Les méthodes de contrôle de la qualité diffèrent selon les secteurs et sont spécifiques à chaque fabricant et produit. Mais en termes d’inspection des produits, la plupart des processus de qualité de fabrication sont similaires. Des inspecteurs formés évaluent visuellement chaque unité et décident si elle passe ou échoue.
Bien sûr, les gens sont efficaces dans leur travail. Mais nous pouvons aussi commettre des erreurs involontaires, nous fatiguer ou nous laisser distraire lorsque nous effectuons des tâches répétitives. Et puis il nous arrive aussi de faire des pauses, et de partir en vacances ou même à la retraite.
Les fabricants automatisent donc les processus de contrôle qualité et augmentent les inspecteurs avec des caméras, des systèmes d’éclairage et de vision machine depuis des décennies. Mais si de nombreuses améliorations de la machine améliorent la vitesse et le volume d’inspection, leurs capacités peuvent être limitées.
Et les fabricants recherchent donc un niveau supérieur d’intelligence artificielle (IA) et d’outils d’apprentissage machine, tels que FactoryTalk® Analytics™ VisionAI™, pour améliorer leur processus de contrôle de la qualité.
Carl Lewis, responsable produit senior chez Rockwell Automation, explique : « Notre solution de contrôle qualité basée sur l’IA permet aux fabricants de voir ce qui leur échappait. Nous avons conçu une approche sans code pour l’inspection visuelle afin d’améliorer la qualité, optimiser le rendement et fournir des informations critiques à partir des données de production en temps réel. » Le système d’inspection visuelle par l’IA fournit des données qui se traduisent directement en produits de meilleure qualité. Selon Lewis, « Cela aide les fabricants à réduire les défauts et les déchets de produits, les temps d'arrêt de production et les coûts d'exploitation. »
Cette nouvelle génération de systèmes d’inspection visuelle pilotés par l’IA peut apprendre et s’adapter dynamiquement aux conditions changeantes et collecter, organiser et communiquer des données sur la qualité 24 h/24, 7 j/7.
Les données permettent au personnel en charge de la qualité et aux opérateurs de l’usine de comprendre et de résoudre rapidement les problèmes de production. « L’impact peut être significatif », dit M. Lewis. « Le système permet d'identifier les défauts aussi bien sur une chaîne de montage automobile que sur des produits de consommation pouvant entraîner des rappels. Et il existe d’innombrables cas d’utilisation industrielle, qu’il s’agisse d’identifier des problèmes de dimensions, des anomalies de conditionnement ou d’autres problèmes de qualité avant que le produits ne quittent l’usine. Cet outil d’inspection visuelle basé sur l’intelligence artificielle et l’apprentissage automatique apporte une valeur ajoutée considérable. »
