Caso de éxito

Importante empresa de curtido de pieles

Identificación de defectos en piel natural con técnicas de visión artificial. De esta forma, se consigue ser más eficaz a la hora de detectar imperfecciones en el producto y de clasificarlo según su calidad. Todo ello, empleando mucho menos tiempo que mediante inspecciones visuales.

01. Reto

Las pieles, como producto natural, son muy dispares entre sí y pueden contener multitud de defectos, los cuales otorgan su genuinidad. Pero algunos de estos defectos, poco visibles inicialmente una vez finalizado el proceso de curtido, terminan siendo muy llamativos y bajan significativamente el valor de la piel.

Por esto es importante realizar una clasificación precisa de las pieles. Según esta, se someterán a los procesos más adecuados y se calificarán según su calidad.

La identificación de dichos defectos, como picaduras de mosquito, rasguños, manchas, etc,, se realizaba de forma manual por operarios especializados. Hemos de pensar que es un proceso altamente complejo y que implica una interpretación por parte del operario, ya que toda piel tiene defectos, pero se debe discernir entre el número de defectos, el tipo, la posición, etc.
Esto hacía que dos operarios pudieran clasificar una misma piel en dos categorías diferentes. Además, con el paso del tiempo, el cansancio en la vista de dichos operarios bajaba su productividad.

02. Solución

Se buscaba disponer de un sistema capaz de capitalizar el conocimiento de los operarios y que estandarizase y mejorase la velocidad del proceso de clasificación de pieles. 

Para ello, se optó por desarrollar un sistema de visión por computador de alta resolución, basado en técnicas de deep learning. Éste, en primer lugar, es capaz de identificar los posibles defectos en las pieles. Posteriormente, mediante técnicas de machine learning, clasifica las pieles en base a los defectos detectados y considerando su posición, número y tipo.

Este sistema ayuda a la compañía a agilizar el proceso de clasificación aumentando su productividad, así como a evitar las posibles incoherencias de clasificación por parte de múltiples usuarios. Otra de las ventajas es que se reduce el tiempo necesario de aprendizaje de los operarios para el proceso de clasificación.

03. En la actualidad

Actualmente, se están validando los resultados, los cuales son muy positivos. El sistema es capaz de clasificar una piel de forma satisfactoria en un 85-95% menos de tiempo que un operario.

Una vez validados los resultados, se procederá al desarrollo de una estación independiente para la toma de imágenes y clasificación automatizada de pieles.

Nuestros casos de éxito

Cashkeeper

Mantenimiento predictivo de equipos de cash handling en CashKeeper.

Endesa

Gestión y optimización de costes de proyectos de telecomunicaciones en Endesa.

Rebold

Desmaquetación automática de prensa escrita en Rebold.

Comforsa

Mantenimiento predictivo e identificación precoz de defectología en forja pesada en Comforsa.

Importante empresa de curtido de pieles

Identificación de defectos en piel natural.

Flamagas

Identificación de errores estéticos de serigrafiado en Flamagas.

Fabricante de ascensores

Predicción de uso de ascensores.

¿Quieres ser el próximo?

Descubre todos los secretos para lograr reducir al mínimo la merma en tu fábrica con esta lista de verificación gratuita

Descarga tu checklist