AI
Governance
Quantyca Quality Inspection banner
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!

Questo campo serve per la convalida e dovrebbe essere lasciato inalterato.

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