trabajo de la IA. El despliegue y la incorporación de un sistema de pila completa se simplifican aún más con el modelo de calidad como servicio de Elementary, que aumenta su interfaz fácil de usar con un equipo de ingenieros de aplicaciones de aprendizaje automático encargados de dar soporte a sus clientes.

Para ser robusto frente a las variaciones ambientales y de producto, un modelo tradicional de aprendizaje automático requiere un gran número de datos etiquetados. Deben incluirse y etiquetarse adecuadamente ejemplos de todas las variaciones de productos "buenos" y "malos" (combinados con las variaciones de iluminación y posicionamiento del producto en el campo de visión de las cámaras). Esto puede resultar engorroso en el mejor de los casos e imposible en muchos cuando estas imágenes deben almacenarse, accederse rápidamente y etiquetarse cuidadosamente, antes de utilizarlas para entrenar un modelo. Además, el proceso de etiquetado y entrenamiento debe iterarse con nuevas imágenes para maximizar la precisión del modelo, lo que lo convierte en una tarea desalentadora.

Aunque es posible, un sistema sólo de borde probablemente requeriría que un ingeniero se sentara frente al sistema de visión en la planta de la fábrica para etiquetar las imágenes y entrenar el modelo, o bien que descargara manualmente el conjunto de datos, procesara y etiquetara las imágenes fuera de línea y, a continuación, cargara el modelo en el sistema de visión artificial.

Aunque manejable como proyecto único o prueba de concepto, este flujo de trabajo se vuelve rápidamente inmanejable cuando un fabricante necesita una solución de visión artificial para múltiples productos o líneas. Las soluciones de visión artificial sólo para bordes tienen que ser poco potentes por diseño, o más bien no ser adecuadas para aplicaciones reales, o de lo contrario el flujo de trabajo de formación se vuelve rápidamente inabarcable.

Utilizando las tecnologías en la nube de la forma adecuada, las soluciones de visión basadas en ML se vuelven escalables tanto desde el punto de vista del hardware como del operativo. Elementary utiliza la computación en nube para ofrecer una solución de visión escalable basada en el aprendizaje automático.

Elementary ha integrado su solución de visión de próxima generación basada en IA en Tulip para ofrecer a los operarios una solución de inspección en sus flujos de trabajo existentes en Tulip . Esto permite a los operadores realizar fácilmente inspecciones de visión avanzadas a través de un único panel de vidrio, sin dejar de obtener los beneficios de la analítica en la nube y la gestión escalable de Elementary.

Elementary es un proveedor de soluciones de pila completa, lo que significa que Elementary proporciona no sólo el software en la nube para impulsar la IA, sino también todo el hardware necesario en la planta de la fábrica para llevar a cabo la inspección - incluyendo luces, cámaras, edge compute, hardware de montaje e incluso la instalación.

Esto facilita la incorporación de nuevos sistemas de inspección, ya que los clientes no necesitan improvisar piezas o proveedores para lograr su objetivo final de añadir inspecciones de calidad a sus líneas. Además, la capacidad de Elementary para integrarse de forma nativa con los dispositivos de la planta de producción permite a los clientes ajustar los comportamientos de otros sistemas de la planta de producción, evitando que se produzcan más defectos en función de los resultados de la inspección. Elementary llama a esto calidad de bucle cerrado.

Como se muestra en el diagrama de arquitectura de alto nivel anterior, Elementary aprovecha la naturaleza de pila completa tanto de Elementary como de Tulip para hacer operativas las inspecciones visuales como parte del proceso de fabricación. En la planta de fabricación, Elementary utiliza el conector Tulip para conectarse directamente a través de EthernetIP. Esta conexión impulsa el proceso de inspección y permite al operario activar la inspección a través de Tulip y recibir información sobre los resultados de la inspección. Los datos de las imágenes se recuperan de la API de la nube de Elementary para ser presentados al usuario, así como se almacenan en la nube de Elementary para su análisis por parte de los responsables de calidad.

El flujo de trabajo resultante para el operador tiene el siguiente aspecto:

1. El operario sigue las instrucciones de montaje de la aplicación Tulip como lo haría con cualquier montaje.

2. Una vez que llegan a un paso que requiere una inspección visual, se les pide que pulsen "Inspeccionar" en la aplicación Tulip . Al pulsar este botón, el sistema de inspección se pone en marcha para realizar la inspección requerida en este paso.

3. Los resultados de la inspección se presentan al operario como un aprobado o un suspenso si se detecta un defecto.

4. Si se detecta un defecto, se presenta al operario una imagen tomada por Elementary que resalta las zonas que requieren repaso (como se muestra en la imagen superior).

5. Una vez realizado el repaso necesario, la inspección puede activarse de nuevo a través de la aplicación Tulip hasta que se supere con éxito y el operario pueda pasar al siguiente paso.

La combinación de Tulip con Elementary proporciona una solución completa para los fabricantes que buscan un proceso de fabricación sólido que incluya inspecciones de calidad sin sobrecargar a los operarios con formación adicional ni con el tiempo necesario para cambiar de un sistema a otro. Además, la naturaleza de pila completa tanto de Elementary como de Tulip significa que se proporciona todo, desde el software hasta el hardware, lo que alivia la carga de implementación para los equipos de su fábrica. Integrar la visión artificial en sus procesos de inspección es una necesidad a medida que intenta escalar para mantener la calidad y aumentar en todo. Tulip y Elementary trabajan juntos para proporcionar una solución de confianza para la inspección de calidad que capacite a sus operarios.