En bref

Un grand fabricant allemand souhaitait réduire le temps nécessaire à ses spécialistes pour inspecter les produits fabriqués sur ses lignes d’assemblage. Ils ont collaboré avec Eviden pour une solution basée sur la vision par ordinateur afin d’automatiser le processus d’inspection de la qualité.

Résultats

  • Réduction de 80 % du temps d’inspection de la qualité
  • Plus de 85 % de précision dans la prédiction du modèle
  • Augmentation de l’efficacité du processus

Le client

Un conglomérat industriel allemand multinational ayant des intérêts commerciaux divers, notamment dans les domaines de l’énergie, de la santé, de l’industrie et de l’infrastructure.

Viser les meilleures normes de l’industrie

Le fabricant allemand est une entreprise internationale qui possède des usines en Europe, au Mexique, en Chine et en Inde. Il s’efforçait de gérer un niveau de qualité élevé pour les équipements de ses usines. Bien qu’il dispose d’une équipe internationale, l’inspection manuelle de la qualité était coûteuse et prenait beaucoup de temps, ce qui avait un impact direct sur les résultats de l’entreprise.

 

Envisager une solution plus intelligente

Eviden a conçu des modèles basés sur la vision par ordinateur pour une inspection automatisée de la qualité des produits dans les usines du client.

Les modèles Tensorflow ont été déployés avec le traitement des flux de caméras directement sur le Edge pour une meilleure performance. En s’appuyant sur ces caméras CCTV installées à différents angles, la solution peut inspecter les produits livrés par les chaînes de montage, y compris les dispositifs de communication, les jeux de puce, les boulons et les écrous, les moteurs, les cartes de circuits imprimés et les générateurs. Une numérisation OCR (reconnaissance optique des caractères) des images textuelles des équipements permet aux employés d’ajouter des métadonnées avec une classification automatique pour identifier les éventuels défauts.

Cette architecture conteneurisée et en microservices dispose également d’une base de données en mémoire et d’une console d’interface utilisateur allégée permettant des tests E2E sur chaque site Edge dans les usines. Les employés ont la possibilité d’être formés avec des modules sur le cloud, permettant une formation en parallèle sur les GPU même pendant la phase de déploiement sur les sites Edge.

Pourquoi Eviden

Eviden est spécialisée dans la technologie de vision par ordinateur et offre une expertise dans diverses solutions telles que la reconnaissance faciale, les alarmes anti-intrusion, l’inspection de la qualité, la détection de fumée et la détection d’incendie. Nos capacités s’étendent à l’élaboration de solutions avec les principaux hyperscalers et plateformes open-source.

En savoir plus sur nos solutions basées sur la vision par ordinateur.

Inspection automatisée, efficacité accélérée

La solution d’Eviden a permis de réduire de 80% le temps d’inspection de la qualité avec une précision de plus de 85% dans la prédiction du modèle. Dans l’ensemble, cela a permis d’augmenter l’efficacité des processus du fabricant.

Cas client sur le même sujet

Prévisions et IA : les facteurs critiques en cas d'urgence médicale Succès Clients

Prévisions et IA : les facteurs critiques en cas d'urgence médicale

Découvrez comment Eviden a aidé l'un des plus grands États des États-Unis à prévoir la demande de kits d'équipement de protection individuelle pendant la pandémie de Covid-19.

Sécurité, évolutivité, durabilité pour Damart Succès Clients

Sécurité, évolutivité, durabilité pour Damart

Les conclusions de l'atelier et l'analyse détaillée d'Eviden ont décidé Damart à migrer vers Google Cloud VMware Engine et Bare Metal avec une couche Oracle Linux Virtualization Manager.

Révolutionner le service aux clients par l’automatisation des opérations Succès Clients

Révolutionner le service aux clients par l’automatisation des opérations

Découvrez comment Eviden avec sa solution d’automatisation améliore l'efficacité opérationnelle et la satisfaction des utilisateurs finaux d'une compagnie d'assurance.