L'INTELLIGENZA ARTIFICIALE DI ANTARES VISION GROUP AUTOMATIZZA IL CONTROLLO QUALITÀ CON BENEFICI SUI COSTI DI PRODUZIONE

Il software sviluppato da Oròbix, la Tech Company del Gruppo, è basato su AI e sfrutta tecniche di segmentazione dell’immagine che non solo permettono l’identificazione dell’anomalia sul componente, ma sono anche in grado di mostrare graficamente dove si trova

L’intelligenza artificiale sta trovando numerose applicazioni in diversi settori e industrie. Un esempio interessante vede coinvolta Oròbix, la Tech Company di Antares Vision Group, le cui soluzioni stanno aiutando a migliorare le fasi di controllo qualità in uno stabilimento produttivo italiano della multinazionale tedesca ZF Group.

L’obiettivo del progetto:

ZF Group è una multinazionale che produce sistemi per automobili, veicoli commerciali e tecnologia industriale. Lo stabilimento ZF di Gardone Valtrompia (BS) produce sistemi sterzanti, pompe idrauliche per varie applicazioni automotive, airbag, ammortizzatori per applicazioni motorbike e componentistica per il settore marittimo.

Per migliorare il controllo qualità e rispondere dunque ai più stringenti requisiti di sicurezza nella produzione di pignoni, componenti di sicurezza per i sistemi sterzanti, ZF Gardone Valtrompia aveva la necessità di automatizzare il processo di controllo cricche effettuato con tradizionali tecniche di magnetoscopia.

Il pignone, in quanto componente di sicurezza, deve essere esente da difetti, quali cricche da trattamento termico o cricche preesistenti sulla barra di acciaio utilizzata per la sua produzione. Da qui l’importanza di automatizzare il processo di controllo qualità, particolarmente importante anche in vista della transizione dei processi produttivi che prevede il passaggio dalla carbocementazione al trattamento termico di tempra ad induzione che potenzialmente può creare una varietà di difetti (failure mode) più ampia.

Sviluppo del progetto di AI:

Il progetto di ZF ha coinvolto Oròbix, una delle principali aziende italiane impegnate nello sviluppo di soluzioni AI specializzate per il settore manifatturiero, che si è dedicata alla realizzazione del software per la rilevazione automatica dei difetti di produzione. Il software sviluppato da Oròbix, basato su AI, sfrutta tecniche di segmentazione dell’immagine che non solo permettono l’identificazione delle anomalie sul componente, ma sono anche in grado di mostrare graficamente dove si trovano.

Al progetto ha preso parte anche CGM CIGIEMME S.p.A., specializzata nei controlli non distruttivi magnetoscopici, che si è occupata della progettazione e fabbricazione dell’impianto d’ispezione installato nello stabilimento di Gardone Val Trompia.

Il progetto ha avuto inizio con lo sviluppo di un sistema prototipale. L’analisi dell’immagine viene effettuata direttamente sul macchinario mentre la fase di addestramento dell’algoritmo è stata realizzata in cloud, a seguito dell’attività di annotazione (etichettatura) di alcune immagini di esempio, eseguita con il supporto del referente metallurgista.

Risultati? Controllo qualità e riduzione dei costi e dell’impatto ambientale.

Il progetto ha dato ottimi risultati, il più importante dei quali è l’aumento della qualità del controllo. Il valore di detectability, ovvero l’indice di accuratezza misurato secondo una scala che va da 1 a 10 (in cui 10 corrisponde a “nessuna possibilità di individuare il difetto”) nella Fmea di processo, è nettamente diminuito rispetto al controllo visivo dell’operatore.

Considerando i campioni utilizzati nella fase di valutazione, la soluzione di intelligenza artificiale di Oròbix ha il potenziale di raggiungere il valore 2, mentre il controllo visivo dell’operatore si attesta a un valore quasi tre volte maggiore.

Altri vantaggi includono il risparmio ottenibile sul costo totale di produzione e il fatto che il sistema di controllo automatizzato con alto livello di accuratezza sia perfettamente compatibile con l’adozione del nuovo sistema termico di tempra a induzione, permettendo una miglior gestione delle risorse energetiche e una riduzione dell’impatto ambientale del processo di produzione.