Audi optimiza la inspección de calidad en el taller de prensado con Inteligencia Artificial
Recibí las noticias en tu celular: Canal de WhatsApp Motorpy
Como uno de los primeros fabricantes de automóviles del mundo, Audi planea aplicar el aprendizaje automático en la producción en serie. El software que Audi ha desarrollado reconoce y marca las grietas más finas en piezas de chapa, de forma automática, confiable y en cuestión de segundos. Con este proyecto, Audi promueve la inteligencia artificial en la empresa y revoluciona el proceso de inspección en la producción.
Debido al diseño cada vez más sofisticado de sus autos y los altos estándares de calidad en Audi, la compañía inspecciona todos los componentes directamente después de la producción en el taller de prensado. Además de la inspección visual por parte de los empleados, varias cámaras pequeñas, instaladas directamente en las prensas, evalúan las imágenes capturadas con la ayuda del software de reconocimiento de imágenes. Este proceso pronto será reemplazado por un procedimiento de aprendizaje automático. Software basado en una compleja red neuronal artificial opera en el fondo de este innovador procedimiento. El software detecta las grietas más finas en chapas metálicas con la mayor precisión y marca el lugar de manera confiable.
“Actualmente estamos probando nuestras inspecciones automatizadas de componentes para la producción en serie en nuestro taller de prensado de Ingolstadt. Este método apoya a nuestros empleados y es otro paso importante para Audi en la transformación de sus plantas de producción en modernas fábricas inteligentes”, declaró Jörg Spindler, Director del Centro de Competencia para Equipos y Tecnología de Conformado.
La solución se basa en el aprendizaje profundo, una forma especial de aprendizaje automático que puede funcionar con conjuntos de datos muy desestructurados y de alta dimensión, como las imágenes. El equipo pasó meses entrenando la red neuronal artificial con varios millones de imágenes de prueba. Los mayores desafíos fueron, por un lado, la creación de una base de datos suficientemente grande y, por otro lado, el llamado etiquetado de las imágenes. El equipo marcó las grietas en las imágenes de muestra con precisión de píxel; se requería el más alto grado de precisión. El esfuerzo valió la pena porque la red neuronal ahora aprende de forma independiente de los ejemplos y detecta grietas incluso en imágenes nuevas, previamente desconocidas. La base de datos consta de varios terabytes de imágenes de prueba de siete prensas de la planta de Audi en Ingolstadt y de varias plantas de Volkswagen.
“La inteligencia artificial y el aprendizaje automático son tecnologías clave para el futuro de Audi. Con su ayuda, continuaremos impulsando de manera sostenible la transformación digital de la compañía”, resaltó Frank Loydl, Director de Información (CIO) de AUDI AG. “En este proyecto, el cual implica a varias divisiones, estamos desarrollando conjuntamente una solución lista para producción que Audi utilizará exclusivamente en la empresa y que es única en el mercado”. El software se desarrolló principalmente en la empresa, desde la idea hasta el prototipo terminado. Desde mediados de 2016, el departamento de innovación de Audi IT ha estado trabajando de la mano con la división de Tecnología de Producción del Centro de Competencia de Tecnología de Equipamiento y Formación de Metal.
En el futuro, la inspección de calidad con aprendizaje automático reemplazará la detección de grietas óptica utilizada actualmente con cámaras inteligentes. Esto implica un gran esfuerzo manual. Ya sean puertas, cubiertas de motores o guardabarros, actualmente la cámara tiene que ser reconfigurada para cada nuevo componente producido en el taller de prensado. Además, regularmente se producen falsas detecciones, ya que los algoritmos simples del programa de procesamiento de imágenes dependen en gran medida de factores ambientales como las condiciones de iluminación y las propiedades de la superficie.
El método de aprendizaje automático también se podrá aplicar en el futuro para otras inspecciones ópticas de calidad. Si hay disponible un número suficientemente grande de conjuntos de datos etiquetados, el sistema también se puede usar, por ejemplo, en los talleres de pintura o ensamblaje.