Case Study: BSH

Objetivo:

Se trata de detectar y localizar defectos de pintura en la fabricación de frigoríficos. 

Reto:

Los defectos podían ser diminutos en comparación con el tamaño de la superficie a analizar y podían ser puntuales o aparecer en toda la textura de la superficie. Además, el cliente quería un comportamiento específico:

• Si el defecto era lo suficientemente pequeño, se aceptaba y no se debía considerar como defecto.

• En otros casos, aunque el defecto fuese muy pequeño, podía considerarse como defecto si éste estaba rodeado por múltiples defectos (aunque fuesen igual de pequeños).

Solución:

La continua colaboración con el cliente fue esencial para poder enseñar a la IA que debía fijarse en el tamaño y en los defectos de alrededor. 

“Cuando empezamos a trabajar con Neuraptic, la IA y el Deep Learning aplicado a la visión artificial, era una tecnología que empezaba a sonar pero que no tenía aplicaciones industriales. Ahora, estamos convencidos que esta tecnología ha venido para modificar la industria. Estamos muy satisfechos de nuestra colaboración con Neuraptic. Ha existido un feeback fluido en las dos direcciones, hemos tenido un continuo reporting en el proyecto muy enfocado a los resultados y un asesoramiento que ha sido fundamental en un proyecto de innovación como este. El resultado final ha sido una solución muy potente, capaz de resolver una aplicación que sin el Deep Learning no hubiese sido posible. Esta solución, será la base para futuras aplicaciones más adelante.”

Javier Chasco

Responsable Industria 4.0, BSH Esquiroz