PlasturgieVision industrielle →

Contrôle qualité 100 % en sortie de presse à injection

Déploiement d'un système de vision industrielle sur 3 presses à injection de pièces techniques automobiles. Réduction du taux de rebut de 35 %, traçabilité IATF complète sur l'ensemble de la production.

– 35 %

de taux de rebut

97 %

taux de détection sur défauts ciblés

100 %

traçabilité pièce par pièce

Contexte

Le problème

Taux de rebut de 4 à 6 % sur pièces techniques

Pièces de connectique automobile, tolérances dimensionnelles et d'aspect serrées. Défauts principaux : retassures, bavures, manques de matière en fond de nervure.

Contrôle manuel intenable à la cadence

Cycle de 8 à 12 secondes par pièce sur 3 presses simultanées. Contrôle 100 % physiquement impossible, taux de contrôle effectif < 30 % en pointe de production.

Exigences IATF 16949 sur la traçabilité

Donneur d'ordre automobile exigeant une traçabilité de contrôle 100 % et un taux PPM inférieur à 50. Audits réguliers.

Diversité des références

28 références actives sur les 3 presses, géométries et coloris variés. Le système doit gérer les changements de moule sans re-paramétrage complet.

Solution

Architecture déployée

Acquisition

2 caméras GigE Vision par presse

Caméra couleur 5 MP dessus + caméra infrarouge dessous. Éclairage LED coaxial haute fréquence pour éliminer les reflets. Trigger synchronisé sur signal éjection automate.

Runtime

NVIDIA Jetson Orin embarqué

PC industriel en coffret étanche monté sur la presse. Inférence TensorRT, latence < 80 ms / pièce. Pas de dépendance réseau pour la décision.

Modèle

CNN classification + détection

Modèle de classification binaire (conforme / non conforme) + détecteur de défauts pour localisation. Entraîné sur 4 200 images labellisées par le responsable qualité.

Intégration

OPC-UA vers automate Siemens S7

Signal éjection en sortie du module de vision. Log horodaté pièce par pièce vers MES (SAP ME) via REST. Interface opérateur tactile avec heatmap temps réel.

Résultats

Résultats observés

Mesurés sur les 3 mois suivant la mise en production sur les 3 presses pilotes.

97 %

Taux de détection

Sur les 6 types de défauts ciblés après 4 semaines de calibration en production réelle.

1,4 %

Taux de faux positifs

Négocié avec le responsable qualité sur la base du coût d'un rebut injustifié vs. d'un défaut passé.

– 35 %

Réduction du taux de rebut

Mesuré sur les 3 mois suivant la mise en production des 3 presses pilotes.

100 %

Traçabilité audit

Chaque pièce a un log de contrôle horodaté avec décision et score de confiance. Exportable pour audit IATF.

Retour d'expérience

Ce qu'on en retient

L'éclairage est souvent la variable critique : un changement de type d'éclairage peut rendre visible un défaut invisible. L'investir en temps en phase d'audit est rentable.

La calibration des seuils FP/FN avec le responsable qualité est un travail collaboratif, pas un paramètre technique. Prévoir 2 semaines d'itérations en production réelle.

La gestion des changements de moule et de coloris nécessite un système de paramétrage par référence. Prévoir cette flexibilité dès la conception.

Le modèle de détection non supervisée (PatchCore) a permis de détecter un nouveau type de défaut apparu après un changement de matière — sans réentraînement.

La formation des opérateurs à l'interface et à l'interprétation des heatmaps a été sous-estimée. Prévoir 1 journée de formation par équipe.

Démarrer

Un cas similaire sur votre ligne ?

Décrivez-nous le type de pièce, la cadence et les défauts à détecter. Nous analysons la faisabilité sous 48h.

Discuter de mon projet Page domaine : vision industrielle