
Détection de défauts de surface sur tubes extrudés à de techniques de Machine Learning
Hydro
Défi
Hydro Norsk, une entreprise leader dans l'industrie de l'acier
possèdant des usines dans le monde entier, a été confrontée à un problème
critique: la détection précoce des défauts dans son pipeline de production.
La présence de défauts, même mineurs, entraînait un gaspillage important de
matières premières. Hydro disposait déjà d'une solution existante basée sur
la collecte d'images en temps réel de ses canalisations de production mais
l'entreprise souhaitait améliorer son outil. Elle a donc demandé à notre
équipe d'étudier et d'explorer de nouvelles solutions.
Résultat
En tirant parti de notre expérience approfondie du traitement d'images
grâce à l'Intelligence artificielle (IA), nous avons développé un algorithme
capable d'identifier avec précision les différents types de défauts dans leur
produit. Cet algorithme est un mélange de traitement d'images utilisant
différentes librairies et des réseaux neuronaux soigneusement conçus.
L'algorithme est un outil précieux pour aider les opérateurs à surveiller
les pipelines de production en temps réel. Il leur permet de détecter rapidement
tout défaut susceptible de survenir au cours du processus de production.
Le déploiement de la solution dans l'usine pilote initiale a posé de
nouveaux défis : le pipeline de traitement des données devait être
exceptionnellement rapide et prendre des décisions intelligentes sur les
données à analyser pour permettre une détection rapide des défauts, ce qui
était crucial pour garantir des actions rapides en cas de besoin. Le pipeline
de traitement des données devait également être résistant aux pannes, afin
de pouvoir continuer à fonctionner même en cas de problèmes inattendus.
En outre, les résultats du pipeline de traitement des données devaient être
facilement accessibles via un tableau de bord en temps réel. Ce tableau de
bord devait mettre en évidence les schémas problématiques dans les chaînes
de production et permettre de déceler les problèmes plus profonds qui
nécessitent une attention particulière.
Le succès de cette mise en œuvre pilote a conduit à un déploiement
plus large de la solution dans les usines d'Hydro à travers le monde.
Conclusion
Le succès du projet peut être attribué à la combinaison de
l'expertise industrielle d'Hydro et de nos compétences en matière d'intelligence
artificielle, de techniques de traitement d'images et de création de tableaux
de bord interactifs.