IA e precisão de medição, os desafios no controle de rebites anodizados
Projetada especificamente para o controle de qualidade de rebites anodizados, a máquina de classificação deste estudo de caso é uma máquina de mesa rotativa de placa metálica indexada, modelo MCV1, equipada com estações e software dedicados.
Além do pré-requisito de uma taxa de seleção não inferior a 100 pcs/minuto, o contexto apresenta três controles desafiadores.
- Rebite Diâmetro do corpo mmedição com tolerâncias de produção rigorosas obrigatórias de até 12 μm
- Controle do formato do rebaixo hexagonal da haste para detectar peças com brochamento duplo
- Detecção de defeitos do logotipo de marcação na parte superior da superfície da cabeça
Durante a fase de testes, a situação se mostrou ainda mais complexa devido ao revestimento da superfície dos rebites, que é delicado e pode ser facilmente arranhado.
Controle de tolerância de 12 μm
Os sistemas de visão da Dimac são projetados para garantir o controle preciso das tolerâncias de produção, especialmente para aplicações de peças metálicas pequenas, com foco em tolerâncias de até 50μm. Para tolerâncias ainda mais rígidas, nosso sistema de controle é adaptado ad hoc, incorporando medidas que se tornam mais rigorosas à medida que as tolerâncias diminuem. Implementamos um algoritmo de correção de aberração de lente, juntamente com iluminação de fundo dedicada e uma câmera de resolução mais alta combinada com lentes telecêntricas de alta qualidade. Essa combinação visa minimizar o impacto das irregularidades do vidro e padronizar os efeitos de difração na borda da peça em várias imagens. Para neutralizar os efeitos da sujeira ambiental no ambiente de produção, nosso sistema de visão inclui filtros de software avançados para maior proteção e confiabilidade.
Todo o processo de medição exige uma grande capacidade de computação, devido à necessidade de capturar 3 imagens por peça (uma a cada 120°) a uma taxa de 100 peças por minuto, tudo isso utilizando vários filtros de software. Para atender a essa demanda, utilizamos um computador industrial equipado com uma placa gráfica NVIDIA®. O resultado é uma máquina que passou com sucesso nos testes MSA1 e MSA3, mesmo dentro da faixa de tolerância do projeto de 12 μm. Vale ressaltar que o aumento da resolução da câmera traz benefícios significativos para a qualidade da medição, mas pode afetar a produtividade. No entanto, a solução adotada representa o equilíbrio ideal entre os controles obrigatórios e a produtividade, garantindo a melhor combinação de qualidade e custo.
Verificação do formato do rebaixo hexagonal inferior da haste
Os controles obrigatórios incluem: verificar a presença do rebaixo na parte inferior da haste, verificar o formato hexagonal do rebaixo e a ausência de um efeito de brochamento duplo (um formato de estrela resultante de uma leve mudança de fase entre a primeira e a segunda passagem do corte) e verificar as características do logotipo de marcação na superfície superior da cabeça.
Os principais desafios, mais uma vez, envolvem garantir a estabilidade da imagem, destacar adequadamente todas as situações de defeito e implementar um algoritmo de interpretação capaz de reconhecer os defeitos sem acionar falsas rejeições.
Para resolver os problemas de imagem, escolhemos uma câmera entocêntrica com um iluminador anular coaxial direcionado para a borda inferior da haste. Esse iluminador fornece iluminação uniforme somente quando a peça está precisamente canterizada (com décimos de milímetros sendo cruciais).
Aproveitando a tolerância de produção de 12μm no diâmetro da haste do corpo, as ranhuras no mostrador de transporte foram cuidadosamente projetadas para servir como restrição vertical para pendurar e guiar a peça. Uma trava de mola posicionada acima da mesa giratória, juntamente com o assento preciso oferecido pelo chanfro das ranhuras do mostrador para a cabeça do rebite, garante que a peça permaneça na posição mesmo na presença de vibrações.
O resultado é uma imagem em que o recesso hexagonal inferior aparece proeminentemente em preto dentro da coroa circular clara da chave da peça. Isso foi bom, mas não o suficiente para garantir a detecção de um recesso de broca dupla, pois a presença de sujeira poderia afetar o controle. Por esse motivo, foi desenvolvido um algoritmo que se baseia na análise do gradiente de luz, especificamente a extensão de uma faixa cinza ao redor da circunferência do hexágono. O algoritmo conta quantas vezes o gradiente cruza um segundo diâmetro de circunferência definido pelo usuário. Essa circunferência medida define o limite entre a sujeira aceitável e os defeitos reais, permitindo uma sensibilidade de controle ajustável.
Verificação dos caracteres do logotipo de marcação
na parte superior da superfície da cabeça
Na cabeça plana superior do rebite, uma marcação de conteúdo variável, como o lote de produção, é impressa. À medida que a peça se move sob o marcador, pode acontecer de a escrita parecer dupla ou borrada, tornando-a ilegível.
A estabilidade da imagem é fundamental para esse processo, pois qualquer instabilidade cria ruído de fundo, obscurecendo a linha entre componentes em conformidade e não conformes. Os métodos tradicionais de análise de imagem são limitados e, mesmo com o auxílio das funções de OCR (reconhecimento óptico de caracteres), não é possível processar 100 peças por minuto.
A IA vem em nosso auxílio oferecendo uma solução que inclui o treinamento de uma rede neural para se concentrar exclusivamente no reconhecimento do defeito, não no conteúdo textual da redação. A IA ignora o significado do texto controlado, mas é capaz de identificar as peculiaridades associadas ao defeito no texto escrito.
Como nas verificações anteriores, o desafio está em encontrar o equilíbrio certo entre os tempos de computação, o discernimento de defeitos e o investimento na qualidade dos componentes.
Manuseio de peças com revestimento de superfície delicado
Os rebites anodizados normalmente não requerem procedimentos especiais de manuseio no sistema de alimentação, exceto durante a configuração da máquina, quando a peça gira 360° dentro das ranhuras do disco de transporte. Ocasionalmente, a superfície lateral do corpo cilíndrico pode sofrer abrasão durante o contato entre a haste do rebite e a ranhura do disco de metal, o que não afeta a funcionalidade da peça, mas deve ser evitado por motivos estéticos. Para evitar abrasões, um método comum é levantar a peça do disco, mas isso não é recomendado aqui, devido a restrições de tempo. Aumentar o diâmetro da ranhura não é uma opção, devido à estabilidade precisa da peça necessária para o controle do sextavado inferior. A solução final é uma rotação precisa da peça centralizada dentro da folga da ranhura do disco (5 centésimos de milímetro). A solução final é uma rotação precisa da peça centralizada dentro da folga da ranhura do disco (5 centésimos de milímetros).
AI and Training
O controle de Inteligência Artificial (IA) difere do software de visão tradicional por não depender de regras predefinidas. Em vez disso, o algoritmo de IA calcula variáveis, formando uma rede neural que avalia a similaridade da imagem para categorias como peças compatíveis e não compatíveis. Essa rede determina a porcentagem de semelhança de uma nova imagem com categorias específicas.
A IA vai além da interpretação analítica de imagens, gerando de forma autônoma critérios de pesquisa com lógicas não diretamente compreensíveis por humanos. Embora altamente versátil e avançada, seus resultados não são totalmente previsíveis de antemão, exigindo uma cuidadosa validação em campo.
O processo de treinamento em IA, que envolve uma estação de computação bem equipada e as licenças de software necessárias, também exige conhecimentos específicos.
É fundamental chegar a soluções eficazes e eficientes do ponto de vista computacional. O processo de IA exige um tempo de cálculo substancial para as fases de treinamento e validação. Para evitar períodos improdutivos prolongados do equipamento de classificação, o treinamento não é realizado na máquina de classificação.
Para a conveniência do usuário, a Dimac oferece serviços de treinamento remoto de redes neurais.
O software da máquina incorpora um procedimento simples para ajudar os operadores a capturar imagens suficientes de amostras em conformidade e com defeito. A Dimac realiza o treinamento como um serviço, refina-o e valida-o e, em seguida, instala a rede neural treinada na máquina.
Garantir um controle 100% seguro do logotipo dos caracteres marcados na cabeça do rebite representa um desafio que não pode ser resolvido com técnicas tradicionais. Juntamente com a inspeção visual humana, a IA é atualmente a única solução viável. O olho humano continua sendo essencial para definir e otimizar o fluxo de trabalho da IA hoje e possivelmente no futuro.
