A indústria de produção enfrenta constantemente o desafio de melhorar a eficiência e a qualidade dos seus produtos. Neste artigo de blog, abordamos como uma empresa líder no fornecimento de soluções de conectividade e sensores superou obstáculos na produção de peças plásticas através de uma solução personalizada de injeção de moldes plásticos, integrando tecnologias avançadas de visão artificial.

Desafio: Aumentar a Eficiência na Produção de Peças Plásticas

A necessidade urgente de diminuir os tempos de disponibilização de peças plásticas e minimizar as paragens devido a defeitos detetados nas mesmas levou o cliente a procurar uma solução inovadora e feita à medida. Neste artigo vamos focar-nos na tecnologia de visão artificial utilizada, parte determinante para o desempenho desejado da máquina de injeção personalizada.

Integração de Visão Artificial com Deep Learning

A máquina projetada contém duas linhas paralelas, alimentadas por 2 rolos de bandas metálicas, que transportam as peças plásticas através do processo de injeção. O objetivo é detetar rapidamente quaisquer defeitos nas peças plásticas, para reduzir o tempo de paragem. Utilizou-se, para tal, a tecnologia Deep Learning da Cognex, que se revelou fundamental para o sucesso do projeto.

Detalhe das Bandas Metálicas que vão transportar as peças plásticas

Fases da Máquina:

Alimentador: Início do processo com a introdução das bandas metálicas.
Pré-processamento: Alinhamento e preparação das bandas para a injeção.
Injeção: Onde o plástico é injetado para formar as peças.
Pós-processamento: Verificação de eventuais defeitos.
Enrolador: Recolha das bandas metálicas com as peças plásticas finalizadas.

Tecnologias e Equipamentos Utilizados

Para enfrentar este desafio, optou-se por uma abordagem inovadora utilizando 4 Câmaras Cognex, destacando-se o uso de:

• 2 Câmaras IS3805M

Estas câmaras foram utilizadas para o alinhamento preciso das bandas metálicas, essencial para a precisão do processo de injeção. Uma das câmaras foi colocada à entrada do pré-processamento e outra à entrada do pós-processamento (imediatamente após a injetora).

 

• 2 Câmaras ISD905M Deep Learning

Estas câmaras foram usadas para inspeção detalhada do processo de injeção, permitindo uma análise simultânea de 8 amostras por câmara. Foi escolhido este modelo devido à sua eficiência em processar múltiplas amostras simultaneamente com apenas um algoritmo, acelerando significativamente o processo de verificação.

A principal vantagem desta abordagem reside na significativa redução do tempo de programação, uma vez que simplificou o processo de treino. Em vez de desenvolvermos individualmente oito algoritmos distintos de Edge Learning para cada tipo de peça, optámos por implementar um único algoritmo de Deep Learning. Esse algoritmo foi habilmente aplicado oito vezes para identificar de forma precisa cada peça injetada. Esta abordagem não só acelerou o desenvolvimento, mas também otimizou o processo de deteção, demonstrando a eficácia do Deep Learning em aplicações de automação industrial.

O desempenho e a eficiência do treino de algoritmos estão diretamente relacionados com a capacidade do computador utilizado. Especificamente para este projeto, cada iteração do algoritmo exigiu uma espera aproximada de 15 minutos para a geração de uma nova rede neural.

• In-Sight Vision Suite

A configuração das Câmaras da Cognex só foi possível graças ao In-Sight Vision Suite. Esta plataforma da Cognex é ideal para construir aplicações avançadas e altamente personalizadas. Com um design robusto, oferece aos utilizadores a flexibilidade de ajustar parâmetros essenciais dos projetos sem necessidade de programação. Facilita a configuração e execução rápida de tarefas, permitindo a adaptação contínua das aplicações conforme as suas necessidades.

A plataforma evolui mediante a integração de 'pacotes' de funcionalidades personalizadas, atendendo a requisitos específicos. Neste caso particular foi necessário incluir o pacote In-Sight ViDi 1.8.0, específico para Deep Learnig, e especializado em facilitar a aplicação de técnicas de inteligência artificial e redes neurais no processamento de imagens.

Os menus disponibilizados no In-Sight Vision Suite desempenham um papel essencial na gestão e operação das câmaras, oferecendo uma interface direta para controlar funcionalidades críticas. Com estas ferramentas, é possível realizar uma série de ações importantes, tais como configurar ou modificar o endereço IP da câmara, efetuar backups e restaurações do software instalado, ajustar o modo de operação inicial (seja em modo online para operação direta ou em modo de programação para ajustes offline), executar o reset de fábrica para retornar às configurações originais, e ativar diversos protocolos de comunicação industriais. Estas funcionalidades garantem que os utilizadores possam personalizar e manter as câmaras conforme as necessidades específicas de cada aplicação, assegurando a máxima eficiência e adaptabilidade no ambiente industrial.

A plataforma In-Sight Vision Suite da Cognex oferece dois ambientes de trabalho distintos: o EasyBuilder, ideal para quem está a começar e prefere uma interface mais acessível, e o SpreadSheet, para utilizadores avançados que procuram maior flexibilidade e configuração mais complexa e detalhada. É importante destacar que a compatibilidade com estes ambientes varia conforme o modelo da câmara: enquanto o modelo IS3805M permite o uso tanto do EasyBuilder quanto do SpreadSheet, o modelo ISD905M opera exclusivamente com o SpreadSheet.

Na execução deste projeto, optou-se pelo ambiente SpreadSheet, uma escolha que assegura uma notável flexibilidade devido à sua ampla gama de ferramentas e opções de parametrização. A sua interface, intuitiva e bastante semelhante ao Excel, facilita a adaptação e a produtividade dos utilizadores. 

Parametrização na plataforma In-Sight Vision Suite

Deep Learning

O Deep Learning é uma solução avançada de software baseada em IA para análise de imagens em aplicações complexas. Esta tecnologia destaca-se pela sua capacidade de automatizar tarefas desafiadoras, que seriam demoradas ou complicadas de programar com algoritmos baseados em regras, oferecendo uma alternativa eficiente à inspeção manual. A ferramenta é projetada para lidar com variações naturais nos processos, diferenciando anomalias aceitáveis das inaceitáveis, o que é crucial para o desenvolvimento de aplicações com alta variabilidade.

Para atender a necessidades específicas de várias tarefas, a Cognex segmentou as ferramentas do Deep Learning em quatro categorias principais:

• Red Analyze, utilizada neste projeto para a deteção de defeitos nas peças
• Green Classify
• Blue Locate
• Blue Read

Cada uma destas ferramentas é otimizada para maximizar o desempenho e a eficiência na sua respetiva área de aplicação.

Além disso, Deep Learning simplifica significativamente o processo de desenvolvimento de aplicações de visão computacional, desde a rotulagem e treino até a implementação, graças a funcionalidades como verificação de etiquetas, ajuste automático de parâmetros e duplicação rápida de linhas. Estas características permitem uma otimização rápida das aplicações, reduzindo o tempo necessário para treino e validação, e facilitam a escalabilidade das operações. A integração fluida com outros produtos e software da Cognex assegura compatibilidade e permite uma introdução eficaz das mais recentes tecnologias de visão artificial, sem custos de engenharia adicionais.

Conclusão

Este artigo evidencia o papel transformador da tecnologia Deep Learning na indústria de produção, particularmente na melhoria de processos de fabrico e na garantia da qualidade de produtos. O sucesso do projeto, marcado pela redução significativa dos tempos de inatividade e pela deteção eficiente de defeitos, sublinha a capacidade do Deep Learning de interpretar e analisar dados visuais complexos em tempo real. Esta tecnologia não só simplificou o processo de treino, eliminando a necessidade de desenvolver múltiplos algoritmos específicos, mas também otimizou o reconhecimento e a classificação de peças, demonstrando uma flexibilidade e eficácia notáveis.

Além disso, a utilização do In-Sight Vision Suite para a programação e parametrização dos sistemas de visão por computador reflete a tendência crescente de integração de interfaces intuitivas e ferramentas de desenvolvimento acessíveis, facilitando a implementação de soluções de inteligência artificial e aprendizagem de máquinas em contextos industriais.

À medida que a indústria avança, a adoção desta e outras tecnologias de inteligência artificial torna-se um elemento chave para manter a competitividade, melhorar a eficiência operacional e alcançar a excelência na qualidade do produto. Este exemplo prático demonstra que, com a integração adequada de tecnologia, as empresas podem superar limitações tradicionais e abrir novos caminhos para o crescimento e a inovação.

Contacte-nos e descubra como podemos otimizar os seus processos!