CAS CLIENTS - MÉCAN-SOUDURE
Inspection de soudures par IA
Détecter en temps réel ce que l'oeil finit par rater
Détection automatique des défauts de soudures sur ligne automobile et mécano-soudure en moins de 200 ms par pièce.
Avec Leveraize une détection automatique en en moins de 200 ms par pièce
CONTEXTE DU PROJET
Le contexte terrain
À 800 pièces à heure
un opérateur dispose de moins de 4 secondes par cordon.
En début de poste, il est attentif. En fin d’équipe, après six heures debout face à son poste, il ne l’est plus autant.
« Ce n’est pas une question de motivation : c’est simplement la limite du contrôle visuel humain appliqué à une cadence industrielle. »
PROBLÈMES RENCONTRÉS
Le vrai problème n'est pas le taux de défaut c'est l'invisible
Un taux d’échappée de 1 à 2 % peut sembler marginal sur le papier. Sur le terrain, la douleur n’est pas statistique, elle est opérationnelle.
Mauvais retours clients
Un tous les 2-3 jours
Heures de reprise
Coûts cachés récurrents
Relation client fragilisée
Confiance fragilisée
SOLUTIONS APPORTÉES
Ce que la vision par IA change sur vos opérations de soudure
Notre solution apprend à reconnaître les signatures visuelles de vos défauts réels, sur vos pièces spécifiques, dans votre environnement d’éclairage afin de fiabiliser le contrôle qualité des soudures en cadence industrielle
Pas à partir d’une base de données générique, à partir des vôtres.
Ce que l’intelligence artificielle détecte :
- Fissures sur le cordon ou en zone affectée thermiquement
- Soufflures et porosités en surface
- Fusion partielle, manque de pénétration du cordon
- Projections hors zone acceptable
- Géométrie de cordon hors tolérance
Levée de doutes
Sur les cas limites, le système génère une alerte. L'opérateur voit la pièce, la zone suspecte et la décision proposée, et valide en un clic. L'humain reste dans la boucle.
RÉSULTATS DU PROJET
Ce que vos opérations de soudures peuvent atteindre
Résultats observés sur nos déploiements en environnement industriel.
70 à 90%
Réduction du taux d'échappée
100%
des pièces pour la couverture d'inspection
<1%
Faux positifs
20 à 50
Images réelles pour démarrer
3 mois
Délai de déploiement
4 au 6ème
mois pour un retour sur investissement
Ces chiffres sont indicatifs et dépendent de vos typologies de défauts, cadences et qualité des images d’entraînement. L’étude de faisabilité permet de qualifier ces résultats sur votre cas*
ÉTAPES DE MISE EN PLACE
Comment ça se passe ?
Notre approche end-to-end chez Leveraize couvre l’ensemble du cycle, de l’analyse initiale jusqu’au maintien en condition opérationnelle.
Nous analysons vos opérations de soudure, vos défauts courants, vos cadences et vos exigences de traçabilité. Cette phase de cadrage dure cinq jours et aboutit à une estimation de ROI basée sur vos données réelles.
Nous collectons des images réelles sur votre production (pièces conformes et non conformes) et constituons le jeu de données d’entraînement. Grâce à notre approche frugale, 20 à 50 images suffisent pour obtenir un premier modèle opérationnel.
Le modèle de détection automatique des défauts est entraîné spécifiquement sur vos cordons, dans vos conditions d’éclairage réelles. Vous validez les résultats sur un lot de test avant tout engagement sur le développement complet.
Le traitement est réalisé localement, sans transmission vers aucun serveur externe. L’analyse en temps réel est invisible sur la cadence : chaque pièce est traitée en moins de 200 millisecondes.
Le système s’intègre à vos opérations sans arrêt de production, sans modification du process, sans projet IT. Les décisions et images sont exportables dans vos formats habituels.
Nous assurons le suivi des performances, l’adaptation du modèle aux nouvelles typologies de défauts et l’évolution du système avec votre production.
Vos opérations de soudure présentent ce type d'enjeux ?
En moins de cinq jours, nous évaluons ce que la détection automatique des défauts peut apporter sur vos opérations et nous vous remettons une estimation de ROI basée sur vos données. Pas d’engagement avant les résultats.
AUTRES CAS CLIENTS
