Humco
Indietro

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.
Humco affronta il problema innovativo che porta dalla rilevazione dei difetti al rilevamento previsionale dei difetti (defect prediction) attraverso l'apprendimento automatico (machine learning). Il controllo statistico della qualità è noto da tempo, con gli approcci più disparati e minuziosi nell’ambito manufacturing (e.g. 6σ - lean production). L’inserimento degli strumenti di intelligenza artificiale sono elementi di ottimizzazione ulteriore dei processi produttivi da un lato, di risoluzione di criticità altrimenti irrisolvibili dall'altro.

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.

Gallery

maxresdefault cchart XCS-light-automatic-welding

Video

Richiedi Informazioni

Richiesta informazioni




Dove siamo

Dove siamo

Via Giovanni Felisati, 61
30171 Mestre-Venezia (VE) Italia

Telefono: +39 041 0999696
Email: info@humco.it

Grazie!

Grazie: ti abbiamo inviato una mail per attivare la tua iscrizione e selezionare le tue preferenze se previsto

close

Iscriviti alla nostra newsletter


close

Credits

Concept, Design, Web

KUMBE DIGITAL TRIBU
www.kumbe.it | info@kumbe.it 

close

Grazie

Il suo messaggio è stato spedito correttamente.