El Deep Learning y el procesamiento industrial de imágenes aumentan la eficiencia en la producción de Velux

28-jun-2022

Velux es sinónimo de ventanas de alta calidad y de los accesorios que las acompañan. Para ofrecer siempre la mejor solución, el departamento de software de la empresa ha desarrollado una aplicación que se utiliza para automatizar la producción y el control de calidad. Velux también utiliza tecnología de procesamiento de imágenes para hacer más eficientes los procesos de fabricación y montaje, y ahora está experimentando un nuevo aumento de la eficiencia gracias a la inteligencia artificial y el Deep Learning de SICK.

Velux has been using machine vision technology – now they are getting an even greater efficiency boost through artificial intelligence and Deep Learning from SICK.

Lasse Hedeby es programador senior de automatización en Velux A/S y dirige el equipo de desarrollo de soluciones de procesamiento industrial de imágenes. Es un programador apasionado y muy versátil y sabe que desarrollar software basado en reglas para soluciones de procesamiento industrial de imágenes es un proceso que requiere mucho tiempo.

Deep Learning: más eficiencia y mayor eficacia en el trabajo de los empleados

Lasse Hamer Hedeby

Cuando Lasse Hedeby conoció las soluciones de Deep Learning de SICK, vio la oportunidad de aumentar la eficiencia de la empresa y mejorar la eficacia del trabajo de sus empleados cualificados al liberarles de tareas monótonas.

El Deep Learning es un subcampo de la inteligencia artificial basado en redes neuronales que imita la forma humana de ver, percibir y tomar decisiones. En los últimos años, la tecnología implicada se ha vuelto mucho más fácil de usar y ya no depende de la compleja infraestructura informática que hacía que estas soluciones fueran inaccesibles para la mayoría de las empresas en el pasado. Hoy en día, las soluciones de aprendizaje profundo pueden ejecutarse en controladores industriales compactos, lo que las hace más accesibles y relevantes para el uso industrial.

Engineering Tools

Inteligencia artificial para sensores SICK

Deep Learning

Ahorro de 200 a 20 horas/persona

En el pasado, Velux Danmark A/S garantizaba la calidad de sus productos inspeccionando manualmente los subcomponentes de sus ventanas. Aunque este sistema siempre ha funcionado bien, tiene algunas limitaciones. Dependiendo de la experiencia de los empleados, puede haber desviaciones en la evaluación de los componentes. La necesidad de trabajar con rapidez y realizar los mismos controles a lo largo del día también crea el riesgo de que el personal se vuelva “ciego desde el punto de vista operativo”. Ante estas limitaciones, Lasse Hedeby decidió introducir la inspección por cámara para ayudar a los operarios en este trabajo manual.

Sin embargo, esto supone una enorme cantidad de trabajo adicional para Hedeby, porque en Velux A/S hay muchos subprocesos. Para cada uno de estos procesos hay que desarrollar un nuevo software para los nuevos sistemas de procesamiento industrial de imágenes. Crear un software basado en reglas para todos los procesos puede llevar fácilmente hasta 200 horas/persona. Gracias a la solución de aprendizaje profundo basada en SICK AppSpace, Hedeby ha podido reducir el tiempo de desarrollo de nuevo software a una fracción del tiempo (20 horas).

En uno de sus últimos proyectos, se utilizaron soluciones inteligentes de SICK para comprobar si los perfiles de aluminio, componente de una persiana, estaban suficientemente rellenos de espuma de polietileno. Esto puede resultar difícil porque la expansión de la espuma cuando se inyecta en el perfil no es uniforme. Así que no hay un sí o un no claros a la hora de evaluar el proceso de llenado.

Using intelligent solutions from SICK to check that aluminum profiles, a sub-component of a window blind, are sufficiently filled with polyethylene foam.

Resolución de problemas mediante una estrecha cooperación

Entrenar el software para detectar perfiles rellenos con precisión fue rápido y dio buenos resultados, pero el proceso no fue perfecto. Los perfiles son largos y finos, por lo que cuando las cámaras comprueban los perfiles, la información relevante para la evaluación es solo una parte muy pequeña de la imagen. La solución requirió la adaptación de una SensorApp estándar que divide la imagen del sensor de procesamiento de imágenes de SICK en tres imágenes separadas para que el algoritmo de aprendizaje profundo sea más eficiente.

Los ingenieros de software de Velux A/S y SICK se ayudaron mutuamente a desarrollar la solución, y ambos equipos se beneficiaron de esta colaboración. Lasse Hedeby afirma que “nunca ha tenido un proveedor tan flexible y que ofrezca tan buena asistencia como SICK”. Por su parte, el equipo de SICK está encantado de trabajar con un socio tan comprometido y de saber que tienen de su lado a un cliente satisfecho.

The Intelligent Inspection SensorApp from SICK ensures easy object classification that is not possible with traditional rule-based machine vision.

El camino hacia el futuro de la automatización industrial

Lasse Hedeby ya está trabajando en la siguiente tarea, que consiste en utilizar la IA para garantizar que los tornillos se montan y aprietan en un dispositivo de sujeción. La tarea es difícil de realizar con un sistema de procesamiento industrial de imágenes ordinario basado en reglas, ya que tanto el metal como los tornillos pueden tener una superficie muy diferente con muchos reflejos de luz. Sin embargo, los primeros indicios son muy prometedores. La capacidad de la solución Deep Learning de SICK para gestionar fácilmente una variedad tan amplia de problemas complejos demuestra claramente que este es el camino a seguir para la inspección basada en cámaras y la automatización industrial".