Case Study: SKF

Objetivo:

El cliente quería detectar defectos de fabricación en rodamientos.

Reto:

Las piezas a ser inspeccionadas pasaban previamente por un proceso en el cual podían quedar marcas de grasa muy similares a los defectos a detectar. La presencia de estas marcas junto con pequeños defectos que debían ser aceptados requería que la IA fuese capaz de detectar diferencias muy sutiles, en las que en ocasiones, incluso los propios operarios no eran capaces de ponerse de acuerdo.

Solución:

Fue necesario desarrollar un método de aprendizaje específico para reducir el número de falsos positivos (defectos inexistentes) y se emplearon diferentes perspectivas para obtener predicciones más fiables.

“Trabajar conjuntamente con la empresa Neuraptic, nos ha permitido solucionar aplicaciones de control visual automáticas, que sin las herramientas de Inteligencia Artificial y Deep Learning que Neuraptic ha aplicado a nuestro proyecto, hubiese sido prácticamente imposible su solución. Después de un largo proceso de selección y filtrado de imágenes, Neuraptic diseño y programo un modelo de red neuronal que a través de aprendizajes cada vez más precisos, consiguió un ratio de acierto del 99,9998 %, invariable en el tiempo. Neuraptic demuestra un alto espíritu profesional y tecnológico, que le permite estar a la vanguardia de la industria 4.0.”

Enrique Marzal Enciso

Manufacturing Engineer, SKF