Baixe o app para aproveitar ainda mais
Prévia do material em texto
Slide 1 Princípios e práticas de inspeção Definição: Em controle de qualidade, inspeção pelo qual se detecta má qualidade e se garante boa qualidade. Tradicionalmente, a inspeção é feita através de métodos manuais trabalhosos, caros e que levam muito tempo. Isso faz aumentar o tempo de produção e o custo do produto final. A inspeção manual é geralmente feita após a produção. Ou seja, o produto já está pronto e se a má qualidade for detectada o produto precisa ser refeito ou descartado. Novos métodos de automação têm surgido para mudar drasticamente esse cenário. Leitura – Coleta de dados, Software – análise de dados, atuação – inspeção em tempo real. Slide 2 Fundamentos de inspeção Ato de examinar o produto, seus componentes, submontagens, etc. para determinar se a peça está em conformidade com as especificações. Tipos de inspeção Inspeção por variáveis: características de qualidade /medição Inspeção por atributos: controle estatístico. Mais voltado para inspeção manual Procedimento de inspeção Apresentação Exame Decisão Ação KC’s – key characteristics Dimensões físicas Rugosidade Concentricidade Exatidão da inspeção Itens de boa qualidade classificados como defeituosos – Erro tipo I Item de má qualidade classificados como em conformidade – Erro tipo II - Probabilidade de um item conformante classificado como conformante - Probabilidade de um item inconformante classificado como inconformante - Taxa de defeitos real - Probabilidade de um item conformante classificado como inconformante - Probabilidade de um item inconformante classificado como conformante Inspeção vs. Teste Inspeção: qualidade do produto em relação às especificações Teste: avalia aspectos funcionais do produto Amostragem vs 100% LTPD – lot tolerance percentual defective – tolerância em percentagem de defeituosos no lote AQL – acceptable quality level – nível de qualidade aceitável Inspeção por amostragem Trabalho usualmente manual Alta necessidade de precisão e exatidão 100% Trabalho Custoso e demorado. Por isso é feita a amostragem. Inspeção 100% manual Amostra pega uma pequena parte da população. Da ordem de 1%. Existe o risco de um lote de peças defeituosas serem aceitas. O único método para se garantir 100% de qualidade é a inspeção 100% Inspeção Automatizada Motivação: Fatores econômicos e viabilidade de inspeção Reduz tempo, custo e principalmente erro Modos de automação semi automação Apresentação Exame Decisão Todos Etapas, Amostragem ou 100%, Erros. Visão computacional/ microchips Sensibilidade ao erro/ ganho Ganho influencia nem ocorrências tipo I e tipo II Ações para minimizar ocorrência de erros Realimentação Triagem de peças Quando e onde inspecionar Inspeção on-line vs off-line Inspeção de produto vs Monitoramento de processo Inspeção distribuída vs Inspeção Final Inspeção distribuída: mais cara, mas potencialmente pode reduzir muitos custos Inspeção final: mais barata, mas potencialmente pode gerar custos Gera gastos com peças defeituosas sendo avaliadas em outras etapas Análise quantitativa de Inspeção Modelos matemáticos para analisar aspectos de desempenho da produção e inspeção Taxa de defeito em produção em série Inspeção final vs. Inspeção distribuída Inspeção vs. Sem inspeção O que as equações nos dizem Artigo: Inspeção Industrial através de visão computacional Objetivo: desenvolvimento de um protótipo de inspeção automatizada, utilizando visão computacional. Técnicas de processamento de imagens como os descritores de Fourrier + Rede neural artificial Perceptron multicamadas. Reconhece formas, posição e orientação de embalagens utilizadas na indústria. Aquisição Processamento de imagens Relações entre pixels Pré-processamento Segmentação de imagens Descritores de imagens Cérebro e rede neural Neurônio artificial unitário Rede Camada de entrada Camada intermediária/oculta Camada de saída Definição da rede Tamanho Tipo de problema Tipo de aprendizado Treinamento da Rede Usa-se um par entrada/saída desejada Caso aplique-se essa entrada e a saída desejada não seja a adequada, os pesos envolvidos são alterados. Uso da rede Nenhum ajuste de peso é feito Caso sejam necessários ajustes, estes são feitos em uma manutenção planejada Escolha da rede perceptron Modelo mais implementado Capacidade de abstração e generalização Rede robusta, imune a pequenas interferências Protótipo Usuário configura os parâmetros de padrões a serem detectados Usa um sistema de leitura em conjunto com interrupção (software). Classes de processamento e subprocessamento de imagens Classes de rede neural Diagramas de sequencia Implementação Ferramentas Ambiente de desenvolvimento Visual C++ 6.0 Biblioteca Kit de desenvolvimento de software Vision SDK Infra-estrutura de aplicação Microsoft foundation class Funcionalidade Resultados Resultados com iluminação de fundo são mais eficientes Critérios de análise para bico tipo borrifador Presença e correto posicionamento do bico Presença e correto posicionamento do gatilho Presença e correto posicionamento do sistema de borrifo Produtos aprovados e não aprovados 15 descritores de Fourrier foram utilizados 480 amostras para treinamento Treinamento demorado, porém baixíssimo poder computacional. Maquinário obsoleto 200 amostras para teste final 100% de acerto!!!!!!!! Tempo médio de análise. 0,1 segundos por amostra. Sem otimização. Caso 2: Tubo de pasta de dente Treinamento mais demorado e mais complicado Erro no treinamento dobrou em relação ao outro método Taxa de 100% de acerto, quantidade de descritores e tempo gasto por análise se mantiveram os mesmos da análise com o borrifador O protótipo foi eficiente apesar da rotação do tubo.
Compartilhar