Perfectionner la classification de bouteilles à l’aide du Deep Learning
Saverglass est le leader mondial de la fabrication, de la personnalisation et de la décoration de bouteilles en verre haut de gamme. Nous sommes intervenus chez ce spécialiste afin de perfectionner son contrôle qualité (classification de bouteilles) grâce à un algorithme d’intelligence artificielle personnalisé.
Le cookie youtube est obligatoire pour voir le contenu
Le savoir-faire Saverglass c'est...
millions de tonnes de verre par an
sites de production, 4 de décoration
pays d'exportation
Répartition de l'activité
Les enjeux
Le process de production lance régulièrement deux typologies de bouteilles en même temps sur une ligne, avec un tri en fin de ligne à l’aide d’outils de vision par ordinateur classique (Computer Vision). Cela amène deux problématiques : d'une part, l’outil est long à paramétrer à chaque lancement de campagne, et d'autre part, il ne peut pas trier certains types de bouteilles qui se ressemblent beaucoup, ce qui limite la flexibilité de la production.
La solution
Les gains
- 1. Diminution du temps de réglage
- 2. Augmentation de la flexibilité du système
- 3. Standardisation facilitée sur plusieurs sites de production
L'usine 4.0 ? Saverglass cherche à s'en servir pour être plus flexible, parce que l'on est sur des installations verrières qui sont très lourdes, un four c'est très lourd à piloter, c'est un véritable paquebot. L’intelligence artificielle peut servir à rendre plus flexible l'outil pour aller toujours vers plus de personnalisation pour les clients.
Christophe Gauffre