Ponga en práctica sus defectos

Aunque apenas están entrando en el punto de mira del sector industrial, las soluciones de visión artificial se llevan utilizando en la fabricación desde la época de la música disco. Los primeros sistemas podían detectar bordes a partir de cambios de contraste localizados, detectar diferencias de color o identificar «manchas» en una imagen que pudieran 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.

Sin embargo, la computación en la nube no se generalizó hasta mediados de la década de 2000, cuando Amazon Services (AWS) entró en escena con el servicio Elastic Compute Cloud (EC2). Si bien tanto las aplicaciones empresariales como las de consumo han adoptado desde entonces la computación en la nube, la automatización industrial apenas ha comenzado a explorar las posibilidades que ofrecen las tecnologías en la nube para la gestión de los equipos de automatización en la planta de producción.

Desde los robots hasta las cámaras, la mayoría de las máquinas de una fábrica son, en esencia, «islas de automatización», en las que, como mucho, un sistema de ejecución de la fabricación (MES) coordina las señales de inicio, parada y activación. Si un responsable de calidad quisiera conocer el número de fallos en un periodo determinado, tendría que buscar un archivo CSV a través de una conexión USB con un ordenador portátil, utilizar el protocolo FTP para extraer los datos o, de lo contrario, contar los productos en la bandeja de rechazo.

En la actualidad están surgiendo diversas soluciones avanzadas de visión artificial, muchas de las cuales utilizan tecnología en la nube y de aprendizaje automático. Las empresas emergentes que exploran este ámbito suelen ser escisiones de proyectos de investigación o tener sus raíces en el mundo académico. Sin embargo, rara vez se satisfacen las necesidades de los fabricantes cuando la solución se centra en las nuevas tecnologías y descuida todos los demás aspectos de una solución de automatización real.

Aprovechando todas las ventajas que ofrece la computación en la nube, un sistema moderno de visión artificial, como Elementary, almacena todas las imágenes de forma remota, permite el acceso y la configuración a distancia, ofrece supervisión de eventos y alertas, y mucho más. La clave del éxito de Elementary radica en que ofrece una solución integral, lo que incluye cámaras de alta resolución, iluminación, dispositivos informáticos locales y la arquitectura en la nube que hace posible el flujo de trabajo de IA. La implementación y la puesta en marcha de un sistema integral se simplifican aún más gracias al modelo «Quality as a Service» de Elementary, que complementa su interfaz de fácil uso con un equipo de ingenieros de aplicaciones de aprendizaje automático encargados de dar soporte a sus clientes.

Para ser resistente a las variaciones ambientales y de los productos, un modelo tradicional de aprendizaje automático requiere una gran cantidad de datos etiquetados. Es necesario incluir y etiquetar adecuadamente ejemplos de todas las variaciones de productos «buenos» y «defectuosos» (junto con las variaciones en la iluminación y la orientación de los productos en el campo de visión de las cámaras). Esto puede resultar, en el mejor de los casos, engorroso y, en muchos casos, imposible, ya que estas imágenes deben almacenarse, consultarse rápidamente y etiquetarse con cuidado antes de utilizarse para entrenar un modelo. Además, el proceso de etiquetado y entrenamiento debe repetirse con nuevas imágenes para maximizar la precisión del modelo, lo que lo convierte en una tarea abrumadora.

Aunque es posible, un sistema que funcione únicamente en el dispositivo periférico probablemente requeriría que un ingeniero se sentara frente al sistema de visión en la planta de producción 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 luego cargara el modelo en el sistema de visión artificial.

Aunque resulta viable como proyecto individual o prueba de concepto, este flujo de trabajo se vuelve rápidamente inmanejable cuando un fabricante necesita una solución de visión artificial basada en IA para múltiples productos o líneas de producción. Las soluciones de visión artificial basadas en IA que se ejecutan exclusivamente en el borde deben tener una potencia de cálculo limitada por diseño, o más bien no son adecuadas para aplicaciones reales; de lo contrario, el flujo de trabajo de entrenamiento se vuelve rápidamente imposible de escalar.

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

Elementary ha integrado su solución de visión de última generación basada en inteligencia artificial en Tulip ofrecer a los operadores una solución de inspección que se integra en sus Tulip actuales Tulip . Esto permite a los operadores realizar fácilmente inspecciones de visión avanzadas a través de una única interfaz, sin dejar de beneficiarse de los análisis en la nube y la gestión escalable de Elementary.

Elementary es un proveedor de soluciones integrales, lo que significa que no solo ofrece el software en la nube necesario para el funcionamiento de la IA, sino también todo el hardware requerido en la planta de producción para llevar a cabo la inspección, incluyendo luces, cámaras, computación periférica, accesorios de montaje e incluso la instalación.

Esto facilita la incorporación de nuevos sistemas de inspección, ya que los clientes no tienen que recurrir a piezas o proveedores dispares para alcanzar su objetivo final de incorporar controles de calidad en sus líneas de producción. Además, la capacidad de Elementary para integrarse de forma nativa con los dispositivos de la planta de producción permite a los clientes ajustar el funcionamiento de otros sistemas de la planta, lo que evita que se produzcan nuevos defectos en función de los resultados de la inspección. Elementary denomina a esto «calidad de bucle cerrado».

Tal y como se muestra en el diagrama de arquitectura general anterior, Elementary aprovecha el carácter de pila completa tanto de Elementary como Tulip integrar las inspecciones visuales en el proceso de fabricación. En la planta de producción, Elementary utiliza el Tulip para conectarse directamente a través de EthernetIP. Esta conexión controla el proceso de inspección y permite al operador activar la inspección a través de Tulip recibir información sobre los resultados de la misma. Los datos de imagen se recuperan de la API en la nube de Elementary para mostrárselos al usuario, además de almacenarse en la nube de Elementary para su análisis por parte de los responsables de calidad.

El flujo de trabajo resultante que ve el operador es el siguiente:

1. El operador sigue las instrucciones de montaje de la Tulip tal y como lo haría con cualquier otro montaje.

2. Cuando llegan a un paso que requiere una inspección visual, la Tulip les muestra el mensaje «Inspeccionar». Al hacer clic en este botón, se activa el sistema de inspección para que realice la inspección requerida en ese paso.

3. Los resultados de la inspección se presentan al operador como «aprobado» o «suspenso» en caso de que se detecte un defecto.

4. Si se detecta un defecto, se muestra al operador una imagen capturada por Elementary en la que se resaltan las zonas que requieren una revisión (tal y como se muestra en la imagen anterior).

5. Una vez realizadas las modificaciones necesarias, la inspección puede volver a iniciarse a través de la Tulip hasta que se supere con éxito y el operador pueda pasar al siguiente paso.

La combinación Tulip Elementary ofrece una solución completa para los fabricantes que buscan un proceso de fabricación sólido que incluya inspecciones de calidad sin imponer a los operarios la carga que supone una formación adicional ni el tiempo necesario para cambiar de un sistema a otro. Además, el enfoque integral tanto de Elementary como Tulip que se proporcione todo lo necesario, desde el software hasta el hardware, lo que alivia la carga de implementación para los equipos de su fábrica. La integración de la visión artificial en sus procesos de inspección es imprescindible a la hora de ampliar la producción para mantener la calidad y aumentar el rendimiento. Tulip Elementary colaboran para ofrecer una solución fiable de inspección de calidad que empodera a sus operadores.