Portare in linea l'ispezione visiva automatica con AI: le decisioni tecniche che vengono prima

Si parte dal difetto, non dalla telecamera

Prima di qualsiasi domanda sull'hardware, va stabilito che cosa conti come difetto su quel pezzo, e chi lo decide. Sembra banale finché non lo si mette alla prova.

Prendete cento pezzi dalla linea, compresi quelli scomodi, e fate separare a due ispettori esperti, in modo indipendente, i conformi dai non conformi. Sui difetti evidenti saranno d'accordo. Sulla popolazione al limite — il graffio appena percettibile, il riempimento incompleto, la stampa leggibile ma non nitida — spesso non lo saranno.

Quel disaccordo è il vero tetto dell'accuratezza. Se due persone che fanno quel lavoro da anni non concordano sullo stesso pezzo, non esiste una risposta corretta unica che un modello possa imparare, e nessun fornitore può consegnarla: qualunque cifra di accuratezza scritta in un'offerta non significa nulla finché la definizione non è fissata.

La soluzione non è un algoritmo migliore. È un catalogo dei difetti scritto — ogni tipo con un nome e delle immagini — e una serie di pezzi fisici di confine per ciascuna classe: il pezzo peggiore ancora accettabile, il migliore ancora da scartare. Quei pezzi diventano il riferimento per l'etichettatura e per il collaudo di accettazione.

Un problema che nessuno riesce a definire in modo coerente non si può automatizzare: ci si può solo litigare sopra più in fretta.

Scegliere la telecamera per criteri, non per marca

La scelta della telecamera è aritmetica, non preferenza.

La risoluzione discende dal più piccolo particolare che dovete vedere. Dividete il campo visivo — il pezzo più la tolleranza su come può posizionarsi — per i pixel del sensore e ottenete i millimetri per pixel. Un difetto che cade su un solo pixel non verrà trovato in modo affidabile: prevedete diversi pixel sul particolare più piccolo, di più quando il contrasto è basso. Oltre quel punto la risoluzione costa banda e profondità di campo, e in ogni caso il contrasto conta più del numero di pixel.

L'esposizione deve battere la linea. Il mosso è velocità moltiplicata per tempo di esposizione: un pezzo che avanza a un metro al secondo si spalma di un millimetro con un'esposizione di un millisecondo. Se la strisciata supera il difetto, la partita è già persa. Un'esposizione più breve significa più luce, ed è il motivo per cui illuminazione e telecamera sono un'unica decisione. Per tutto ciò che è in movimento si specifica un sensore global shutter; un rolling shutter legge riga per riga e deforma il pezzo in moto.

Matriciale o lineare. Le telecamere matriciali (area scan) si adattano a pezzi discreti fermi o indexati in stazione. Quelle lineari (line scan) costruiscono l'immagine una riga alla volta, per nastri continui, laminati ed estrusi, oppure per un pezzo cilindrico fatto ruotare davanti alla telecamera, e richiedono un moto costante o sincronizzato da encoder.

Monocromatica, salvo che il difetto sia il colore. La monocromatica spende ogni pixel in dettaglio ed è più sensibile in scarsa luce. Scegliete il colore solo quando è il colore a portare l'informazione: un componente di colore sbagliato, una macchia, il colore della stampa rispetto a una specifica.

Interfaccia e cablaggio. L'interfaccia fissa lunghezza del cavo, banda e costo — GigE per le tratte lunghe, USB3 da banco, interfacce industriali ad alta banda per il line scan veloce. Poi la parte senza fascino, quella che in campo provoca la maggior parte dei guasti: cavo idoneo alla catena portacavi, connettori con bloccaggio, scarico della trazione, percorsi lontani dai cavi degli azionamenti e della saldatura.

L'illuminazione decide più cose della telecamera

Un difetto reso evidente dalla luce è un problema semplice; lo stesso difetto lasciato a un modello che deve estrarlo da un'immagine rumorosa è un problema costoso. Poche geometrie coprono la maggior parte dei casi. Il campo chiaro, con la luce lungo l'asse di ripresa, dà un'immagine uniforme e generalista per stampa, colore e presenza. Il campo scuro, con luce radente, fa brillare graffi e incisioni su fondo scuro. La retroilluminazione mette il pezzo in controluce, per le quote di sagoma, la posizione dei fori e il livello di riempimento. La cupola avvolge un pezzo curvo o lucido in una luce uniforme, ed è la risposta per la stampa su superfici riflettenti. La luce coassiale arriva lungo l'asse ottico, per superfici piane speculari e marcature laser.

Un graffio, un'ammaccatura e un errore di stampa sono tre problemi di illuminazione diversi: luce radente per il graffio; per l'ammaccatura, che cambia la pendenza e non il colore, una luce la cui riflessione si sposta insieme a quella pendenza; luce piatta e senza abbagliamento per la stampa. Coprire tutti e tre con un solo illuminatore è il modo in cui una stazione finisce per essere mediocre in tutto.

Poi c'è la luce ambientale, che manda in crisi in silenzio impianti che avevano superato il collaudo: il sole del pomeriggio da un lucernario, un turno che accende plafoniere diverse. Va affrontata fisicamente: schermare la stazione, montare un filtro passa-banda accordato sulla lunghezza d'onda del LED, e lampeggiare breve e intenso a partire dal trigger di acquisizione, così che sia la vostra luce a dominare quella del capannone.

Un'immagine stabile costa meno di un modello più grande.

2D o 3D

La maggior parte delle ispezioni è un problema 2D: presenza, posizione, quote nel piano, stampa, colore, tutto ciò che si manifesta come contrasto su una superficie.

Si passa al 3D quando la caratteristica è un'altezza o una forma e non produce contrasto in modo affidabile: l'altezza di un cordone di adesivo, la complanarità dei pin, il profilo di un cordone di saldatura, l'imbarcamento, un'ammaccatura su metallo non verniciato, il livello di riempimento in un contenitore opaco. La triangolazione laser richiede un moto relativo, la luce strutturata lavora su pezzo fermo; entrambe faticano con le finiture a specchio e con le occlusioni, e producono molti più dati per pezzo.

Una prova pratica: se un buon ispettore riesce a giudicare il pezzo da una fotografia, è un lavoro 2D. Se deve inclinarlo verso la luce, è 3D oppure una geometria di illuminazione specializzata — e l'illuminazione vale la pena di provarla per prima.

La verifica di etichette e stampa di solito non è un problema di AI

Buona parte di ciò che arriva come richiesta di ispezione con AI è verifica di etichette e stampa, e buona parte di questa è deterministica: valutare la qualità di un codice a barre o di un data matrix, confrontare il testo stampato con una stringa attesa, controllare che sul prodotto giusto ci sia la revisione giusta.

La parte difficile non è la lettura, ma da dove arriva il valore atteso. Se è l'operatore a digitare in stazione il testo di riferimento, avete automatizzato un errore di battitura; codice, lotto, data e revisione devono scendere dall'ordine in MES o ERP. Il machine learning si guadagna il posto qui sulla qualità di stampa — sbavature, punti mancanti, deformazione su superfici curve — non sul confronto.

I dati di addestramento, detti onestamente

La vostra linea produce in stragrande maggioranza pezzi buoni, e questo squilibrio definisce i dati dell'ispezione. Rende inutile l'accuratezza complessiva: un modello che dichiara buono tutto ottiene un buon punteggio su un insieme di dati fatto quasi solo di pezzi buoni. Il giudizio va dato sui difetti: quanti ne sono stati intercettati, quanti pezzi buoni sono stati scartati.

Lo squilibrio condiziona anche l'approccio. Il rilevamento delle anomalie impara il normale dai pezzi buoni e segnala lo scostamento; gli servono poche immagini di difetto e reagisce a cose che non ha mai visto, ma dice soltanto che il pezzo è anomalo, non che cosa non va. Classificazione e segmentazione supervisionate danno un nome e una posizione al difetto, che è ciò di cui hanno bisogno un catalogo dei difetti e l'SPC, ma richiedono esempi reali di ogni classe: più di quanti chiunque si aspetti. In entrambi i casi, un modello conosce solo i difetti che gli sono stati mostrati.

Poi c'è la deriva. Il modello è un'istantanea della linea al momento dell'addestramento, e la linea si muove: un nuovo fornitore, un lotto di materiale diverso, l'usura di un utensile, una telecamera urtata durante la pulizia, una revisione del pezzo. Il riaddestramento è un'attività di manutenzione con un responsabile e una cadenza, non una fase di progetto che prima o poi finisce.

L'etichettatura merita una decisione, perché chi etichetta le immagini sta definendo la qualità per lo stabilimento. Spetta a chi possiede la definizione di difetto, lavorando sui campioni di confine; altrimenti il disaccordo fra ispettori di cui sopra ritorna sotto forma di etichette incoerenti, e quelle mettono un tetto a tutto ciò che sta a valle.

Dati sintetici e aumentati aiutano in punti precisi. L'augmentation — piccole variazioni di rotazione, posizione, luminosità, messa a fuoco — costa poco, purché si resti dentro ciò che la stazione può produrre fisicamente. Le immagini renderizzate aiutano soprattutto dove il difetto è geometrico e descrivibile: un componente mancante, un orientamento sbagliato. Aiutano meno dove è l'aspetto stesso del difetto a essere l'incognita, ed è proprio quello che un renderer non può inventare.

Qualunque sia il materiale di addestramento, tenete da parte un test set di immagini reali, pezzi al limite compresi. È l'unico modo onesto di capire se un modello nuovo batte quello vecchio.

I falsi positivi sono una decisione economica, non tecnica

Ogni sistema di ispezione ha una soglia, e quella soglia mette in bilancia due errori: stringendola si intercettano più difetti e si scartano più pezzi buoni, allentandola succede il contrario. Nessuna taratura elimina entrambi. Da che parte pendere è una questione economica specifica del vostro stabilimento: quanto costa un difetto che arriva al cliente rispetto a quanto costa lo scarto eccessivo in pezzi buttati, rilavorazioni e tempo dell'operatore.

Vale la pena mettere in conto l'asimmetria. Lo scarto eccessivo distrugge la fiducia più in fretta dei difetti non rilevati. I difetti non rilevati restano invisibili per settimane; una stazione che scarta pezzi buoni si vede nel giro di un'ora, e la reazione è prevedibile: l'operatore comincia a forzare il verdetto, poi smette di guardare, e la telecamera diventa una lampada costosa.

Quindi qualcuno deve farsi carico di dove sta la soglia: una persona con nome e cognome nella funzione qualità, il valore registrato nel piano di controllo, un registro delle modifiche. Tre esiti invece di due — conforme, non conforme e una fascia di riesame instradata a una persona — permettono di tenere stretta la rilevazione senza riversare sull'operatore la popolazione al limite. I criteri di accettazione vanno fissati in termini di stabilimento prima dell'avviamento: difetti sfuggiti per mille pezzi e falsi scarti per turno.

Un verdetto su uno schermo non cambia nulla

L'immagine è acquisita, il modello ha una risposta, e al pezzo non è ancora successo niente. Devono seguire due cose.

L'attuazione. Lo scarto va imposto fisicamente — uno spintore, un deviatore, o un interblocco che ferma l'operazione successiva su quel pezzo — attraverso il PLC, con l'handshake progettato in modo che un'acquisizione fallita o un'inferenza lenta portino a uno stato sicuro e non a un passaggio silenzioso. Confermate l'espulsione con un sensore che veda il pezzo uscire. Un espulsore che manca il bersaglio senza dirlo a nessuno è peggio di nessuna ispezione, perché a quel punto le persone credono che i pezzi siano stati controllati.

La registrazione. Il verdetto, l'immagine e la marca temporale vanno associati all'ordine di produzione, al lotto, al numero di serie, alla stazione e alla versione del modello, in MES e QMS. La versione del modello conta: dopo un riaddestramento, i verdetti di ieri vengono da un altro giudice. È quella registrazione a rendere cumulativa l'ispezione: il tasso di difetto per classe diventa una variabile di SPC, e il contenimento diventa una query invece di una settimana di scartoffie.

Che cosa fa fallire un'installazione

Quasi sempre una di queste, e raramente il modello.

Presentazione instabile — il pezzo che non arriva sempre nello stesso punto, angolo e distanza: vibrazioni, una staffa allentata, un supporto urtato durante la pulizia. L'attrezzatura di posizionamento è l'accuratezza più economica che comprerete mai.

Una soglia senza padrone, che va alla deriva a seconda di chi è di turno.

Una revisione del pezzo per cui nessuno ha riaddestrato. La gestione delle modifiche tecniche deve elencare l'ispezione fra i sistemi impattati.

Un bypass senza traccia. Gli operatori hanno bisogno di poter forzare, ma la forzatura va registrata e riesaminata.

Nessuno che guardi le immagini. Qualcuno deve esaminare gli scarti, e un campione dei conformi, con una cadenza regolare; è così che si intercetta la deriva prima che la intercetti un cliente.

Condizioni da proof-of-concept scambiate per produzione. La dimostrazione girava su un banco, di notte, con il pezzo tenuto fermo da una persona.

Dove ci collochiamo

Il modulo Computer Vision di Meta Smart Factory copre il lato ispezione di tutto questo — telecamere e illuminazione specificate per il difetto che avete, modelli addestrati sui vostri pezzi, inferenza a bordo linea — e si integra con i nostri moduli MES e Quality (QMS), così il verdetto si deposita sull'ordine di produzione e sul lotto e confluisce in tracciabilità e SPC invece di fermarsi a una lampada. L'attuazione dello scarto passa dal PLC sulla stessa connettività IIoT e OPC UA.

Se siete all'inizio di questo percorso, il primo passo utile non è una dimostrazione. È la prova dei cento pezzi con due ispettori e un catalogo dei difetti scritto, e siamo contenti di condurla con voi prima che qualcuno specifichi una telecamera.