Objetivo. Automatizar la inspección de cubetas de productos sanitarios
Nuestro cliente, un distribuidor de productos sanitarios, recibe miles de cubetas de sus clientes que tiene que enviar de nuevo con los nuevos productos que le solicitan. Estas cubetas pueden llegarles con distintos tipos de suciedad como papeles, trozos de plástico, derrames ó incluso lluvia. Es una gran problemática ya que por tiempo de ciclo no pueden limpiar todas las cubetas, así que necesitan un sistema que en primer lugar detecte qué cubetas están sucias y cuáles no, para poder limpiar solo las sucias. Uno de los requisitos principales, además del tiempo de ciclo, era el incidir lo mínimo posible en la línea de producción actual, ya que los espacios disponibles eran muy reducidos.
Solución. Visión artificial con inteligencia artificial e integración de volteo automático
El primer paso consistió en un análisis del entorno, el espacio disponible (ya no solo para el sistema de inspección, sino también para el sistema de limpieza y volteo), requisitos, tiempo de ciclo, tipos de cubetas y casos que podían presentarse. En este punto se definió qué era una cubeta ‘limpia’ de una ‘sucia’.
Después, comenzamos con la definición y selección del hardware de visión necesario teniendo en cuenta distancias, resolución e iluminación. Trabajamos en paralelo en el diseño y fabricación de la estación de trabajo. Con el requisito del espacio limitado como foco, la solución que propusimos fue un sistema compacto de visión artificial con volteador y cinta de transporte que coincidiera con la cinta que ya estaban utilizando en la línea.
Tras la fabricación de la parte mecánica, instalamos e integramos el sistema en la fábrica del cliente para poder comenzar con la toma de imágenes. En este punto también realizamos el desarrollo de las comunicaciones entre todos los elementos del sistema y el sistema interno del cliente.
Entonces, pudimos comenzar con la toma de imágenes para entrenar el sistema de visión artificial. En este caso diseñamos y entrenamos un algoritmo propio basado en machine learning y deep learning. También se desarrolló una interfaz gráfica, para acercar la información a los operarios de planta, para mostrar la información que el sistema va recogiendo y evaluando. También generamos un histórico de datos que es almacenado para futuras consultas y toma de decisiones.
El paso final consistió en la validación de las comunicaciones e inspecciones por parte de nuestro cliente y en la formación que dimos del sistema y del algoritmo desarrollado. El resultado fue un gran éxito para el cliente y se replicó en otras 7 plantas del grupo en España.