Innovation en détection d'anomalies : révolutionner le repérage des défauts
La dernière innovation brevetée de JIDOKA (brevet n° 536956, mai 2024) associe des réseaux de neurones convolutifs (CNN) à des mémoires basées sur les caractéristiques, marquant une avancée majeure dans la détection d'anomalies. Le système extrait, stocke et compare efficacement les données, permettant une identification précise des irrégularités en temps réel, réduisant les faux positifs et améliorant la précision globale. Cette approche double change la donne dans la fabrication et la maintenance prédictive, offrant aux entreprises une solution évolutive et pérenne.
Les défis des méthodes traditionnelles
Les méthodes traditionnelles de détection des défauts reposent principalement sur l'inspection manuelle, une approche sujette aux erreurs humaines et incapable de s'adapter à la hausse des volumes de production. Les solutions d'IA actuelles se heurtent également à des taux élevés de faux positifs et nécessitent de grandes quantités de données étiquetées, souvent indisponibles pour les nouveaux produits ou les environnements de production très variables.
La solution basée sur l'IA de JIDOKA (fonctionnement)
1 Le processus commence par la réception, par un processeur, d'une image de l'objet à inspecter
2 L'image est ensuite transmise à un CNN pré-entraîné, un type d'IA capable d'identifier des caractéristiques importantes dans l'image, telles que les formes, les textures et les motifs
3 Le CNN extrait ces caractéristiques significatives à différentes étapes du processus d'analyse
4 Ensuite, les cartes de caractéristiques extraites sont intégrées dans un système de mémoire basé sur un réseau de neurones pré-entraîné. Ce système mémorise les caractéristiques importantes identifiées
5 Le système compare alors l'image en cours d'analyse aux caractéristiques précédemment stockées dans le système de mémoire. Cela permet de détecter toute anomalie ou différence par rapport à ce qui a été vu auparavant
6 Pour identifier les anomalies, le système calcule les différences entre les caractéristiques extraites par le CNN et celles stockées en mémoire. Cela crée un type d'image spécial appelé carte thermique pour chaque couche de l'analyse
7 Ces cartes thermiques sont redimensionnées pour correspondre à la taille de l'image originale, puis moyennées pour créer une carte thermique finale des anomalies
8 Cette carte thermique avancée permet une identification précise des anomalies en se concentrant uniquement sur les zones significativement différentes des caractéristiques stockées. Elle peut détecter avec précision des anomalies subtiles difficiles à trouver par des méthodes traditionnelles.


Identification précise d'anomalies subtiles telles que poussière, marques de ligne, dommages, marques de mesure :



Avantages clés
• Adaptable aux lancements de nouveaux produits (NPI) : peut détecter des anomalies sur des produits fabriqués pour la première fois sans historique de données de défauts.
• Gère une grande variété de produits : efficace dans les environnements de production rapides et à forte variabilité.
• Déploiement rapide : le système peut être opérationnel en six semaines, soit beaucoup plus rapidement que les six mois généralement nécessaires pour des systèmes d'IA similaires.
• Réduction des défauts non détectés : une diminution de 5 à 10 % des produits défectueux non détectés a été obtenue pour des clients tels qu'IM Gears et Wago India.
Impact sur l'industrie
L'innovation de JIDOKA améliore le contrôle qualité dans divers secteurs, de l'automobile à l'électronique, en augmentant la précision, en réduisant les faux positifs et en permettant une détection en temps réel. Cette technologie traite efficacement des types de données variés, tels que les images et les relevés de capteurs, tout en optimisant les ressources informatiques pour les applications à grande échelle.
Parcours de propriété intellectuelle et culture de l'innovation
JIDOKA s'engage pleinement dans l'innovation, ayant déposé trois brevets depuis 2018, dont ce dernier. Le processus de développement a nécessité 8 à 9 mois de réflexion collaborative, suivis de 7 à 12 mois de documentation de brevet. Résultat : un brevet accordé en un peu moins de deux ans.
Témoignages de réussite client
Des clients tels qu'IM Gears et Wago ont bénéficié du système de détection d'anomalies de JIDOKA dans des environnements caractérisés par de nouveaux produits et des données de défauts limitées. La solution brevetée s'est adaptée de manière transparente à divers types de produits et calendriers de production, identifiant efficacement un large éventail de défauts jusqu'alors inconnus, garantissant ainsi des expéditions sans défaut, même dans des scénarios de fabrication aussi complexes.
Résoudre le défi majeur de l'Industrie 4.0
L'adoption de technologies avancées de détection d'anomalies comme celle de JIDOKA est essentielle à mesure que les industries entament leur transition vers l'Industrie 4.0. L'évolution rapide vers l'automatisation, la prise de décision basée sur les données et les systèmes de fabrication intelligents exige des innovations qui dépassent les capacités des modèles traditionnels. Grâce au système de détection d'anomalies de pointe de JIDOKA, les entreprises peuvent non seulement répondre aux besoins actuels en matière de contrôle qualité, mais aussi se préparer aux défis futurs.
La solution de JIDOKA redéfinit les normes de détection d'anomalies, garantissant un contrôle qualité robuste et fiable ainsi qu'une excellence opérationnelle dans tous les secteurs.







