Riassunto analitico
Le macchine industriali sono sistemi elettronici e meccanici complessi, che permettono di produrre enormi quantita' di prodotti in un lasso ridotto di tempo. Ovviamente, cio' implica che un singolo difetto nella catena produttiva si propaghi attraverso tutto il processo, generando un prodotto difettoso. Percio', capire se qualcosa non va come programmato durante il processo diventa cruciale per evitare la produzione di interi lotti di prodotti difettosi, e quindi evitare perdite di tempo e denaro per l'azienda. I controlli di qualita' sono effettuati nelle varie fasi della catena produttiva, assicurando che gli input e gli output di ogni fase siano quelli desiderati. Al giorno d'oggi, i controlli di qualita' vengono effettuati in maniera automatizzata, usando software di intelligenza artificiale. Questa tesi introdurra' i concetti di apprendimendimento automatico e riconoscimento di anomalie, esplorando l'applicazione di tecniche auto-surpervisionate per individuare danni presenti sulla carta nel processo di packaging di Tetra Pak. Durante il tirocinio sono state implementate le tecniche allo stato dell'arte in termini di riconoscimento di anomalie auto-supervisionato, e sono state introdotte specifiche modifiche legate al dominio di applicazione in modo da attaccare in maniera specifica il problema in questione. I risultati quantitativi mostrano che le tecniche di apprendimento auto-supervisionato possono essere applicate con successo a questo campo, portando a importanti risparmi in termini di tempo e denaro associati al processo di annotazione del dato per l'allenamento di reti neurali.
|
Abstract
Industrial machines are complex mechanical and electronic systems, which let to produce an enormous number of products in a reduced amount of time. Of course, this means that a single damage in the production chain propagates through the process, resulting in a defective output.
So, understanding if something is going wrong in the process is crucial to avoid producing entire lots of defective products: this allows the company to save time and money.
Quality checks are performed in several steps of the production chain, ensuring that inputs and outputs of each phase are the ones expected. Nowadays, quality checks are performed in an autonomous way, using artificial intelligence software.
This thesis will introduce machine learning and anomaly detection, exploring the application of self-supervised techniques to detect paper damages in the Tetra Pak’s packaging process.
During the internship, state of the art techniques in self-supervised anomaly detection have been implemented, introducing domain-related modifications in order to fit the specific problem.
Quantitative results show that self-supervised learning solutions can be successfully applied to this field, leading to significant time and money savings related to the process of data annotation for the training of neural networks.
|