Comment un fabricant américain de technologies énergétiques mondiales a atteint 95 % de taux de détection des défauts lors de l'inspection des soudures d'échappement grâce au Jidoka

Le système à deux caméras KOMPASS de Jidoka a permis l'inspection des soudures de crochets de levage avec un rappel des défauts de plus de 95 %, une sélection de trames supérieure à 99 % et un taux de fausses alertes inférieur ou égal à 5 %.

Use Case
Inspection des soudures de crochets de levage
Result 1
Rappel de détection des défauts d'au moins 95 %
Deployments
KOMPASS avec deux caméras industrielles, objectifs autofocus et sélection dynamique des trames de crochets de levage
Result 2
Au moins 99 % de sélection automatique des images avec un taux de fausse alerte de 5 % ou moins

Présentation

Un fabricant mondial de technologies énergétiques, dont le siège est aux États-Unis, développe des moteurs, des systèmes énergétiques et des technologies de composants associés pour des clients du monde entier. Son portefeuille de solutions d'émissions comprend des systèmes de post-traitement des gaz d'échappement conçus pour favoriser la performance, la fiabilité et la conformité réglementaire.

Les crochets de levage sont soudés aux composants d'échappement lors de la fabrication. Le contrôle qualité existant reposait sur l'observation et le jugement manuel des opérateurs. Les différences entre les variantes de composants, les positions des crochets et l'aspect des soudures rendaient l'inspection cohérente difficile et limitaient la disponibilité de dossiers qualité liés aux images.

Opportunité

Le fabricant avait besoin d'un processus d'inspection capable de :

  • Localiser automatiquement le crochet de levage au sein d'un flux d'images continu
  • Inspecter la zone de soudure sur deux variantes de composants d'échappement et deux types de crochets
  • Détecter un crochet mal positionné, des soudures incomplètes ou irrégulières, la porosité, les projections, les caniveaux et les écarts de géométrie de soudure
  • Identifier les défauts visibles en surface supérieurs à 1 mm
  • Appliquer des critères d'acceptation cohérents à chaque composant inspecté
  • Fournir des décisions claires (conforme/non conforme) avec des preuves visuelles

L'objectif était de remplacer un contrôle manuel variable par une inspection des soudures cohérente et étayée par des preuves, tout en prenant en charge une future extension à d'autres variantes.

‍

L'approche de Jidoka

Jidoka a configuré un système d'inspection basé sur KOMPASS combinant capture d'images en continu, sélection automatique des trames, analyse des soudures par IA et rapports de qualité traçables.

Capture d'images en continu avec deux caméras

Deux caméras industrielles équipées d'objectifs autofocus capturent en continu chaque composant d'échappement passant au poste d'inspection, éliminant ainsi le besoin de déclenchement manuel des images.

Sélection automatique des trames de crochets de levage

KOMPASS ignore les trames sans crochet de levage et sélectionne automatiquement l'image contenant le crochet pour l'inférence par IA. Le processus a atteint une précision d'au moins 99 % sur deux variantes d'échappement et deux types de crochets.

Inspection des soudures par KOMPASS

Les images sélectionnées sont traitées sur un ordinateur de périphérie (edge computer) à l'aide d'un modèle d'apprentissage profond par IA. KOMPASS identifie un crochet de levage mal positionné, une répartition incomplète ou irrégulière de la soudure, la porosité, les projections, les caniveaux, les écarts de géométrie de soudure et d'autres anomalies visibles en surface.

Le système détecte les défauts visibles en surface supérieurs à 1 mm dans la zone de soudure du crochet de levage. Il complète les contrôles non destructifs (CND) et destructifs existants utilisés pour évaluer la pénétration de la soudure, les conditions sous la surface et la résistance mécanique.

Critères configurables et prise en charge des variantes

Les équipes qualité peuvent configurer les seuils de confiance du modèle, les tailles minimales de défauts et les critères d'acceptation pour chaque classe de défaut. Cela permet de convertir les normes visuelles en décisions d'inspection objectives et reproductibles.

Le flux de travail d'auto-apprentissage guidé DOJO de KOMPASS permet également d'introduire des variantes de composants supplémentaires sans codage ni connaissances spécialisées en IA.

Décisions automatiques OK/NOK

KOMPASS classe chaque composant inspecté comme OK ou NOK. Pour les pièces rejetées, l'interface opérateur affiche une image annotée montrant le défaut détecté et son emplacement.

L'architecture du système prend également en charge les verrouillages de ligne, les alertes Andon via API et l'accès aux données de défauts basé sur REST.

Données qualité traçables

Les résultats d'inspection et les images peuvent être associés à l'identité de la pièce concernée. KOMPASS fournit des rapports par lot, par nom de pièce et par type de défaut, aidant les équipes qualité à examiner les problèmes de soudure récurrents et à faciliter l'analyse des causes profondes.

‍

Avantages majeurs

Un processus d'inspection de soudure reproductible combinant sélection automatique d'images, décisions IA cohérentes et preuves visuelles de qualité.

Taux de rappel de détection des défauts d'au moins 95 %

Identification fiable des classes de défauts de soudure visibles en surface.

Sélection automatique de trame d'au moins 99 %

Sélection cohérente de la trame contenant le crochet de levage à partir du flux d'images continu.

Défauts visibles en surface supérieurs à 1 mm

Détection des petites anomalies de soudure dans la zone d'inspection du crochet de levage.

Taux de fausses alertes de 5 % ou moins

Réduction des rejets inutiles et de la vérification supplémentaire des composants conformes.

Grâce au système KOMPASS de Jidoka, le fabricant a mis en place une approche reproductible et étayée par des preuves pour l'inspection des soudures de crochets de levage. La sélection automatique de trame élimine la dépendance à l'identification manuelle du moment d'inspection, tandis que les critères d'IA configurables assurent des décisions OK et NOK cohérentes. Les images de défauts annotées et les rapports structurés fournissent des preuves de qualité plus claires et créent une base évolutive pour l'inspection d'autres variantes de composants d'échappement.

customer success

See intelligent sorting & counting in action

Discover how industry leaders are replacing manual processes with Jidoka's AI vision systems.

Comment Britannia a automatisé l'inspection en ligne des biscuits avec Jidoka
FMCG

Inspection haute vitesse de biscuits avec contrôle qualité automatisé :

  • Précision proche de 100 % à plus de 12 000 biscuits par minute
  • Rejet automatisé et précis des biscuits défectueux
  • Intégration sur des lignes de production existantes

ENTREZ EN CONTACT AVEC NOS EXPERTS

Maximisez la qualité et la productivité grâce à notre système d'inspection par vision pour la fabrication et la logistique.

Entrez en contact