Riassunto analitico
Questa tesi si inserisce nel contesto dell'Industria 4.0, la quarta rivoluzione industriale che vede la convergenza di tecnologie avanzate per la creazione di fabbriche intelligenti. In queste fabbriche, sistemi e macchine interconnessi comunicano e si coordinano autonomamente, aumentando flessibilità, efficienza e personalizzazione della produzione. Tra le tecnologie abilitanti dell'Industria 4.0, la Realtà Aumentata (AR) si distingue per la sua capacità di arricchire la percezione umana sovrapponendo informazioni digitali al mondo reale. L'utente, pur rimanendo nel mondo reale, può visualizzare informazioni contestualizzate, come modelli 3D, istruzioni e dati di misurazione, attraverso dispositivi come smartphone, tablet e occhiali intelligenti.
In particolare, l'AR nell'ispezione qualità consente di migliorare l'efficienza e l'accuratezza dei processi di controllo, riducendo i tempi di inattività e gli errori umani. L'AR, inoltre, facilita l'identificazione di difetti di produzione, consentendo di sovrapporre i dati di progettazione agli oggetti reali.
La presente tesi propone una metodologia, basata sul Model-Based Design, per l'estrazione automatica di informazioni geometriche da modelli CAD. Tali informazioni vengono successivamente utilizzate in un sistema AR per l'identificazione precisa e la sovrapposizione in tempo reale di features (componenti e lavorazioni) all'interno di assemblati complessi. L'applicazione è stata sviluppata utilizzando motore grafico Unity 3D e il sistema di realtà aumentata Vuforia. Il processo di sviluppo prevede inizialmente la creazione di un apposito target in Vuforia generato a partire dal modello CAD dell'oggetto da ispezionare. Successivamente, si definisce una maschera binaria che isola l'oggetto di interesse dallo sfondo, sfruttando la segmentazione cromatica. L'immagine acquisita viene quindi elaborata tramite algoritmi di Computer Vision, in particolare algoritmi di estrazione dei bordi come Sobel e Canny, per identificare i componenti. Infine, un algoritmo di matching confronta il modello CAD con l'immagine reale, calcolando la similarità tra i loro contorni tramite una funzione di peso gaussiano. Il risultato finale determina se il componente analizzato è presente o meno nell'assemblaggio.
L'applicazione 'Quality Tutor', disponibile sia in versione desktop che mobile, è stata progettata per ottimizzare i processi di ispezione. Attraverso un’interfaccia intuitiva, l'operatore può monitorare in tempo reale l'andamento delle proprie performance, grazie alla visualizzazione di indicatori chiave di prestazione (KPI). Una volta completata l'analisi, una colorazione semantica dei componenti, basata su soglie predefinite, offre un feedback immediato sulla qualità dell'ispezione. Infine, l'applicazione genera report dettagliati in formato foglio di calcolo, consentendo una documentazione accurata e un'analisi approfondita dei risultati.
L'efficacia di "Quality Tutor" è stata valutata in due casi di studio: l'ispezione di un assieme in acciaio di grandi dimensioni fornito da Baker Hughes e l'analisi di un componente di un veicolo Formula Student, di dimensioni più contenute ma con una geometria più complessa. I risultati ottenuti dimostrano una buona accuratezza dell'applicazione nell'identificazione dei componenti e la sua capacità di rilevare sia discrepanze geometriche che l'assenza di componenti previsti nel modello CAD.
In conclusione, la tesi evidenzia il potenziale dell'AR e della Computer Vision per l'automazione dei processi di ispezione qualità nell'Industria 4.0. L'applicazione "Quality Tutor" si propone come uno strumento innovativo per migliorare l'efficienza e l'accuratezza del controllo qualità, contribuendo alla riduzione degli errori umani e alla realizzazione di una produzione "zero-difetti".
|
Abstract
This thesis is set in the context of Industry 4.0, the fourth industrial revolution characterized by the convergence of advanced technologies for the creation of smart factories. In these factories, interconnected systems and machines communicate and coordinate autonomously, increasing production flexibility, efficiency, and customization. Among the enabling technologies of Industry 4.0, Augmented Reality (AR) stands out for its ability to enhance human perception by overlaying digital information onto the real world. The user, while remaining in the real world, can view contextualized information, such as 3D models, instructions, and measurement data, through devices like smartphones, tablets, and smart glasses.
Specifically, AR in quality inspection helps improve the efficiency and accuracy of control processes, reducing downtime and human errors. AR also facilitates the identification of manufacturing defects by overlaying design data onto real objects.
This thesis proposes a methodology based on Model-Based Design for the automatic extraction of geometric information from CAD models. This information is subsequently used in an AR system for the precise identification and real-time overlay of features (components and machining) within complex assemblies. The application was developed using the Unity 3D graphics engine and the Vuforia augmented reality system. The development process initially involves creating a specific target in Vuforia generated from the CAD model of the object to be inspected. A binary mask is then defined to isolate the object of interest from the background, leveraging color segmentation. The acquired image is processed using Computer Vision algorithms, specifically edge detection algorithms such as Sobel and Canny, to identify components. Finally, a matching algorithm compares the CAD model with the real image, calculating the similarity between their contours using a Gaussian weighting function. The final result determines whether the analyzed component is present in the assembly.
The "Quality Tutor" application, available in both desktop and mobile versions, is designed to optimize inspection processes. Through an intuitive interface, the operator can monitor their performance in real-time, thanks to the display of key performance indicators (KPIs). Once the analysis is completed, a semantic coloring of the components, based on predefined thresholds, provides immediate feedback on the quality of the inspection. Finally, the application generates detailed reports in spreadsheet format, allowing accurate documentation and in-depth analysis of the results.
The effectiveness of "Quality Tutor" was evaluated in two case studies: the inspection of a large steel assembly provided by Baker Hughes and the analysis of a component of a Formula Student vehicle, smaller in size but with a more complex geometry. The results demonstrate the application's good accuracy in identifying components and its ability to detect both geometric discrepancies and the absence of components expected in the CAD model.
In conclusion, the thesis highlights the potential of AR and Computer Vision for automating quality inspection processes in Industry 4.0. The "Quality Tutor" application is proposed as an innovative tool for improving the efficiency and accuracy of quality control, contributing to the reduction of human errors and the realization of "zero-defect" production.
|
