La technologie Deep Learning et la vision industrielle améliore l'efficacité de la production chez Velux

Velux est réputé pour ses fenêtres de haute qualité et les accessoires qui les accompagnent. Soucieux de toujours trouver la meilleure solution, le département informatique a développé un logiciel que l'entreprise utilise pour automatiser la production et le contrôle qualité. Velux a également utilisé la technologie de vision industrielle pour rendre les processus de fabrication et d'assemblage plus efficaces - et maintenant ils obtiennent une efficacité encore plus grande grâce à  l’Intelligence artificielle et au Deep Learning de SICK.

Lasse est un programmeur d'automatisation senior chez Velux A/S et l'un des principaux membres de l'équipe chargée du développement de solutions de vision industrielle. Programmeur passionné et très polyvalent, Lasse peut attester du fait que le développement d'un logiciel basé sur des règles pour les solutions de vision industrielle est souvent un processus qui prend du temps.

Deep Learning – au même niveau que l’humain

Lorsque Lasse a entendu parler des solutions de Deep Learning de SICK, il y a vu l'occasion d'améliorer l'efficacité et de mieux utiliser les employés qualifiés de l'entreprise en leur évitant d'effectuer les tâches les plus monotones.

Le Deep Learning est un sous-ensemble de l’Intelligence artificielle basé sur les réseaux neuronaux, qui imitent la manière de voir, de percevoir et de décider d’un être humain. Ces dernières années, cette technologie est devenue beaucoup plus simple à utiliser et ne nécessite plus la lourde infrastructure informatique qui rendait ces solutions inaccessibles pour de nombreuses organisations par le passé. Aujourd'hui, les solutions de Deep Learning peuvent être exécutées sur des contrôleurs industriels compacts, ce qui les rend plus accessibles et pertinentes pour une utilisation industrielle.

De 200 à 20 heures/personnes

Dans le passé, Velux Danmark A/S a assuré la qualité de ses produits en effectuant des inspections manuelles des composants de ses fenêtres. Bien que ce système ait toujours bien fonctionné, il présente des limites évidentes. Selon l'expérience des employés, il peut y avoir de petites variations dans l'évaluation des composants. La nécessité de travailler rapidement et d'effectuer la même évaluation toute la journée comporte également le risque que les employés deviennent « aveugles » avec la vitesse. Conscient de ces limites, Lasse Hedeby a décidé d'introduire l'inspection par caméra pour aider les opérateurs à effectuer ce travail manuel.

Mais cela laisse à Lasse une énorme charge de travail. Velux A/S a de nombreux sous-processus. Chacun d'entre eux nécessite le développement d'un nouveau logiciel pour de nouveaux systèmes de vision industrielle. La mise en place d'un logiciel basé sur des règles pour chaque processus peut facilement prendre jusqu'à 200 heures/homme. L'utilisation de la solution de Deep Learning qui s'appuie sur SICK AppSpace a considérablement réduit le besoin de coder, ce qui signifie que Lasse a pu réduire le temps de développement du nouveau logiciel à une fraction du temps initial (20 heures).

L'un de ses projets les plus récents a fait appel aux solutions intelligentes de SICK pour vérifier que les profilés en aluminium, un composant d'un store de fenêtre, sont suffisamment remplis de mousse polyéthylène. Cela peut être délicat, car la façon dont la mousse se dilate lorsqu'elle est pulvérisée dans le profilé n'est pas uniforme. Cela signifie qu'il n'est pas possible de répondre clairement par oui ou par non à l'évaluation du processus de remplissage.

Résoudre les problèmes grâce à une étroite collaboration

La formation du logiciel à la reconnaissance de profils parfaitement remplis s'est déroulée rapidement et a donné de bons résultats, mais le processus n'était pas parfait. Les profils sont longs et fins, de sorte que lorsque les caméras vérifient les profils, les informations pertinentes pour l'évaluation n'occupent qu'une toute petite partie de l'image. La solution a nécessité l'adaptation d'une SensorApp standard, divisant l'image du capteur de vision industrielle de SICK en trois images distinctes, afin de rendre l'algorithme de Deep Learning plus efficace.

Les ingénieurs logiciels de Velux A/S et de SICK A/S se sont soutenus mutuellement dans le développement de la solution, et les deux équipes ont profité de cette expérience. Lasse Hedeby a déclaré qu'il n'avait "jamais connu auparavant un fournisseur aussi flexible et offrant un aussi bon support que SICK". De son côté, l'équipe de SICK est heureuse de travailler avec un partenaire aussi sérieux et d'avoir un client satisfait.

La voie à suivre pour l'automatisation industrielle

Lasse travaille déjà sur la tâche suivante, où l'IA sera utilisée pour s'assurer que les vis d'un support sont montées et serrées. La tâche peut être complexe à résoudre avec une vision industrielle ordinaire basée sur des règles, car le métal et les vis peuvent avoir une surface très diverse avec beaucoup de réflexion de lumière. Cependant, les premiers essais sont très prometteurs. La capacité de la solution Deep Learning de SICK à gérer facilement une telle diversité de problèmes complexes montre clairement que c'est la voie à suivre pour l'inspection par caméra et l'automatisation industrielle.

Ces articles pourraient vous intéresser

SensorApp Intelligent Inspection : rendre le Deep Learning accessible

En lire plus

Chaque mouvement à portée de vue : Une installation de montage surveillée par caméra chez RIBE Anlagentechnik

En lire plus

Le Deep Learning est synonyme d’avenir et d’efficacité accrue

En lire plus