Princípios e práticas de inspeção

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.