La mise en œuvre des usines intelligentes dans le cadre du contrôle qualité visuel

La mise en œuvre des usines intelligentes dans le cadre du contrôle qualité visuel

La mise en œuvre des usines intelligentes dans le cadre du contrôle qualité visuel
07 septembre 2026

Dans le monde des affaires actuel, tant les clients B2B que les clients B2C privilégient les produits hautement performants, plutôt que de fonder leur choix sur un seul critère tel que le prix, la disponibilité ou la qualité. Parmi les principaux facteurs à l'origine de cette évolution, on peut citer l'augmentation du nombre de fabricants, le développement de nouvelles technologies de production, les améliorations continues mises en œuvre par les fabricants et l'environnement concurrentiel qui en résulte. En conséquence, tant la qualité des produits que celle des processus ne constituent plus un simple avantage concurrentiel, mais sont devenues une « nécessité ».

L’adoption du concept d’Industrie 4.0 apporte de nombreux avantages aux usines intelligentes grâce aux outils numériques qu’elle propose. Le contrôle qualité numérique améliore le processus en utilisant des caméras contrôlées par du matériel et des logiciels spécialisés. Un tel contrôle peut être mis en œuvre à l’aide de la vision industrielle et d’algorithmes de classification.

À titre d’exemple d’application, nous avons franchi une première étape vers un contrôle qualité assisté par la vision industrielle sur notre ligne de production de commutateurs rotatifs. Lors de ce premier essai, nous avons mis en place un système économique et facile à mettre en œuvre, qui nous a permis d’obtenir un processus de contrôle qualité fiable. Afin de contrôler la quantité, la forme et la disposition des bornes mobiles, un système basé sur Raspberry Pi a été intégré au processus de fixation des bornes mobiles. Les images du corps du commutateur rotatif sont capturées par une caméra via les bibliothèques OpenCV. Les images capturées sont traitées afin de déterminer les valeurs RVB aux points caractéristiques définis du corps de la clé. Une méthode de seuil (thresholding) est appliquée pour détecter la présence de points de contact métalliques en comparant le contraste entre les couleurs des pièces métalliques et plastiques. Un algorithme de classification intégré, basé sur des règles, classe les clés rotatives comme « conformes » ou « non conformes ». Une clé non conforme peut être triée en fonction du code d'erreur fourni par l'algorithme de classification en vue des étapes suivantes du processus.

Cette application a permis de réduire d’un poste le personnel nécessaire au processus et d’améliorer la qualité de celui-ci. Par ailleurs, le résumé de la communication que nous avons préparée pour le Symposium international d’ingénierie (IES’20) a été présenté et figure dans le recueil des résumés disponible à l’adresse http://ies.idu.edu.tr/home-page/. Cette application de base peut être développée en tenant compte d’exigences telles que la vitesse de production, la résolution d’image ou les besoins en puissance de calcul. Le point essentiel ici est que les entreprises continuent de s’efforcer de tirer parti, dans le cadre de cette application spécifique, des outils de la révolution industrielle actuelle que sont le big data et l’apprentissage automatique.

ACTUALITÉS & BLOG
Autres actualités