Niko passe à un contrôle de qualité piloté par l'IA avec Robovision

12 août 2021
  • Microsoft
  • intelligence artificielle

L'intelligence artificielle est en passe de devenir une réalité quotidienne dans le monde des affaires. Grâce aux pouvoirs combinés de l'IA et de la vision par ordinateur, les entreprises peuvent réaliser des gains d'efficacité significatifs dans une série de domaines fonctionnels. Niko, leader dans le domaine de la domotique et des interrupteurs, a récemment mis en œuvre un processus de contrôle de la qualité plus rentable et piloté par l'IA avec Robovision et delaware, réduisant ainsi les faux rejets de 72 %.

Chaque jour, de grandes quantités de plastrons et d'autres matériaux de finition sortent de la chaîne de montage de l'usine Niko à Sint-Niklaas. Ces plastrons doivent s'adapter aux interrupteurs et aux prises de courant, et leur aspect doit être parfait. Pour le contrôle de la qualité chez Niko, il y avait encore beaucoup de place pour optimiser ce processus.

Vers un processus de tri automatisé

Dans le passé, le contrôle de la qualité était en partie automatique et en partie manuel. En conséquence, une part importante de bons plastrons était rejetée à tort, tandis que des plastrons imparfaits étaient approuvés. En conséquence, les coûts étaient plus élevés que prévu : les "bons" plastrons n'étaient pas vendus ou recyclés, et une partie des "mauvais" plastrons finissaient de toute façon dans les magasins. Niko devait trouver un moyen d'automatiser le contrôle de la qualité pour réduire ces erreurs et améliorer la rentabilité.

En collaboration avec delaware, Robovision a proposé une plateforme d'IA qui classe les défauts sans intervention humaine. "Auparavant, les développeurs devaient cataloguer les défauts manuellement, mais aujourd'hui, grâce à l'apprentissage profond et à l'apprentissage automatique, la plateforme d'IA écrit elle-même l'algorithme", explique Jonathan Berte, PDG de Robovision.

Repérer l'angle mort

« Dans le cas de Niko, nous avons utilisé quelques centaines d'images de plastrons parfaits et défectueux pour entraîner l'algorithme. Sur les plaques inacceptables, nous avons indiqué les défauts jusqu'au niveau d'un seul pixel. Grâce à l'IA et à la vision par ordinateur, nous avons pu repérer des défauts qui n'étaient même pas visibles à l'œil nu. Avec une caméra à grande vitesse, l'algorithme a immédiatement et correctement identifié chaque plaque frontale défectueuse », explique Sven Arnauts, responsable de delaware.ai.

« La plateforme d'IA a écrit son propre algorithme en quelques heures seulement. Les grands avantages sont la précision, la rentabilité et le gain de temps, mais il n'est pas non plus nécessaire d'avoir des connaissances en programmation pour créer un algorithme. Qui plus est, cette technologie fonctionne dans Microsoft Azure cloud, et ne nécessite donc pas une grappe de serveurs coûteuse », selon Sven.

« Avec l'aide de Robovision, Niko a pu réduire de 72 % le nombre de ‘bons’ produits retirés à tort du tapis roulant. Le nombre de 'mauvais' produits qui restaient à tort sur le tapis roulant a été réduit de 33 % », révèle Sven.

Le plein potentiel de l'IA

L'apprentissage profond n'est pas seulement utile pour cartographier automatiquement les écarts de production. Un autre avantage est que vous n'avez pas besoin de former à nouveau le système d'IA lorsque de nouvelles variantes de produits arrivent, par exemple lorsque les plastrons blancs sont remplacés par des plastrons d'autres couleurs.

Cependant, même si l'IA peut détecter chaque plastron défectueux, un bras robotisé ou un pousseur est nécessaire pour retirer les plaques défectueuses de la bande. « Gardez à l'esprit que ce n'est qu'en connectant l'IA à vos processus métier et à vos machines que vous pourrez exploiter tout le potentiel de l'IA », explique Jonathan. « L'IA vous aide à détecter les défauts, mais pour créer plus d'efficacité, vous devez également vous poser la question suivante : ‘pourquoi y a-t-il un défaut ?’. Pour y répondre, il est nécessaire d'intégrer l'IA à votre solution de planification des ressources de l'entreprise (ERP) et aux machines de la chaîne de production. L'intégration des résultats du contrôle visuel de la qualité dans les processus de la chaîne d'approvisionnement de bout en bout (comme les achats et les ventes), par exemple, peut se faire en connectant la solution de Robovision au système de mesure de la qualité d'une entreprise. »

Votre entreprise est-elle prête à adopter la fabrication intelligente (smart manufacturing) ? Notre équipe delaware vous aidera à accroître vos gains d'efficacité et vos avantages concurrentiels. N'hésitez pas à nous contacter !