Η πρόκληση
Το σύστημα επιθεώρησης ενός παραγωγού αλουμινίου κατέγραφε εικόνα για κάθε επιφανειακό ελάττωμα, όμως περίπου το ένα τρίτο των εγγραφών είχε λάθος κατηγορία ή καμία. Οι μηχανικοί ποιότητας έπρεπε να εξετάζουν χειροκίνητα εικόνες και χωρικά μοτίβα πριν αποφασίσουν για ένα πηνίο.
Η προσέγγισή μας
- Αξιοποιήσαμε τις υπάρχουσες εικόνες επιθεώρησης, χωρίς νέο εξοπλισμό, ως βάση εκπαίδευσης.
- Εκπαιδεύσαμε μοντέλα deep learning για επαναταξινόμηση των εικόνων, με τις πέντε πιθανότερες κατηγορίες και τις βαθμολογίες τους.
- Αναπτύξαμε το λογισμικό SOPHIA με frontend σε React: εικόνες ελαττωμάτων, στοιχεία πηνίου, φίλτρα κατηγορίας και κάμερας και προβολές εκτύπωσης για αναφορές.
- Χαρτογραφήσαμε κάθε ελάττωμα στην άνω και κάτω επιφάνεια σε τμήματα 100 μέτρων, με συνολική εικόνα του πηνίου.
Αποτελέσματα & λειτουργίες
- Από ασαφείς εγγραφές επιθεώρησης σε δομημένη, ελέγξιμη πληροφορία ποιότητας.
- Ορατή αβεβαιότητα: οι εναλλακτικές και οι βαθμολογίες βοηθούν τους ειδικούς σε κατηγορίες που μοιάζουν.
- Χωρικά μοτίβα, όπως περιοδικά ελαττώματα ή ελαττώματα ακμής, γίνονται αμέσως ορατά.
- Οθόνες ανάλυσης συγκρίνουν την ακρίβεια του μοντέλου ανά κατηγορία με τη χειροκίνητη επισήμανση.
