Des Inspecteurs De Qualité IA Sont Employés Dans Les Usines Fujitsu, Avec Une Efficacité D'inspection Augmentée De 25% Par Rapport À L'inspection Manuelle

Fujitsu, le premier fabricant informatique japonais, a récemment annoncé avoir développé une technologie d'IA permettant de détecter les anomalies dans l'apparence des produits, permettant ainsi de réduire les coûts de main-d'œuvre, les coûts de matériaux, etc., ainsi que la perte de réputation et les coûts liés aux retours/rappels. L'« usine sans pilote » est arrivée.

En novembre dernier, Apple a commencé à rappeler les AirPods Pro dans le monde entier. La raison était que les AirPods Pro fabriqués avant octobre 2020 peuvent émettre des bruits secs ou statiques, qui peuvent augmenter dans les environnements bruyants, pendant l'exercice ou pendant les appels.

De manière inattendue, un mois seulement après cet incident, en décembre 2020, Apple a lancé une nouvelle série de rappels ciblant le problème de défaillance tactile de l'écran de l'iPhone 11.

Les rappels répétés de produits défectueux ont non seulement porté atteinte à la réputation d’Apple, mais lui ont également fait perdre dans une certaine mesure la confiance des consommateurs.

Par conséquent, outre les indicateurs de performance des produits, le contrôle qualité est également crucial pour les entreprises.

À mesure que le niveau de consommation des gens s’améliore, la demande de produits électroniques augmente et la pression d’expédition sur les usines augmente également. Le processus de contrôle qualité repose essentiellement sur une inspection manuelle. Dans le cadre d’un travail de haute intensité, les inspecteurs de la qualité peuvent effectuer davantage de fausses inspections et d’inspections manquées en raison de la fatigue visuelle et du manque de concentration.

Comment améliorer le rendement des produits tout en garantissant l'efficacité de la détection ? Fujitsu a décidé d’utiliser la technologie de l’IA pour résoudre le problème.

Fujitsu cherche le changement en utilisant l'IA pour remplacer les inspecteurs de qualité humains

En tant que plus grand fournisseur de TIC en Asie et cinquième au monde, les produits de Fujitsu comprennent des ordinateurs, des semi-conducteurs, des intergiciels, etc. Il possède de nombreuses usines au Japon, en Chine, aux États-Unis et dans d'autres pays.

Alors que l'industrie manufacturière mondiale promeut la tendance de la fabrication intelligente, cette entreprise de 86 ans utilise également des technologies de pointe telles que l'intelligence artificielle pour améliorer l'efficacité de production de ses lignes de production.

Fujitsu Laboratories a annoncé aujourd'hui avoir développé avec succès une technologie d'IA pour l'inspection d'images capable de détecter une variété d'anomalies externes sur les produits fabriqués, notamment les rayures et les erreurs de production, avec un haut degré de précision.Dans le même temps, cette technologie réduit également considérablement les coûts de main-d’œuvre et de temps liés à l’inspection de la qualité des produits.

La vision artificielle peut « trouver des défauts » dans les produits rapidement et avec précision

Pendant longtemps, le contrôle de la qualité des produits s’est appuyé sur une inspection visuelle manuelle.Cette approche est non seulement inefficace, mais conduit également facilement à des problèmes tels que des détections manquées, des détections erronées et des normes incohérentes en raison de facteurs humains.

À cette fin, Fujitsu a décidé d’utiliser la vision artificielle plutôt que les yeux humains pour détecter les anomalies externes des produits finis. L'« inspecteur qualité IA » peut déterminer si un produit est défectueux en fonction de caractéristiques telles que sa forme approximative, sa structure détaillée et sa texture.

Dans différents types de tests, les « inspecteurs de qualité IA » peuvent également saisir les points clés de l'inspection et analyser avec précision les anomalies des produits. Par exemple, dans les tests de déformation de forme, il comprendra que le jugement de la forme approximative est le plus important ; lors des tests de condition ou de modèle, « l'inspecteur de qualité IA » croira que la détection de texture est la plus importante.

aussi,Même si un produit semble normal, s'il existe des différences individuelles dans des éléments tels que le revêtement, la couleur et la forme du câblage, l'IA vérifiera ces caractéristiques pour chaque article et, lors de la vérification, déterminera si les différences ou anomalies individuelles se situent dans une plage acceptable.

Il est rapporté que le défi de la formation de l’IA pour effectuer des tâches de contrôle qualité est que le modèle est généralement formé à l’aide d’indices pondérés et cumulatifs de caractéristiques individuelles. Par conséquent, il peut être difficile de créer un modèle capable de saisir toutes les fonctionnalités d’inspection.

En réponse à cela, Fujitsu a développé une nouvelle méthode de formation de modèle d'IA qui permet à l'IA de générer des matériaux de différentes formes, tailles et couleurs à partir d'une bibliothèque d'images de plus de 5 000 objets artificiels, d'y ajouter aléatoirement des anomalies, puis de former le modèle avec ces images d'anomalies.

Au cours du processus de formation, les chercheurs de Fujitsu ont comparé des images normales avec des images restaurées par l'IA, évalué le degré de formation pour chaque caractéristique, comme la forme approximative, la structure détaillée et la texture, et contrôlé la taille, la couleur et le nombre d'anomalies à ajouter afin que l'IA donne la priorité aux caractéristiques d'apprentissage qui n'ont pas été capturées. Ensuite, les images restaurées par l’IA sont évaluées et la formation est renforcée sur leurs points faibles.

En bref, ce processus équivaut à ce que l’IA crée elle-même des anomalies, puis se les transmette à elle-même pour qu’elles soient détectées et restaure l’image à la normale, améliorant ainsi ses compétences en auto-jeu constant.

Fujitsu a vérifié l'efficacité de la technologie lors d'inspections dans son usine de Nagano au Japon.Lorsque son IA a été appliquée à des produits d'apparence normale, le score AUC a dépassé 98 % et la technologie a réduit les heures de travail d'inspection des circuits imprimés de 25 %.

Fujitsu a déclaré qu'à l'avenir, la société développerait davantage les technologies connexes et les appliquerait à ses solutions numériques COLMINA pour réaliser la transformation numérique des entreprises.

De la vision traditionnelle à l'intelligente, la vision artificielle joue un rôle important

À l’ère de l’Industrie 4.0, la technologie de l’intelligence artificielle pénètre rapidement divers scénarios dans le domaine industriel et change notre façon de produire. dans,On peut dire que la vision artificielle est les « yeux » de l’automatisation industrielle. L'identification de la position du produit, la détection, le positionnement du fonctionnement de l'équipement, etc. sont presque indissociables de la technologie de vision industrielle.

Dans le système de contrôle de la qualité de l'usine, en particulier dans les pièces automobiles, les produits 3C, les puces et d'autres industries, la surveillance de la qualité des produits et la gestion des défauts sont des liens très importants, qui affectent grandement la qualité et la vitesse de production des produits. En outre, les coûts de main-d’œuvre dans ce domaine représentent également une part importante des coûts de production totaux.

Les progrès de la technologie de vision artificielle ont grandement favorisé l’automatisation de ce lien et réduit considérablement les détections manquées et les fausses détections.

En utilisant des algorithmes d’apprentissage automatique et en s’entraînant avec un petit nombre d’échantillons d’images, l’IA peut détecter de minuscules défauts sur des produits de précision avec une résolution bien au-delà de la vision humaine, améliorant ainsi le rendement du produit.

Par rapport à la vision humaine, la vision artificielle présente des avantages significatifs en termes de quantification, de résolution en niveaux de gris, de résolution spatiale et de vitesse d'observation.

Ces dernières années, de nombreuses entreprises nationales et étrangères ont progressivement introduit la technologie de vision artificielle dans le processus de production. Plus tôt cette année, Amazon a annoncé le lancement du service d'apprentissage automatique Lookout for Vision, qui utilise la technologie de vision artificielle pour fournir des services de détection de défauts et d'anomalies de produits aux clients industriels et manufacturiers.

Selon les données publiques, en 2018, la taille du marché mondial de la technologie de vision artificielle utilisée dans l'automatisation industrielle a atteint 4,44 milliards de dollars américains (environ 29 milliards de RMB) et devrait atteindre 12,29 milliards de dollars américains (environ 80,4 milliards de RMB) en 2023, avec un taux de croissance annuel composé de 21%. La demande du marché est énorme.

Avec la maturité continue des technologies connexes et la promotion continue des politiques de fabrication intelligente, les scénarios d'application de la technologie de vision artificielle deviendront inévitablement de plus en plus étendus, et la concurrence dans ce domaine sera également assez féroce.

Source de l'information :

https://www.fujitsu.com/global/about/resources/news/press-releases/2021/0329-01.html