Innovación en la detección de anomalías: revolucionando la detección de defectos
La última innovación patentada de JIDOKA (número de patente: 536956, mayo de 2024) combina redes neuronales convolucionales (CNN) con memorias basadas en funciones, lo que supone un gran avance en la detección de anomalías. El sistema extrae, almacena y compara las funciones de los datos de manera eficiente, lo que permite una identificación precisa en tiempo real de las irregularidades, reduce los falsos positivos y mejora la precisión general de la detección. Este enfoque dual supone un punto de inflexión en la fabricación y el mantenimiento predictivo, ya que ofrece a las empresas una solución escalable y preparada para el futuro.
Desafíos con los métodos tradicionales
La detección de defectos tradicional depende en gran medida de la inspección manual, que es propensa a errores humanos y no se escala con el aumento de los volúmenes de producción. Los métodos de IA existentes también tienen problemas con las altas tasas de falsos positivos y la necesidad de grandes cantidades de datos etiquetados, que a menudo no están disponibles para productos nuevos o entornos de producción muy variables.
La solución impulsada por IA de JIDOKA (cómo funciona)
1 El proceso comienza cuando un procesador recibe una imagen del objeto a inspeccionar.
2 Luego, la imagen se introduce en una CNN previamente entrenada, que es un tipo de IA que puede identificar características importantes de la imagen, como formas, texturas y patrones
(3) La CNN extrae estas características significativas en varias etapas del proceso de análisis.
4 A continuación, los mapas de características extraídos se integran en un sistema de memoria basado en redes neuronales previamente entrenado. Este sistema de memoria almacena y recuerda las características importantes que se identificaron
5 A continuación, el sistema compara la imagen actual que se está analizando con las características almacenadas anteriormente en el sistema de memoria. Esto ayuda al sistema a detectar si hay alguna anomalía o diferencia en comparación con lo que ha visto anteriormente
6 Para identificar anomalías, el sistema calcula las diferencias entre las características extraídas por la CNN y las características almacenadas en el sistema de memoria. Esto crea un tipo especial de imagen denominado mapa de calor para cada capa del análisis
7. Estos mapas de calor se redimensionan para que coincidan con el tamaño de la imagen original y, a continuación, se promedian para crear un mapa de calor de anomalías final.
8 Este mapa térmico de anomalías avanzado permite la identificación precisa de las anomalías al centrarse solo en las áreas que son significativamente diferentes de las características almacenadas. Puede detectar con precisión incluso anomalías sutiles que serían difíciles de encontrar con los métodos tradicionales.
Identificación precisa de anomalías sutiles como polvo, marcas de líneas, daños o marcas de medición:
Ventajas clave
• Adaptable a la introducción de nuevos productos (NPI): puede detectar anomalías en productos fabricados por primera vez sin datos históricos de defectos.
• Maneja una gran variedad de productos: eficaz en entornos de producción rápidos y de alta variabilidad.
• Despliegue rápido: el sistema puede estar activo en seis semanas, significativamente más rápido que la implementación típica de seis meses para sistemas de IA similares.
• Reducción de las fugas de productos defectuosos: se logró una reducción del 5 al 10% en las fugas de productos defectuosos para clientes como IM Gears y Wago India.
Impacto en la industria
La innovación de JIDOKA mejora el control de calidad en todos los sectores, desde la automoción hasta la electrónica, al mejorar la precisión, reducir los falsos positivos y permitir la detección en tiempo real. La tecnología maneja de manera eficiente diversos tipos de datos, como imágenes y lecturas de sensores, al tiempo que optimiza los recursos computacionales para aplicaciones a gran escala.
La trayectoria en materia de propiedad intelectual y la cultura de
JIDOKA está profundamente comprometida con la innovación, ya que ha presentado tres patentes desde 2018, incluida esta última. El proceso de desarrollo implicó entre 8 y 9 meses de pizarra blanca colaborativa, seguidos de entre 7 y 12 meses de documentación sobre la patente. El resultado: una patente concedida en poco menos de dos años.
Historias de éxito de clientes
Clientes como IM Gears y Wago se han beneficiado del sistema de detección de anomalías de JIDOKA en entornos con productos nuevos y datos de defectos limitados. La solución patentada se adaptó perfectamente a los distintos tipos de productos y plazos de producción, identificando de forma eficaz una amplia gama de defectos hasta ahora desconocidos y garantizando envíos sin defectos incluso en escenarios de fabricación tan complejos.
Resolviendo el gran problema de la Industria 4.0
La adopción de tecnologías avanzadas de detección de anomalías como la de JIDOKA es vital en la transición de las industrias a la Industria 4.0. El rápido cambio hacia la automatización, la toma de decisiones basada en datos y los sistemas de fabricación inteligentes exige innovaciones que vayan más allá de lo que pueden ofrecer los modelos tradicionales. Con el vanguardista sistema de detección de anomalías de JIDOKA, las empresas no solo pueden satisfacer las necesidades actuales de control de calidad, sino también prepararse para los desafíos futuros.
La solución de JIDOKA redefine los estándares para la detección de anomalías, garantizando un control de calidad sólido y confiable y la excelencia operativa en todos los sectores.
