Come individuare i difetti delle barre d'acciaio

Sfida

Gli impianti di laminazione delle barre d'acciaio lavorano il materiale ad alta temperatura (900°C o più) ed in condizioni ambientali difficili. Le barre escono rapidamente dall'impianto ancora molto calde, escludendo la possibilità per un operatore di verificarne eventuali difetti che potrebbero pregiudicare la qualità del prodotto finale.

In questo modo può accadere che diverso materiale difettoso continui ad essere lavorato prima che il difetto venga rilevato; e nell'eventualità in cui il materiale difettoso passi inosservato, una volta raggiunto il cliente, causerebbe una perdita economica e di reputazione.

La sfida di questa applicazione è sviluppare un sistema che sia integrato nella linea di laminazione e consenta un rilevamento dei difetti rapido ed economico.

Il nostro approccio

È stato sviluppato un sistema automatizzato di ispezione dei prodotti, che integra soluzioni di ingegneria hardware per ottenere immagini affidabili dei prodotti in condizioni ambientali difficili e soluzioni software AI che garantiscono una classificazione rapida ed affidabile dei difetti presenti nelle immagini dei prodotti.

L'hardware del sistema è progettato per essere ottimizzato rispetto alla velocità del prodotto e alla risoluzione richiesta; le condizioni di illuminazione e di ripresa sono progettate per garantire che i difetti siano adeguatamente visibili nelle immagini raccolte. Anche la posizione del sistema di imaging lungo la linea di laminazione viene scelta in modo che il difetto sia più visibile.

Questi criteri di progettazione del sistema hanno permesso di ottenere un dispositivo molto sensibile in grado di raccogliere immagini in cui la presenza/assenza del difetto è indiscutibile.

Il sistema acquisisce una grande quantità di immagini in tempo reale (centinaia di megapixel al secondo) e le elabora ad alta velocità. La capacità di rilevamento del sistema assicura che la totalità dei difetti sul materiale venga rilevata e segnalata.

L'utilizzo di tecniche di AI per l'elaborazione delle immagini garantisce l'ottenimento di risultati affidabili anche nella classificazione del tipo di difetto rilevato, potendo così generare report selettivi indicanti la natura e la causa del difetto. In questo modo, l'utente finale ha una base per poter intraprendere selettivamente azioni correttive sui processi per ridurre le cause dei difetti.

La classificazione dei difetti è stata ottimizzata per l'identificazione dei difetti tipici di questo processo. Siamo stati in grado di utilizzare tecniche di intelligenza artificiale ed apprendimento automatico grazie alla nostra conoscenza specifica di questo processo ed all'uso di centinaia di migliaia di esempi di immagini di difetti di questo processo che abbiamo a disposizione e che ci hanno permesso di istruire il sistema.

Conclusioni

Il sistema di controllo automatico avvisa tempestivamente il cliente della presenza e della tipologia di difetti del prodotto. L'utilizzo del dispositivo ha portato a due effetti: il primo, più immediato, concerne la capacità di deviare materiale con difetti più critici e la gestione più obiettiva dei reclami dei clienti; il secondo, più lento ma altrettanto importante, consiste nell'ottimizzazione dei processi a monte della laminazione (acciaieria, colata continua). Le informazioni sulla presenza di difettosità, unitamente alla tracciabilità del materiale, consentono infatti di analizzare quali condizioni di processo hanno originato il difetto nelle prime fasi di produzione.