Cosa è successo
Business Insider riferisce che il produttore di aerei Safran sta espandendo l’uso del software di ispezione della qualità basato sull’intelligenza artificiale sviluppato da Loopr AI. Dopo i progetti pilota avviati due anni fa, Safran sta ora introducendo la tecnologia nei suoi impianti di produzione a Marysville, Washington, e Santa Maria, California. Il sistema utilizza dati sintetici per far fronte alla scarsità di dati nel rilevamento dei difetti, riducendo i tempi di ispezione per componenti come i coperchi dei WC da 20-30 minuti a 5-10 minuti.
Secondo Business Insider, Safran ha avviato progetti pilota con Loopr AI due anni fa per verificare se l’intelligenza artificiale potesse migliorare l’identificazione dei difetti riducendo al tempo stesso i tempi di ispezione e documentazione. L’azienda ha dovuto affrontare sfide perché produce un’ampia varietà di parti ma non in volumi elevati, rendendo difficile accumulare le migliaia di set di dati del mondo reale tipicamente necessari per l’addestramento di robusti modelli di intelligenza artificiale.
Per risolvere questo problema, Loopr AI ha utilizzato la generazione di dati sintetici, creando nuovi campioni di addestramento da immagini esistenti e modificandoli per aumentare la dimensione del set di dati. Ciò ha consentito a Safran di simulare vari scenari di produzione convalidando i risultati rispetto ai dati del mondo reale. Il software rileva i difetti estetici nei gruppi di cabine confrontandoli con i disegni di produzione e i requisiti specifici delle parti.
L’implementazione ha prodotto miglioramenti misurabili in termini di efficienza. Per le ispezioni dei sedili dei WC, il tempo di processo è sceso da 20-30 minuti a soli 5-10 minuti. Il sistema crea automaticamente schede di difetti e di ispezione, un'attività precedentemente eseguita manualmente dagli ispettori. Bindioa Ouali, direttore senior della produzione digitale di Safran, ha affermato che questo processo più rapido ha consentito all'azienda di produrre dal 10% al 15% in più di parti rispetto a prima, aumentando la produttività per l'assemblaggio finale.
La tecnologia funziona sia in modalità automatizzata che ibrida. Nelle configurazioni automatizzate, i bracci robotici fotografano le parti prima e dopo l'applicazione della vernice per l'analisi AI. Nelle configurazioni ibride, come nel caso di complessi gruppi di cabine, gli ispettori scattano manualmente foto da diverse angolazioni e le caricano nel sistema. L'intelligenza artificiale identifica potenziali problemi e genera documentazione, mentre gli esseri umani possono rivedere, confermare o correggere i risultati, il che aiuta a migliorare il modello nel tempo.
Business Insider riferisce che, una volta completati con successo i progetti pilota, Safran sta ora introducendo la tecnologia di Loopr nelle sue strutture di Marysville, Washington e Santa Maria, California. Il sistema è indipendente dall'hardware, in grado di funzionare su vari tipi di fotocamere e tablet già utilizzati dall'azienda.
Dettagli della fonte: businessinsider.com ↗
Perché è importante
Questa implementazione dimostra un'applicazione pratica dei dati sintetici per risolvere il problema della "scarsità di dati" inerente alla produzione a basso volume e ad alta varietà. Automatizzando il rilevamento e la documentazione dei difetti estetici, Safran segnala un aumento del 10-15% nella produttività. Questo caso di studio evidenzia come l’intelligenza artificiale può standardizzare i processi di garanzia della qualità, ridurre gli errori legati alla fatica umana e conservare la conoscenza istituzionale, offrendo un modello replicabile per altre aziende aerospaziali e manifatturiere che affrontano sfide simili relative ai dati.
L’innovazione principale qui è l’uso di dati sintetici per superare il problema della scarsità di dati nella produzione specializzata. La formazione tradizionale basata sull’intelligenza artificiale richiede grandi set di dati di difetti reali, che sono rari e costosi da generare in ambienti di produzione a basso volume. Generando dati artificiali che imitano i difetti reali, le aziende possono addestrare modelli efficaci senza attendere anni di storia della produzione.
Questa implementazione ha implicazioni pratiche dirette per l’efficienza operativa. L’aumento del 10-15% riportato nella produttività e la riduzione dei tempi di ispezione suggeriscono che l’intelligenza artificiale può ridurre significativamente il costo della garanzia della qualità. Ciò è particolarmente rilevante per i produttori aerospaziali dove la precisione è fondamentale e i costi di manodopera sono elevati.
Il sistema affronta anche il problema della fatica umana e della soggettività. Sebbene gli ispettori esperti possano rilevare fino al 90% dei difetti, le loro prestazioni possono variare a causa della fatica. L’intelligenza artificiale fornisce uno standard coerente, eliminando la soggettività e conservando la conoscenza degli operatori esperti in un formato scalabile.
Questo caso di studio funge da prova di concetto per una più ampia applicazione dei dati sintetici nell’intelligenza artificiale industriale. Dimostra che l’intelligenza artificiale non è solo per beni di consumo ad alto volume, ma può essere implementata efficacemente in settori manifatturieri complessi, a basso volume e ad alta precisione.
Meccanismo interattivo: come funziona realmente
Esplora la tecnologia alla base di questo sviluppo in modo interattivo.
Which training-log entry describes one completed epoch?
Cosa guardare dopo
Monitorare i parametri delle prestazioni a lungo termine del sistema di ispezione AI nelle nuove strutture statunitensi, in particolare per quanto riguarda i tassi di ritiro dei difetti e la coerenza della produttività. Attendere una più ampia adozione di strumenti di generazione di dati sintetici nella catena di fornitura aerospaziale e potenziali risposte normative alla garanzia della qualità assistita dall’intelligenza artificiale nei settori critici per la sicurezza.
Monitora le prestazioni del sistema di ispezione AI nelle nuove strutture statunitensi per vedere se i miglioramenti in termini di efficienza riportati nei progetti pilota sono sostenuti su larga scala. Cerca eventuali segnalazioni di falsi positivi o negativi che potrebbero richiedere un'ulteriore messa a punto del modello.
Osserva se altre aziende aerospaziali o manifatturiere adottano strumenti di ispezione simili basati su dati sintetici. Ciò potrebbe segnalare un più ampio spostamento del settore verso la garanzia della qualità assistita dall’intelligenza artificiale.
Monitorare gli sviluppi normativi riguardanti l’uso dell’intelligenza artificiale nella produzione critica per la sicurezza. Poiché l’intelligenza artificiale assume sempre più ruoli nel controllo di qualità, le autorità di regolamentazione potrebbero dover stabilire nuovi standard per la convalida e la supervisione.
Osserva gli ulteriori sviluppi di Loopr AI e di altri fornitori di dati sintetici mentre espandono le loro offerte ad altri settori che affrontano sfide simili di scarsità di dati.