HomeContenuti SponsorizzatiLandingLens. Var Group porta la visual inspection in Italia

LandingLens. Var Group porta la visual inspection in Italia

Annunciata l’alleanza tra Var Group e Landing AI, per portare in Italia LandingLens, la piattaforma cloud completa di Landing AI per la visual inspection

Leggi le riviste ⇢

Ti potrebbero interessare ⇢

Vittoria Lugli

È da poco stata annunciata l’alleanza tra Var Group, leader nel settore dei servizi e delle soluzioni digitali per le imprese e parte del Gruppo Sesa, e Landing AI, azienda americana specializzata in piattaforme di Computer Vision e soluzioni di Intelligenza Artificiale.
Il sodalizio ha l'obiettivo di estendere il campo di automazione dei processi di Qualità e Produzione, garantendo alle imprese italiane importanti benefici grazie a LandingLens. LandingLens è la piattaforma cloud completa di Landing AI per la visual inspection, che permette di gestire tutte le attività di sviluppo e deploy di soluzioni di AI in ambito industriale.

La visione artificiale ha svolto a lungo un ruolo significativo per i principali produttori del settore manifatturiero. Adottando le tecnologie di visione artificiale nei processi produttivi, molte aziende possono alzare gli standard qualitativi e tenere il passo con le richieste dei clienti. Quasi ogni componente della filiera produttiva, dal circuito al freno alla ruota, può beneficiare dalla visual inspection e dalle tecnologie di machine vision.

Sul mercato esistono molti sistemi rules-based, che semplicemente applicano regole create dall'uomo per archiviare, ordinare e manipolare i dati.

Ma alcuni compiti di ispezione richiedono un’efficacia che va oltre le capacità di tali sistemi di visione artificiale tradizionali. Il deep learning, una tecnologia più evoluta, è la soluzione giusta per colmare le lacune nell'ispezione delle fasi produttive.

Perché i sistemi basati su regole non bastano? 

L'aumento degli standard di qualità è una vera sfida per i tradizionali sistemi di controllo con visual inspection. In un sistema basato su regole, identificare i difetti di complessi pezzi lavorati e di parti fuse può risultare davvero difficile. Altrettanto difficile può risultare definire ‘cosa’ costituisca davvero un difetto.

Ci sono diversi fattori che possono limitare l’efficacia dell’ispezione dei sistemi rules-based; ad esempio la variabilità delle parti quando si procede a una verifica significativa dell'assemblaggio su prodotti che possono avere finiture o tipologie di materiali diverse. 

Là dove l'ispezione manuale e la visione artificiale tradizionale mostrano i propri limiti, il Deep Learning arriva in soccorso per gestire in modo affidabile il controllo qualità. Una tecnologia che garantisce efficacia anche nell'analisi di forme complesse, parti e modelli misti, e che può adattarsi e imparare. Inoltre, un’efficace piattaforma basata su Deep Learning come LendingLens consente agli utenti finali di definire i difetti in anticipo, in modo che il software sia in grado poi di riconoscere autonomamente le anomalie.

LandingLens include infatti un Defect Book digitale che pone l'attività di etichettatura al centro del processo, migliorando la precisione senza gravare sui clienti. Questo Book aiuta a risolvere le ambiguità e consente ai membri di ogni team di raggiungere una posizione condivisa. Ciò permette di fornire dati puliti al modello di apprendimento profondo. Il Defect Book è in costante evoluzione.

Migliora la precisione, riduci i costi e abbraccia il paradigma data centrico

Il software di apprendimento profondo LandingLens di Landing AI non solo aiuta a migliorare la precisione in applicazioni complesse come l'ispezione dei chip semiconduttori, ma rende anche il processo più semplice. L'azienda adotta un approccio innovativo e basato sui dati. I dati “puliti” e accuratamente etichettati alimentano il modello, proprio perché anche il modello più preciso produrrà risultati insufficienti se si utilizzano dati inaccurati o incompleti in fase di addestramento.

LandingLens. Var Group porta la visual inspection in Italia - Ultima modifica: 2023-02-01T15:59:02+01:00 da Vittoria Lugli