Reducció de falsos rebuigs amb IA: un control de qualitat industrial més precís

En el control de qualitat industrial hi ha un enemic silenciós que costa diners cada dia: els falsos rebuigs. És a dir, productes correctes que el sistema marca com a defectuosos. El resultat és clar: malbaratament, retraballs, parades per ajustos i pèrdua d’eficiència.

La bona notícia: avui és possible aconseguir una reducció de falsos rebuigs de manera estable gràcies a la visió artificial industrial amb IA (Deep Learning), capaç d’adaptar-se a variacions reals de producte i d’entorn.

Què són els falsos rebuigs i per què passen?

Un fals rebuig passa quan el sistema detecta un “defecte” que, en realitat, està dins de tolerància.

En molts casos, el problema apareix amb sistemes basats en regles rígides (llindars, filtres, paràmetres fixos), que funcionen bé en condicions ideals, però perden fiabilitat quan canvien variables típiques de planta:

• Variacions d’il·luminació (ombres, reflexos, LEDs envellits)

• Canvis de color o textura per lot/proveïdor

• Microvariacions de forma (producte orgànic, envasos flexibles)

• Vibracions, pols, humitat o petites desviacions de posicionament

Conseqüència directa: el sistema es torna “massa estricte” i comença a rebutjar producte bo.

Impacte real dels falsos rebuigs en una línia

Els falsos rebuigs no només generen pèrdues de producte: distorsionen l’operació.

• Augmenten el malbaratament i el cost per unitat

• Generen retraballs (mà d’obra + temps)

• Obligen a parar per recalibrar o “tocar paràmetres”

• Empitjoren la consistència (un dia funciona, un altre no)

• Creen fricció entre producció i qualitat (discussions de criteris)

La solució: reducció de falsos rebuigs amb visió artificial + IA

La IA (Deep Learning) aporta un valor clau: capacitat de generalització.

En lloc de dependre de regles fixes, el model aprèn d’exemples reals i pot distingir defectes reals de variacions acceptables, fins i tot quan l’entorn canvia.

A AIS Vision Systems, aquest enfocament s’implementa amb el programari Deep Learning Rosepetal, que permet una inspecció:

• Adaptativa (aprèn la variabilitat real del producte)

• Robusta davant canvis d’il·luminació o aparença

• Consistent en el temps, amb menys necessitat d’ajustos manuals

• Mesurable, amb mètriques clares per a auditoria i millora contínua

Casos típics on la IA redueix falsos rebuigs

La reducció de falsos rebuigs acostuma a ser especialment notable en:

• Etiquetes i sleeves: arrugues lleus, reflexos, microdesalineacions tolerables

• Tapons: variació de tonalitat, reflexos, petites marques superficials

• OCR / codis / lots: impressió irregular, contrast variable, fons complexos

• Packaging alimentari: producte orgànic, textura no uniforme, variacions naturals

Solucions AIS per reduir falsos rebuigs

AIS REV 360

Inspecció 360º d’envasos cilíndrics amb Rosepetal, ideal per detectar defectes reals en etiquetes, sleeves o tapons sense penalitzar variacions normals.

AIS Hopper – Inspecció de tapons a 360º

Sistema especialitzat per verificar posicionament i qualitat de tapons, amb focus en estabilitat i reducció de rebuigs erronis a altes cadències.

OCR i lectura avançada

Verificació de codis, lots i textos amb alta precisió, minimitzant errors de lectura que es tradueixen en falsos rebuigs.

Beneficis directes en planta

Implementant visió artificial amb IA orientada a reducció de falsos rebuigs, s’aconsegueix:

• Menys malbaratament sense baixar el nivell de qualitat

• Més estabilitat de producció (menys parades, menys reajustos)

• Millor OEE per reducció d’incidències

• Criteris d’inspecció més consistents (menys dependència de l’“operari expert”)

• Millor traçabilitat i dades per a millora contínua

Vols reduir falsos rebuigs a la teva línia?

Si la teva línia penalitza producte correcte o t’obliga a ajustar paràmetres constantment, és el moment de fer el salt cap a una inspecció més intel·ligent.

Contacta amb AIS Vision Systems i t’ajudem a valorar el teu cas per aconseguir una reducció de falsos rebuigs sense comprometre l’estàndard de qualitat.