De olho na produção com aprendizado profundo

A Bosch Car Multimédia, enquanto fornecedora de componentes eletrónicos para diversos clientes da indústria automóvel, depende de um elevado padrão de qualidade dos seus sensores automóveis fabricados. Para garantir este padrão, os defeitos devem ser detectados de forma rápida e confiável. Neste caso específico, a tarefa é verificar se há defeitos nas molas metálicas. Estas molas formam a conexão eletrônica entre a placa de circuito principal e uma bucha de cobre na tampa de um sensor. Por se tratar de um processo de usinagem manual, diversos defeitos podem ocorrer na mola metálica durante a produção.

Otimizando a inspeção de qualidade com visão mecânica

A Bosch já dependia de um processo de inspeção automatizado, mas queria otimizá-lo ainda mais. O objetivo era melhorar a qualidade geral da inspeção, tornar a nova solução mais econômica e reduzir o trabalho de manutenção da aplicação. A Bosch selecionou o software de visão mecânica MERLIC da MVTec Software GmbH na Alemanha. MVTec MERLIC é um software de visão mecânica fácil de usar que torna possível resolver as aplicações mais comuns de visão mecânica, mesmo sem conhecimentos de programação.

Deep Learning ajuda a detectar defeitos

Na aplicação da Bosch, a visão mecânica é assim: uma câmera de cinco megapixels captura uma imagem de cima para cada componente. A detecção de anomalias de contexto global é usada para inspecionar as imagens capturadas com as molas metálicas. A tecnologia de aprendizagem profunda possui duas redes neurais. A rede “local” verifica defeitos de pequena escala, como arranhões, rachaduras ou sujeira. A rede 'global' vai um passo além e verifica defeitos lógicos, como colchetes tortos ou ausentes. A partir da interferência das duas redes, a Detecção de Anomalias de Contexto Global determina uma pontuação de anomalia. Este valor é então comparado com o valor limite de anomalia definido previamente. Se a Pontuação de Anomalia estiver acima deste limite, o componente está com defeito e deve ser rejeitado. Após a inspeção, cada imagem pode ser revisada no frontend do MERLIC. Especialmente útil: um mapa de calor pode ser usado para rastrear de forma transparente quais partes da imagem acionaram a detecção de anomalia.

Até agora, o processo de inspeção tem sido realizado usando métodos de visão mecânica baseados em regras. No entanto, uma das desvantagens disto era que todos os possíveis tipos de defeitos tinham que ser extraídos individualmente usando “imagens ruins”. Em contraste, treinar os métodos de aprendizagem profunda do MERLIC requer apenas “boas imagens” de partes intactas. Por serem muito fáceis de adquirir, economiza tempo e dinheiro.

Integração de software de visão de máquina no sistema de controle de máquina

A questão de como integrar o software de visão industrial num processo de produção existente foi particularmente interessante para a Bosch, uma vez que o processo de produção e a inspeção de qualidade integrada não deveriam ser alterados. Assim, o foco principal foi a integração do software de visão artificial no sistema de controle da máquina. O software teve que ser conectado diretamente às máquinas, uma vez que a planta não possui controlador lógico programável (CLP). O protocolo MQTT integrado no MERLIC fornece a comunicação máquina a máquina necessária. Isso permitiu que o software de visão mecânica fosse facilmente integrado ao processo por meio de protocolos de comunicação IoT padrão. O desenvolvimento do programa de calibração do sistema de visão mecânica poderia ser acelerado através do software fácil de usar.

“Concluímos com sucesso a prova de conceito no final de 2022. No processo, todos os nossos objetivos foram alcançados em termos de taxas de detecção, requisitos de manutenção do sistema e custos. Portanto, o comissionamento de uma nova linha de produção ocorrerá em meados de 2023. A implementação para outras linhas existentes é planeada posteriormente”, explica João Paulo Silva, especialista em testes do departamento de Óptica e Mecânica do Centro de Competência da Bosch Automotive Electronics em Portugal. Com base no potencial, a Bosch planeia automatizar mais fábricas de eletrónica automóvel no futuro, utilizando aprendizagem profunda.