IRS ha messo a punto un nuovo algoritmo per l'individuazione di difetti in linea di produzione assieme all'Università di Verona che sarà pubblicato su "Engineering Applications of Artificial Intelligence". Per vedere e scaricare l'articolo completo basta cliccare : https://authors.elsevier.com/c/1eciH3OWJ90~i8
IRS è una società che sviluppa sistemi di test misura utilizzando tecnologie innovative. Nell'ambito di un progetto di ricerca chiamato Premani (soluzioni di Digital Manufacturing) IRS ha sviluppato algoritmi di Intelligenza Artificiale per l'individuazione di difetti in linea di produzione.
Nell'articolo viene proposto un algoritmo non supervisionato basato sul Machine Learning e le reti neurali per il rilevamento dei difetti in linea di produzione. Tale metodo è applicato a dati reali grazie a una postazione di test implementata in linea. Vengono raccolte sia immagini termiche che misure di corrente e potenza provenienti da frigoriferi. Il dataset considerato è altamente sbilanciato con la stragrande maggioranza dei campioni sani. Le immagini termiche sono elaborate tramite una rete neurale Deep Convolutional. Le caratteristiche estratte dalle immagini termiche sono quindi unite a dati strutturati di potenza, corrente e temperatura.
In seguito, un algoritmo chiamato Deep Auto-Encoder viene addestrato sul dataset per segnalare le anomalie corrispondenti ai guasti nei frigoriferi. Tre diversi metodi vengono addestrati e confrontati: (1) un metodo automatico in cui un esperto estrae le caratteristiche rilevanti dalle immagini termiche senza utilizzare il modulo di riconoscimento delle immagini; (2) un metodo semi-automatico in cui la rete neurale convoluzionale è applicata a regioni di interesse all'interno delle immagini termiche selezionate da un operatore esperto; (3) un metodo completamente automatico in cui la rete convoluzionale profonda elabora l'intera immagine termica senza alcun intervento umano. I tre metodi mostrano risultati comparabili con tuttavia leggere differenze.