Innovation en matière de détection des anomalies : révolutionner la détection des défauts
La dernière innovation brevetée de JIDOKA (brevet n° : 536956, mai 2024) combine des réseaux neuronaux convolutifs (CNN) avec des mémoires basées sur des fonctionnalités, marquant ainsi une avancée dans la détection des anomalies. Le système extrait, stocke et compare efficacement les caractéristiques des données, permettant ainsi une identification précise en temps réel des irrégularités, une réduction des faux positifs et une amélioration de la précision globale de détection. Cette double approche change la donne en matière de fabrication et de maintenance prédictive, en offrant aux entreprises une solution évolutive et pérenne.
Difficultés liées aux méthodes traditionnelles
La détection traditionnelle des défauts repose largement sur l'inspection manuelle, qui est sujette à l'erreur humaine et ne s'adapte pas à l'augmentation des volumes de production. Les méthodes d'IA existantes sont également confrontées à des taux de faux positifs élevés et à la nécessité de disposer de grandes quantités de données étiquetées, qui ne sont souvent pas disponibles pour les nouveaux produits ou les environnements de production très variables.
La solution alimentée par l'IA de JIDOKA (comment ça marche)
1 Le processus commence par la réception par un processeur d'une image de l'objet à inspecter
2 L'image est ensuite introduite dans un CNN pré-entraîné, qui est un type d'IA capable d'identifier les caractéristiques importantes de 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 neuronal pré-entraîné. Ce système de mémoire stocke et mémorise les caractéristiques importantes qui ont été identifiées
5 Le système compare ensuite l'image en cours d'analyse aux caractéristiques précédemment stockées dans le système de mémoire. Cela permet au système de détecter toute anomalie ou différence par rapport à ce qu'il a observé auparavant.
6 Pour identifier les anomalies, le système calcule les différences entre les caractéristiques extraites par le CNN et les caractéristiques stockées dans le système de 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 d'origine, puis moyennées ensemble pour créer une carte thermique des anomalies finales
8 Cette carte thermique avancée des anomalies permet une identification précise des anomalies en se concentrant uniquement sur les zones qui sont significativement différentes des caractéristiques stockées. Il peut détecter avec précision des anomalies, même subtiles, qui seraient difficiles à détecter avec les méthodes traditionnelles.
Identification précise des anomalies subtiles telles que la poussière, les marques de ligne, les dommages, les marques de mesure :
Principaux avantages
• Adaptable aux introductions de nouveaux produits (NPI) : peut détecter des anomalies dans les produits fabriqués pour la première fois sans données historiques sur les 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 la mise en œuvre habituelle de six mois pour des systèmes d'IA similaires.
• Réduction des fuites de défauts : réduction de 5 à 10 % des fuites de produits défectueux pour des clients tels que IM Gears et Wago India.
Impact sur l'industrie
L'innovation de JIDOKA améliore le contrôle qualité dans tous les secteurs, de l'automobile à l'électronique, en améliorant la précision, en réduisant les faux positifs et en permettant une détection en temps réel. La technologie gère efficacement divers types de données, tels que les images et les relevés de capteurs, tout en optimisant les ressources de calcul pour les applications à grande échelle.
Parcours de la propriété intellectuelle et de la culture de l'innovation
JIDOKA est profondément attachée à l'innovation, ayant déposé trois brevets depuis 2018, dont ce dernier. Le processus de développement a nécessité 8 à 9 mois de tableau blanc collaboratif, suivis de 7 à 12 mois de documentation sur les brevets. Resultat : un brevet délivré en un peu moins de deux ans.
Témoignages des successeurs de clients
Des clients tels que Gears et Wago ont bénéficié du système de détection des anomalies de JIDOKA dans des environnements comportant de nouveaux produits et des données de défauts limitées. La solution brevetée s'est parfaitement adaptée aux différents types de produits et aux différents délais de production, identifiant efficacement un large éventail de défauts jusqu'alors inconnus et garantissant des expéditions sans défaut, même dans des scénarios de fabrication aussi complexes.
Résoudre le problème le plus vaste de l'industrie 4.0
L'adoption de technologies avancées de détection d'anomalies telles que celle de JIDOKA est vitale alors que les industries passent à l'industrie 4.0. La transition rapide vers l'automatisation, la prise de décision basée sur les données et les systèmes de fabrication intelligents exige des innovations qui vont au-delà de ce que les modèles traditionnels peuvent offrir. 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 également se préparer aux défis futurs.
La solution de JIDOKA redéfinit les normes en matière de détection des anomalies, garantissant un contrôle de qualité robuste et fiable et une excellence opérationnelle dans tous les secteurs.
