Manufacturing
Automazione e computer vision per linee di produzione. Deep learning, ispezione visiva e machine learning su edge per qualità zero-difetti.
Computer Vision & Ispezione Visiva
Sviluppiamo sistemi di computer vision peridentificazione automatica di difetti di fabbricazionecon deep learning.
Reti neurali convoluzionali (CNN) con architetturaAttention U-Netper segmentazione semantica dei difetti.
Pipeline real-timeper analisi prodotti in movimento con integrazione PLC per arresti automatici.
Ambiti di applicazione:
- •Defect Detection: CNN, pattern recognition
- •Segmentation: Attention U-Net, semantic
- •Real-Time: pipeline, analisi in movimento
- •PLC Integration: arresti, ispezioni manuali
Defect Detection
Rilevamento automatico difetti con reti neurali CNN
Semantic Segmentation
Architettura Attention U-Net per localizzazione precisa
Real-Time Pipeline
Analisi in tempo reale su prodotti in movimento
PLC Integration
Interfacciamento PLC per arresti e ispezioni
Machine Learning su Edge
Implementiamo modelli di machine learning direttamente sui PLC Beckhoff tramiteTwinCAT Machine Learning Server.
Export modelli da Python TensorFlow in formatoONNXper inferenza real-time senza latenza cloud.
TwinCAT Visionper gestione immagini, post-processing e rilevamento contorni difetti.
Ambiti di applicazione:
- •TensorFlow: training modelli Python
- •ONNX Export: formato standard, portabile
- •TF3820: ML Server inferenza PLC
- •TF7100: Vision, post-processing
TensorFlow Training
Training modelli con Python TensorFlow e framework ML
ONNX Export
Export modelli in formato ONNX per edge deployment
TwinCAT ML Server
Inferenza real-time su PLC con TF3820
TwinCAT Vision
Gestione immagini e post-processing con TF7100
Ispezione Rotoli & Coating
Sistemi di visione perispezione continua di rotoli, coating e superficiin movimento a velocità di produzione.
Raccoltadataset immagini, labeling difettie sviluppo algoritmi di pattern recognition.
Classificazione difettiper tipologia e gravità con integrazione sistemi qualità per tracciabilità.
Ambiti di applicazione:
- •Continuous Inspection: rotoli, coating, superfici
- •Dataset Creation: labeling, annotazione
- •Defect Classification: tipologia, gravità
- •Quality Integration: tracciabilità, KPI
Continuous Inspection
Ispezione continua rotoli a velocità produzione
Dataset & Labeling
Raccolta dataset e labeling difetti strutturato
Defect Classification
Classificazione per tipologia e gravità
Quality KPI
Integrazione sistemi qualità e tracciabilità
Automazione Linee di Produzione
Sviluppiamo software diautomazione completo per linee di produzione manufacturing.
Dalla programmazione PLC almotion control, dall'HMI all'integrazione con sistemi MES.
Calcolo OEE e KPIdi produzione in tempo reale per ottimizzazione continua.
Ambiti di applicazione:
- •PLC Multi-Vendor: Siemens, Rockwell, Beckhoff
- •Motion Control: robot, handling, assi
- •MES Integration: ordini, tracking, batch
- •OEE & KPI: real-time, analytics
PLC Multi-Vendor
Programmazione Siemens, Rockwell, Beckhoff
Motion Control
Controllo robot, handling e movimentazione
MES Integration
Integrazione ordini, tracking e batch record
OEE Real-Time
Calcolo OEE e KPI produzione in tempo reale
Sistema di Visione per Rilevazione Difetti su Rotoli
Sviluppo di un sistema di computer vision per rilevazione difetti su rotoli di materiale in movimento. Il progetto ha incluso raccolta dataset, sviluppo algoritmi CNN, pipeline real-time per analisi, interfaccia HMI per visualizzazione e interfacciamento al PLC per arresti automatici.
Sfide Affrontate
- •Rilevamento difetti su materiale in movimento ad alta velocità
- •Labeling accurato di dataset con diverse tipologie di difetti
- •Pipeline di inferenza real-time senza latenza percepibile
- •Integrazione con PLC per arresti e ispezioni manuali
Competenze Applicate
Tecnologie Utilizzate
Risultati Ottenuti
- Rilevamento automatico dei difetti con precisione > 98%
- Riduzione significativa degli scarti e controllo qualità più consistente
- Automazione completa di un processo precedentemente manuale
- Miglioramento della tracciabilità e dei KPI di produzione
Ispezione Visiva con TwinCAT Machine Learning
Sviluppo di un sistema di computer vision per identificazione difetti di fabbricazione su viti. Allenamento di rete neurale Attention U-Net per segmentazione semantica, esportazione in formato ONNX e deployment su TwinCAT Machine Learning Server per inferenza real-time.
Sfide Affrontate
- •Segmentazione semantica precisa di difetti microscopici
- •Creazione e allenamento modello con dataset limitato
- •Esportazione in formato ONNX per compatibilità TwinCAT
- •Post-processing dei difetti rilevati con TwinCAT Vision
Competenze Applicate
Tecnologie Utilizzate
Risultati Ottenuti
- Inferenza real-time senza dipendenza da cloud o server esterni
- Integrazione nativa con ambiente PLC senza gateway
- Post-processing avanzato con rilevamento contorni difetti
- Tempo di inferenza < 50ms per immagine full resolution
Contattaci
Un preventivo, una richiesta particolare, o semplicemente un caffè per conoscerci? Scrivici e ti risponderemo in un “nano-secondo”.