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.