Manifattura
Anomaly detection
Il tema proposto dal cliente è comune a diverse realtà dei settori metal-meccanico/siderurgico, sicuramente sfidante per le peculiarità e la varietà del dominio specifico dei procedimenti di unione fisico/chimica di giunti metallici (saldatura). Il cliente nello specifico utilizza un ciclo produttivo ibrido di saldatrici automatiche e stazioni di saldatura presidiate dall'uomo, con rilevamento dei difetti (defect detection) mediante NDT (non destructive testing) a valle del processo. L'idea:
Automatic Welding Line - Prevedere l'insorgenza di difetti nelle saldature in base ai dati provenienti dalle saldatrici automatiche.
Il progetto viene definito su tre tiers specifici:
- Analisi di processo e competenze di dominio delle automatic welding machines, definizione di strumenti di analisi e modalità di raccolta del dato evoluti.
- Identificazione delle features predittive in ottica data-driven e definizione del modello di machine learning.
- Implementazione del modello in real-time monitoring.
Defect Detection vs Defect Prediction
Il rilevamento di difetti su elementi metallici è un'importante applicazione nel campo dei test non distruttivi (NDT), in particolare in un ambiente industriale. Questi difetti sono principalmente dovuti a errori di fabbricazione o processi di saldatura. Ci siamo concentrati su questa seconda categoria di difetti: avremmo potuto utilizzare tecniche di segmentazione applicate ai giunti saldati, ma ciò non avrebbe risolto la criticità del processo perché tale rilevazione avviene alla fine del ciclo produttivo. La segmentazione è uno dei compiti più difficili nell'elaborazione delle immagini, in particolare nel caso di immagini rumorose o a basso contrasto come le immagini radiografiche delle saldature. Nel segmentare questo tipo di immagine, molti hanno usato reti neurali e metodi di logica fuzzy. I risultati sono impressionanti, tuttavia i metodi richiedono un'implementazione complessa e richiedono tempo.
L'analisi spettroscopica al plasma è una tecnica ben nota per monitorare la qualità delle saldature, ma avviene al termine del ciclo di produzione di più saldature sovrapposte: ciò non risolve il problema. L'evoluzione in ottica prediction avviene attraverso le analisi delle specifiche derivanti dalle saldatrici automatiche e la successiva stima, offrendo una correlazione diretta tra i parametri e le corrispondenti saldature. In tal senso abbiamo definito un nuovo approccio che consente il rilevamento e la classificazione automatica dei difetti di saldatura basati sull'uso combinato dell'analisi statitica avanzata e modelli AI di apprendimento automatico.
Il vantaggio? Prevediamo il difetto prima che esso avvenga e richieda necessariamente uno stop del ciclo produttivo.