Vigilando la producción con aprendizaje profundo

Bosch Car Multimédia, como proveedor de componentes electrónicos para diversos clientes de la industria del automóvil, confía en un alto estándar de calidad en sus sensores para automóviles fabricados. Para garantizar este estándar, los defectos deben detectarse de forma rápida y fiable. En este caso específico, la tarea consiste en comprobar si los resortes metálicos tienen defectos. Estos resortes forman la conexión electrónica entre la placa de circuito principal y un casquillo de cobre en la tapa de un sensor. Dado que se trata de un proceso de mecanizado manual, pueden producirse diferentes defectos en el resorte metálico durante la producción.

Optimización de la inspección de calidad con visión artificial

Bosch ya confiaba anteriormente en un proceso de inspección automatizado, pero quería optimizarlo aún más. El objetivo era mejorar la calidad general de la inspección, hacer que la nueva solución sea más rentable y reducir el trabajo de mantenimiento de la aplicación. Bosch seleccionó el software de visión artificial MERLIC de MVTec Software GmbH en Alemania. MVTec MERLIC es un software de visión artificial fácil de usar que permite resolver las aplicaciones de visión artificial más comunes incluso sin conocimientos de programación.

El aprendizaje profundo ayuda a detectar defectos

En la aplicación de Bosch, la visión artificial se ve así: una cámara de cinco megapíxeles captura una imagen desde arriba para cada componente. La detección de anomalías del contexto global se utiliza para inspeccionar las imágenes capturadas con los resortes metálicos. La tecnología de aprendizaje profundo tiene dos redes neuronales. La red "local" comprueba si hay pequeños defectos como arañazos, grietas o suciedad. La red "global" va un paso más allá y comprueba si hay defectos lógicos como soportes doblados o faltantes. A partir de la interferencia de las dos redes, la Detección de anomalías del contexto global determina una puntuación de anomalía. A continuación, este valor se compara con el valor umbral de anomalía definido de antemano. Si la puntuación de anomalía supera este umbral, el componente está defectuoso y debe rechazarse. Después de la inspección, cada imagen se puede revisar en el frontend de MERLIC. Especialmente útil: se puede utilizar un mapa de calor para rastrear de forma transparente qué partes de la imagen activaron la detección de anomalías.

Hasta ahora, el proceso de inspección se llevaba a cabo utilizando métodos de visión artificial basados ​​en reglas. Sin embargo, una de las desventajas de esto era que todos los tipos posibles de defectos debían extraerse individualmente utilizando "malas imágenes". Por el contrario, entrenar los métodos de aprendizaje profundo de MERLIC solo requiere "buenas imágenes" de piezas intactas. Dado que son muy fáciles de adquirir, ahorra tiempo y dinero.

Integración del software de visión artificial en el sistema de control de la máquina

La cuestión de cómo integrar el software de visión artificial en un proceso de producción existente fue particularmente interesante para Bosch, ya que el proceso de producción y la inspección de calidad integrada no debían modificarse. Por ello, la atención se centró principalmente en la integración del software de visión artificial en el sistema de control de la máquina. El software tuvo que conectarse directamente a las máquinas, ya que la planta no cuenta con un controlador lógico programable (PLC). El protocolo MQTT integrado en MERLIC proporciona la comunicación necesaria de máquina a máquina. Esto permitió que el software de visión artificial se integrara fácilmente en el proceso a través de protocolos de comunicación estándar de IoT. El desarrollo del programa de calibración del sistema de visión artificial podría acelerarse mediante un software fácil de usar.

“Completamos con éxito la prueba de concepto a finales de 2022. En el proceso, logramos todos nuestros objetivos en términos de tasas de detección, requisitos de mantenimiento del sistema y costos. Por tanto, la puesta en marcha de una nueva línea de producción se producirá a mediados de 2023. Posteriormente se planifica el despliegue a otras líneas existentes”, explica João Paulo Silva, experto en pruebas del departamento de Óptica y Mecánica del Centro de Competencia de Bosch Automotive Electronics en Portugal. Basándose en el potencial, Bosch planea automatizar más plantas de electrónica automotriz en el futuro mediante el aprendizaje profundo.

Para más información: www.mvtec.com

ENLACE DE LA PÁGINA DE INICIO