Nos últimos anos, o uso de machine learning (ML) e inteligência artificial (AI) tem revolucionado diversas indústrias, especialmente em processos de fabricação. Um novo sistema inspirado em ML, desenvolvido por uma equipe de pesquisa da UNIST, promete transformar o controle de qualidade em ambientes de produção acelerada.
Contexto da pesquisa
A equipe, liderada pelo Professor Im Doo Jung do Departamento de Engenharia Mecânica da UNIST, apresentou um sistema inovador de inspeção de qualidade que reduz o tempo de verificação de 12 minutos para apenas 2,79 segundos. Este sistema avançado permite a detecção de defeitos em escala micro durante processos de manufatura contínuos, possibilitando um controle de qualidade totalmente automatizado.
Método proposto
O sistema utiliza um jig inteligente alimentado por machine learning, que realiza monitoramento dimensional sem interromper o processo de fabricação. Integrando algoritmos de detecção de anomalias com capas de sensores impressas em 3D, a tecnologia identifica erros dimensionais de até 500 micrômetros. A deformação das capas de sensores é analisada pelos algoritmos de AI para detectar anomalias.
“Esta tecnologia pode ser aplicada em setores de montagem de alta precisão, reduzindo significativamente o pessoal e o tempo de inspeção enquanto aumenta a confiabilidade da qualidade.”
(“This technology can be applied across high-precision assembly sectors, significantly reducing inspection personnel and time while boosting overall quality reliability.”)— Professor Im Doo Jung, Departamento de Engenharia Mecânica, UNIST
Resultados e impacto
O sistema não apenas acelera as inspeções diárias, mas também melhora a precisão, importante na fabricação onde micro-defeitos podem comprometer a integridade do produto. O modelo é treinado exclusivamente com dados de produtos normais e livres de defeitos, eliminando a necessidade de conjuntos de dados extensos sobre defeitos ou rotulagens manuais.
As informações sobre os defeitos detectados são apresentadas por meio de heatmaps, permitindo que operadores localizem rapidamente falhas e imediatas ações corretivas. A manutenção reduzida e o design escalável do sistema possibilitam sua adaptação em diversas indústrias, incluindo mobilidade e eletrônicos.
As implicações desta pesquisa não podem ser subestimadas. A implementação deste sistema em fábricas pode resultar em economias significativas, além de revolucionar os processos de inspeção na indústria moderna.
Fonte: (TechXplore – Machine Learning & AI)
