Data Engineering
Platform Engineering
  • Terraform
  • Kubernetes
  • Ansible
  • Docker
  • Elastic
Software Engineering
  • Spring
  • React
  • Python
  • Scala
Data Governance
Quality Inspection
Scopri

Contesto

L’ispezione visiva è un passo essenziale nel processo di produzione di molte industrie, tra cui manifatturiero e farmaceutico per esaminare i prodotti alla ricerca di difetti o errori. Tuttavia, questo processo può essere lungo e costoso e quindi effettuato solo a campione, causando rilavorazioni e perdita di efficienza negli step produttivi a valle.

Spesso il training degli ispettori è anche complesso e poco scalabile.

L’intelligenza artificiale e gli algoritmi di deep learning possono assistere gli ispettori “augmentandone” la capacità diagnostica o automatizzando parte dei processi di Quality Control.

La computer vision può essere utilizzata per rilevare una vasta gamma di difetti, tra cui difetti superficiali, errori dimensionali e componenti mancanti o errati. Può anche essere utilizzata per verificare il rispetto delle normative e delle regolamentazioni da parte dei prodotti.

Nell’industria manifatturiera, l’ispezione visiva con computer vision può essere applicata a una varietà di prodotti, come parti meccaniche, elettronica e imballaggi, localizzando ed identificando i diversi tipi di non conformità.

Punti critici

L’ispezione umana presenta diverse problematiche critiche che possono influire sulla precisione e sull’efficienza del processo di controllo della qualità. Queste includono:

  • Fatica e noia: Gli ispettori umani possono diventare stanchi o annoiati dopo aver svolto le stesse attività ripetutamente, causando un calo di attenzione ai dettagli e un aumento di errori.
  • Visibilità limitata: Alcuni difetti potrebbero essere difficili da rilevare per l’occhio umano, soprattutto se sono piccoli o nascosti in un prodotto complesso.
  • Soggettività: Persone diverse potrebbero avere interpretazioni diverse di ciò che costituisce un difetto, causando incostanza nel processo di ispezione.
  • Velocità limitata: L’ispezione umana è di solito più lenta dell’ispezione automatizzata, causando colli di bottiglia nel processo di produzione.

Soluzione

Quantyca nel tempo ha sviluppato diverse soluzioni basate su architetture di CV consolidate quali ResNets e framework di Deep Learning quali fast.ai e Pytorch. La chiave del successo di questi progetti è nella capacità di analizzare assieme ai Domain Experts del cliente i passaggi fondamentali del processo ed i punti dove si annida la complessità di ispezione, e di sfruttare al meglio i dati disponibili usando tecniche di fine-tuning partendo da foundation models già consolidati. Quantyca affianca il cliente nelle diverse fasi:

Hai bisogno di una consulenza personalizzata? Contattaci per trovare la soluzione migliore!

(Required)
This field is for validation purposes and should be left unchanged.

Entra a far parte del team Quantyca, facciamo squadra!

Siamo sempre alla ricerca di persone di talento da inserire nel team, scopri tutte le nostre posizioni aperte.

VEDI TUTTE LE POSIZIONI APERTE
TodoSlots article