← Todos os artigos
IA

Visão computacional na produção: controle de qualidade, segurança e por que a integração com o MES decide o resultado

📅 · 6 min de leitura · Equipe Meta Smart Factory

Onde a visão com IA supera de fato a inspeção humana e onde não, o que exige uma implementação real em iluminação e imagens anotadas, e por que uma câmera que não escreve no seu MES fica em demonstração.

A visão computacional é o mais fácil de demonstrar numa smart factory e dos mais difíceis de pôr em produção. Um modelo que detecta um defeito num slide é um problema resolvido. Um modelo que aguenta às três da manhã, em novembro, quando o sol já não entra pela claraboia como durante o piloto, é outro exercício.

Isto é o que separa os dois casos, e o que perguntar a um fornecedor antes da prova de conceito.

Em que a visão é genuinamente melhor do que uma pessoa

Constância à cadência, sobre um defeito definido, indefinidamente. Uma pessoa nota melhor do que qualquer modelo algo novo e estranho. Uma pessoa olha pior do que qualquer modelo para a octingentésima peça de um turno com a mesma atenção da primeira.

Por isso os casos que se pagam compartilham a mesma forma: volume elevado, uma classe de defeito descritível e um custo real se o defeito escapar. Defeitos de superfície em banda em movimento. Presença e orientação de componentes antes de fechar uma caixa. Legibilidade de rótulo, código de lote e data: trabalho monótono e uma das causas de reclamação mais frequentes no alimentício e no farmacêutico. Nível de enchimento e integridade de selagem. Verificações dimensionais que alguém faz com um paquímetro e uma prancheta.

Os casos decepcionantes também compartilham forma: defeitos raros sem histórico de imagens, definições de defeito que mudam com a disposição do cliente, e tudo aquilo cuja resposta honesta é que dois inspetores experientes não concordam.

O monitoramento de segurança em tempo real é outro produto

O monitoramento de segurança é vendido com a visão de qualidade e comporta-se de forma completamente diferente. A inspeção de qualidade olha para uma peça num enquadramento controlado. O monitoramento de segurança vigia uma área à procura de pessoas, uso de EPI, proximidade entre empilhadeira e pedestre e entrada numa zona que deve estar vazia enquanto uma máquina cicla.

A diferença técnica é que a segurança roda em contínuo sobre uma cena não controlada, por isso os falsos positivos são todo o problema. Um modelo de qualidade que grita demais gera retrabalho. Um modelo de segurança que grita demais é silenciado em quinze dias. Aí o sistema é pior do que nada, porque é acreditado e está errado.

A diferença organizacional é maior. Filmar pessoas trabalhando é, em grande parte da Europa, primeiro uma questão de comissão de trabalhadores e proteção de dados e só depois técnica. As implementações que sobrevivem são aquelas em que prazo de conservação, anonimização e direitos de visualização foram acordados antes de montar uma câmera.

Por que a integração decide entre sistema e demonstração

Uma célula de inspeção que acende uma luz vermelha disse isso ao operador que está ao lado. Nada mais. Não disse isso à fábrica.

O que faz a inspeção acumular é a escrita de retorno. O veredicto assenta numa ordem, num lote, num posto e numa marca temporal, no mesmo sistema que suporta o resto da produção. A partir daí tornam-se possíveis várias coisas que uma câmera isolada não consegue com precisão nenhuma.

Um defeito bloqueia automaticamente a operação seguinte, por isso a peça não continua acumulando valor a caminho do refugo. A taxa de defeito passa a ser uma variável que o sequenciamento vê, por isso uma máquina derivando altera o plano em vez de surpreendê-lo. A genealogia responde a uma pergunta de recall em minutos, porque cada imagem e veredicto pendem de um lote que pende de um lote de fornecedor. E o modelo melhora, porque as correções do operador se tornam por construção dados de treinamento anotados e não algo que dependa de alguém se lembrar de exportar uma pasta.

Por isso a pergunta da integração vem antes da precisão. Pergunte que sistema detém a ordem contra a qual o veredicto é escrito. Se a plataforma de visão mantém o seu próprio registro de produção, alguém acabará reconciliando duas verdades.

O que uma implementação exige mesmo

Iluminação, primeiro e menos glamoroso. A maioria dos projetos de visão que falham na precisão falharam na iluminação e na repetibilidade de apresentação da peça, não no modelo. Luz controlada e constante e posição fixa da peça vencem quase sempre um algoritmo melhor.

Imagens do defeito, segundo. Algumas centenas de exemplos anotados por classe de defeito são um ponto de partida realista para a maioria das tarefas de superfície e presença. Se um defeito ocorre duas vezes por ano, trata-se de um problema de controle de processo, para o qual a visão é a ferramenta errada.

Terceiro, uma decisão sobre o que acontece num positivo, tomada antes da entrada em produção: rejeitar, bloquear, alarmar ou marcar para revisão. As equipes que adiam ficam com um sistema de inspeção sobre o qual ninguém está autorizado a atuar.

E quarto, uma via de anulação para os operadores. Serve como o mecanismo que faz o modelo melhorar e como o que mantém a confiança na primeira vez que ele erra.

Edge ou cloud

A inferência pertence ao edge, junto à linha. Latência e dependência de rede não são riscos aceitáveis para uma decisão que tem de cair entre dois postos, e uma unidade não deve deixar de inspecionar porque uma conexão WAN oscilou.

Treinamento, gestão e versionamento de modelos e comparação entre unidades pertencem ao centro. Um grupo que produz o mesmo produto em quatro países quer uma única linhagem de modelo, não quatro modelos ajustados localmente que divergem em silêncio até as taxas de refugo deixarem de ser comparáveis.

Como conduzir a prova de conceito para que prove alguma coisa

Uma classe de defeito, uma linha, com um custo associado. Execute-a em paralelo com a inspeção existente, sem substituí-la, e conte as divergências nos dois sentidos. Os escapes pesam mais do que os falsos alarmes, e só o paralelo os revela.

Execute-a ao longo de um padrão de turnos e, se possível, através de uma mudança de tempo. Fixe o critério de aprovação antes de começar e nos termos da unidade: escapes por mil, ou horas de inspeção liberadas. Uma prova de conceito sem limiar acordado de antemão acaba sempre numa discussão sobre se noventa e quatro por cento é bom.

Fale com os nossos especialistas

Perguntas frequentes

Como funciona o controle de qualidade por visão numa linha de produção?

Uma câmera com iluminação controlada capta cada peça em posição fixa, um modelo treinado com exemplos anotados das classes de defeito emite um veredicto em milissegundos no edge, e esse veredicto é escrito no MES contra a ordem, o lote e o posto. É essa escrita de retorno que permite que um defeito bloqueie a operação seguinte em vez de aparecer no controle final.

As plataformas de visão computacional podem integrar-se com sistemas MES ou ERP?

Podem, e é a diferença entre um sistema e uma demonstração. O veredicto tem de assentar na mesma ordem e no mesmo lote que o resto da produção usa. No MSF o módulo de visão escreve no mesmo modelo de dados da execução e da qualidade, por isso a taxa de defeito alimenta o sequenciamento, a genealogia responde a perguntas de recall e as correções do operador tornam-se automaticamente dados de treinamento.

Que precisão atinge a inspeção visual com IA?

Numa classe de defeito bem definida, com iluminação controlada e apresentação repetível, a visão supera consistentemente a inspeção humana porque não se cansa. A precisão é dominada pela iluminação e pela apresentação, não pelo modelo. Defeitos raros sem histórico de imagens, e defeitos sobre os quais dois inspetores experientes discordariam, são maus candidatos com qualquer precisão anunciada.

O monitoramento de segurança com IA é diferente da inspeção de qualidade?

Substancialmente. O monitoramento de segurança vigia em contínuo uma área não controlada à procura de pessoas, EPI e proximidade, por isso o risco central são os falsos positivos. Um alarme que toca demais é silenciado, e então o sistema é acreditado e está errado. Em grande parte da Europa é também matéria de comissão de trabalhadores e proteção de dados: conservação, anonimização e direitos de visualização devem ser acordados antes de montar uma câmera.

Quantas imagens são necessárias para treinar um modelo de visão industrial?

Algumas centenas de exemplos anotados por classe de defeito são um ponto de partida realista para a maioria das tarefas de superfície, presença e orientação. Se um defeito ocorre apenas algumas vezes por ano, nunca haverá exemplos suficientes e deve ser tratado como um problema de controle de processo.

A inferência deve rodar no edge ou na cloud?

Inferência no edge, junto à linha, porque uma decisão entre dois postos não pode depender de uma conexão WAN. Treinamento, versionamento de modelos e comparação entre unidades pertencem ao centro, para que um grupo que produz o mesmo produto em vários países mantenha uma única linhagem de modelo em vez de quatro que divergem em silêncio.