Chargement...

Talk

Défiler

Étude de cas précédente: SBI

COMMENT DÉTECTER DES ANOMALIES SUR UNE CHAÎNE DE PRODUCTION

Usine de pâtes et papiers

Notre client est un leader canadien dans l’industrie des pâtes et papiers. Ils produisent notamment du papier à usages domestique et industriel, du cartonnage, des produits d’emballage, des papiers de spécialité, etc.

DÉFI

Une de leurs usines, utilise comme une majorité d’usine des caisses en carton afin d’emballer leurs produits. Ces dernières sont transportées à travers l’usine sur de nombreux convoyeurs, qui sont parfois difficiles d’accès. Or, lors du transport des boîtes, il arrive que certaines d’entre elles tombent ou se retrouvent dans une position non conforme (en biais, renversées, dans le mauvais angle, etc.). Ces boîtes mal orientées, si elles ne sont pas détectées à temps, peuvent bloquer le convoyeur et les forcent parfois à complètement arrêter leur chaîne de production, une action qui peut s’avérer très coûteuse.

Pour remédier à la situation, l’entreprise avait installé un jeu de capteurs tout au long du convoyeur pour mesurer la hauteur des boîtes qui y déferlent et détecter celles qui étaient tombées. Cet équipement, plus rudimentaire, ne parvenait cependant pas à reconnaître les boites qui étaient tout simplement en biais ou dans le mauvais angle.  Ainsi, cette méthode s’avèrait très imprécise et nécessitait régulièrement une intervention humaine. Un employé pouvait donc avoir la tâche d’inspecter en continu toutes les caméras de surveillance placées dans l’usine et de confirmer les anomalies.

SOLUTION

L’approche typique à ce genre de problème serait d’installer un système de vision plus traditionnel, mais très dispendieux (pouvant aller jusqu’à 30 000$ dollars), muni de caméras spécialisées, de lentilles et d’autres composantes permettant de détecter les boîtes mal orientées.

Notre méthode est beaucoup plus simple, et surtout bien moins coûteuse. Tout d’abord, nous nous sommes connectés sur les caméras de surveillance qui étaient déjà en place dans l’usine pour y déployer le système Haxio. Ensuite, nous avons entraîné un algorithme d’IA qui détecte des boîtes couchées, en biais ou dans toute autre position non conforme, tout en ignorant les boîtes droites. Dès qu’une anomalie est détectée, l’usine reçoit des notifications en temps réel, et un employé peut aller redresser la boîte pour éviter les temps d’arrêt plus loin sur le convoyeur.

RÉSULTATS

La performance d’Haxio est nettement supérieure à celle de leur ancien système. De plus, l’entreprise n’a pas eu besoin d’acheter un nouvel équipement coûteux : nous n’avons eu qu’à nous connecter à l’infrastructure en place et rendre leurs caméras « intelligentes », leur permettant de sauver temps et argent au bout de la ligne. La simplicité d’Haxio permet également de déployer la solution rapidement, soit environ un mois dans leur cas.