Le capacità di classificazione delle immagini dell'IA, già ampiamente utilizzate in applicazioni come la diagnosi di malattie, la guida autonoma, la moderazione dei contenuti e altre ancora, si adattano perfettamente al controllo qualità industriale, e in particolare all'ispezione ottica automatizzata (AOI). I metodi AOI convenzionali si basano in larga misura sul parere di esperti durante la configurazione del sistema, l'introduzione di nuovi prodotti e, successivamente, durante la produzione, l'ispezione delle immagini delle aree sospettate di presentare difetti.
L'intelligenza artificiale ha iniziato a essere disponibile nel software commerciale di AOI per facilitare la configurazione e la messa in servizio delle apparecchiature. La corrispondenza automatica delle librerie di componenti, che utilizza il deep learning per identificare i tipi di componenti dalle immagini, consente la selezione automatica della libreria ottimale. Inoltre, l'intelligenza artificiale viene utilizzata per agevolare la misurazione 3D dei componenti e generare dati per le parti non presenti in alcuna libreria esistente.
Valutazione secondaria:
Sebbene l'IA abbia semplificato e accelerato la gestione delle librerie, questa tecnologia è ora pronta a offrire un valore ancora maggiore ai produttori, applicando le sue capacità di apprendimento e classificazione per migliorare la precisione dell'ispezione sulla linea di produzione. Affidarsi al giudizio umano per classificare i difetti come reali, falsi positivi o falsi negativi può richiedere molto tempo e introdurre variabilità nel processo produttivo. Mentre alcuni difetti sono facili da classificare, come componenti mancanti o gravemente disallineati, o seri problemi di saldatura, altri sono più difficili da individuare o identificare chiaramente perché non soddisfano gli standard accettabili.
Quando la valutazione è affidata a esperti umani, ogni operatore può applicare criteri diversi in base al proprio livello di esperienza e alle proprie opinioni. L'ispezione può risultare lenta, poiché le valutazioni richiedono tempo. Alcuni difetti potrebbero passare inosservati, mentre valutazioni eccessivamente rigorose possono generare falsi positivi che richiedono interventi di rilavorazione non necessari. L'introduzione dell'intelligenza artificiale a supporto di queste valutazioni secondarie offre l'opportunità di ridurre la dipendenza dagli esperti ed eliminare le imprecisioni, aumentando così la produttività.
La Figura 1 illustra come l'IA possa migliorare il giudizio secondario, contribuendo ad aumentare il valore delle competenze umane e a minimizzare gli effetti dell'errore umano. Il sistema AOI condivide le immagini delle aree difettose rilevate con gli operatori umani e con il software di valutazione basato sull'IA, che integra modelli di apprendimento automatico. Gli esperti umani valutano la natura dei difetti e i loro giudizi vengono inseriti nel software di IA. Grazie a continui adattamenti man mano che vengono registrati i giudizi degli esperti, il modello acquisisce rapidamente le migliori capacità di giudizio degli esperti ed elimina gli errori umani. Una volta addestrato, il modello formula giudizi che consentono agli operatori di lavorare con maggiore sicurezza e velocità, mantenendo al contempo un livello di precisione costantemente elevato. In questo modo, gli operatori possono eguagliare le prestazioni degli ispettori esperti.

Figura 1. Raccolta dati, valutazione assistita e miglioramento tramite apprendimento automatico.
I test secondari assistiti dall'intelligenza artificiale possono migliorare la ripetibilità, impedendo che unità difettose sfuggano alla linea di produzione e identificando rapidamente i falsi positivi, evitando così di sottoporre a rilavorazioni inutili componenti non difettosi. Ciò stabilizza i risultati di qualità in fabbrica e aumenta la produttività.
Indice di affidabilità:
il software AI Judgement di Yamaha per AOI fornisce agli operatori un feedback completo che spiega le loro decisioni "Buono/Non buono", includendo immagini, tabelle e un indicatore di affidabilità (Figura 2). Per i difetti di saldatura come ponti o contaminazioni, questo indice viene visualizzato come una mappa di calore grafica e un indice di anomalia calcolato. Le valutazioni per altri difetti, come il riconoscimento dei caratteri, sono espresse con un indice di corrispondenza. Il software segnala anche le proprie prestazioni con calcoli dell'indice di rilevamento delle anomalie e soppressione del sovra-rilevamento. Attraverso la raccolta e l'analisi ripetuta dei dati, inclusa la riduzione del rumore, e con strumenti per creare e ottimizzare modelli AI personalizzati, il software AI Judgement consente agli utenti di controllare il ciclo di vita dell'apprendimento automatico e, in definitiva, di eseguire il controllo qualità senza assistenza professionale.

Figura 2. L'analisi dell'ispezione, comprese le immagini e l'indice di anomalia calcolato, mostrato nell'immagine, aiuta a formulare un giudizio secondario e a guidare la riparazione, se necessaria.
Dall'assistenza all'automazione:
passando dalla valutazione secondaria assistita dall'IA e condotta da operatori umani, il passo successivo è un sistema AOI completamente autonomo che garantisce prestazioni costanti al livello dei migliori esperti dell'azienda. Il software di valutazione basato sull'IA di Yamaha è pronto a connettersi senza problemi con la stazione di riparazione remota e può condividere i risultati della valutazione IA direttamente con i sistemi AOI online per migliorare continuamente la precisione dell'ispezione. Sfruttare l'IA per automatizzare la valutazione secondaria consente ai sistemi AOI online di operare ininterrottamente senza intervento umano, ad alta velocità, con un numero minimo di falsi negativi o falsi positivi, evitando che i difetti vengano trascurati e prevenendo rilavorazioni non necessarie.
Conclusione
L'intelligenza artificiale può migliorare molteplici aspetti dell'Area di Ispezione (AOI), come l'accelerazione della creazione di librerie e la generazione automatica di dati sui componenti mancanti. Grazie alle sue capacità di classificazione delle immagini, l'IA è pronta per essere implementata sulla linea di produzione per assistere e, in ultima analisi, automatizzare l'ispezione secondaria. Storicamente, questo compito richiedeva l'intervento di ispettori altamente qualificati. Ora, l'IA consente agli operatori di raggiungere rapidamente un livello di competenza paragonabile. La roadmap punta a un'automazione completa, dall'assemblaggio all'AOI, con l'apprendimento automatico, per migliorare ulteriormente la garanzia della qualità e aumentare la produttività.
