Con la visione artificiale rivoluzione dei processi

I sistemi di ispezione automatizzati assicurano controlli oggettivi e continui e, grazie al monitoraggio in tempo reale del materiale, supportano le decisioni operative, contribuendo a migliorare qualità e uniformità.

Luca Daverio, sales manager di Dr. Schenk GmbH, è stato il relatore del primo incontro del ciclo “Soluzioni tecnologiche per l’industria: il valore del vantaggio competitivo” organizzato il 31 marzo dal Gruppo Filiera Tessile di Confindustria Como. Azienda tedesca con sede a Monaco di Baviera, Dr. Schenk è specializzata nello sviluppo di soluzioni ottiche di ispezione e misurazione per il controllo qualità e il monitoraggio dei processi industriali in diversi settori. Fondata nel 1985 conta più di 350 dipendenti, oltre il 60% del personale è composto da ingegneri e professionisti dedicati a ricerca e sviluppo. Riportiamo alcuni passi dell’intervento di Daverio.

A che punto siamo

Questo genere di tecnologie si integrano tra loro, si accompagnano e trovano applicazione in modo trasversale nei diversi settori. Molte aziende hanno introdotto sistemi di ispezione in modo diffuso, mentre altre sono ancora in fase di studio. Basta guardare l’evoluzione degli ultimi 25 anni nel settore plastico, un tempo su 100 macchine vendute, solo una decina erano dotate di sistemi di ispezione, oggi la situazione si è ribaltata, e la maggior parte delle macchine ne è equipaggiata. Esistono processi produttivi in cui l’ispezione manuale risulta ancora efficace, mentre in altri mostra sempre più i propri limiti rispetto alle soluzioni automatizzate.

I sistemi di ispezione, che comprendono telecamere e illuminatori, vengono installati su specifiche linee di processo per individuare eventuali difetti in modo automatico

Le telecamere utilizzate sono prevalentemente di tipo lineare con processore integrato, questo significa che, nel momento in cui viene rilevata una difettosità, viene immediatamente eseguito un primo ciclo di elaborazione all’interno della telecamera. Tutte le telecamere sono inoltre di tipo dual line, il difetto viene controllato due volte. Altra caratteristica fondamentale è avere un sistema di illuminazione adeguato. Gli illuminatori in campo scuro permettono di intercettare difetti come insetti, macchie e imperfezioni superficiali. Altri difetti invece, vengono evidenziati meglio con l’illuminazione in campo chiaro. In alcune applicazioni, ad esempio nel controllo di un film di alluminio, le telecamere possono essere posizionate sia sopra che sotto il materiale e abbinate a diversi tipi di illuminatori. In questo modo è possibile utilizzare configurazioni differenti in sequenza, adattate alle esigenze del cliente, per intercettare efficacemente tutte le diverse tipologie di difetti.

Niente configurazione standard

Prima di installare un sistema in un’azienda, vengono richiesti campioni di materiale e svolti test in Germania, sulla base dei risultati ottenuti, viene progettata la soluzione più adatta. Il sistema può quindi essere configurato con un numero variabile di illuminatori, utilizzando specifici Led e angoli di illuminazione definiti in funzione delle esigenze applicative. Per quanto riguarda il tessile, solitamente si adotta una configurazione composta da una luce in trasmissione, una luce in riflessione in campo chiaro e una luce in riflessione in campo scuro.

L’applicazione

Il tessile, il legno, la pelle, il vetro, la carta, i metalli e la plastica, a conferma della loro natura trasversale e della crescente diffusione nei diversi ambiti industriali. Per fare un esempio, all’interno di uno smartphone ci sono due vetri, uno frontale e uno posteriore. In questo ambito si controllano difettosità fino a 20 micron. Si tratta di una dimensione infinitesimale rispetto al millimetro, ma fondamentale, quando si accende il telefono, anche minime imperfezioni come piccole puntinature, illuminate dalla retroilluminazione, possono risultare visibili all’occhio umano e compromettere la qualità percepita.

Il monitoraggio continuo

All’interno delle telecamere è integrato un software chiamato Easy Measure, un sistema di monitoraggio continuo dei materiali. E’ possibile per esempio impostare una soglia: oltre 50 difetti per 100 metri quadrati sono considerati non accettabili. Quando questo limite viene superato, il sistema lo registra e genera un allarme. Nel caso in cui il processo produttivo preveda anche una fase di taglio, offre la possibilità di analizzare ogni singola bobina. In questo modo si fornisce in anticipo all’operatore quale bobina presenta un numero elevato di difetti e deve quindi essere scartata. La telecamera, interfacciata con il macchinario, segnala inoltre automaticamente quali parti devono essere tagliate o sezionate, indicando al macchinario la destinazione di ciascun pezzo. Ad esempio indica quale pelle va sul cruscotto dell’auto, quale sul retro del sedile oppure sul volante. Lo stesso principio si applica a scarpe, borse e altri prodotti. Questo consente di ottimizzare il processo, ridurre gli sprechi e prendere decisioni rapide basate su dati oggettivi.

Cosa significa classificare?

Non si tratta semplicemente di distinguere un buco da una rigatura. Il vero valore sta nel riconoscere differenze molto più sottili, ma significative. Nel settore della pelle, è importante riconoscere la differenza tra una cicatrice aperta e una chiusa oppure nel metallo, capire la differenza tra uno scratch, che può indicare una possibile rottura, e una piega, oppure distinguere tra un insetto e una semplice macchia. Tutti questi esempi mostrano quanto la classificazione avanzata sia cruciale, solo quando il sistema è in grado di riconoscere e distinguere correttamente le diverse tipologie di difetti, diventa realmente utile e strategico per l’azienda.

L’integrazione dell’AI

Utilizziamo questa tecnologia anche per classificare i difetti. La procedura, che chiamiamo labeling, consiste nell’identificare il difetto e assegnargli una “famiglia”. Ad esempio, nella pelle, possiamo distinguere tra cicatrici, insetti o morsicature. Sebbene possa sembrare incredibile, molte aziende richiedono proprio questo livello di dettaglio. Il processo funziona così: prima il sistema rileva il difetto e lo inquadra, se la telecamera lo visualizza, ma non lo identifica perfettamente si procede con il labeling, salvando correttamente l’immagine. Grazie a questa fase di deep learning, il sistema impara, nelle successive analisi, a intercettare quel tipo di difetto in modo sempre più preciso ed efficace.