Sensor de visão industrial para o controle de qualidade automatizado na montagem de religadores automáticos

Abstract

Na área de controle de qualidade, a automação da inspeção visual é uma estratégia fundamental para garantir a conformidade e a rastreabilidade em processos de manufatura. Este trabalho tem como objetivo implementar e validar um sistema de visão computacional para a inspeção automatizada de elementos de vedação na montagem de religadores automáticos, abordando falhas que comprometem a estanqueidade do produto. Para isso, foi utilizada uma abordagem baseada em VC (Visão Computacional) com IA (Inteligência Artificial) embarcada, envolvendo o uso de um sensor de visão inteligente da série IV3 da Keyence, um CLP (Controlador Lógico Programável) e sua integração com o MES (Manufacturing Execution System) da fábrica. A metodologia incluiu a análise do processo de montagem das vedações via PFMEA (Process Failure Mode and Effects Analysis), a implementação da arquitetura física, a programação do software de visão com base em aprendizado de máquina e a criação da lógica de controle no CLP, com validação realizada por meio de testes de matriz de confusão, repetibilidade e intertravamento do processo. Os resultados obtidos demonstraram que o sistema foi eficaz na identificação de peças conformes e com defeitos evidentes, embora tenha apresentado menor consistência na detecção de falhas limítrofes. O sistema apresentou acurácia superior a 85% e sensibilidade de 100% nos testes de validação, sendo capaz de intertravar o processo produtivo ao detectar não conformidades, funcionando como um Poka-Yoke digital que assegura que todas as peças sejam inspecionadas e registradas antes da próxima etapa do processo. A solução proposta tem potencial de aplicação em processos de controle de qualidade em montagens industriais e contribuições relevantes para a área da Qualidade 4.0, ao aplicar conceitos da Indústria 4.0 para otimizar a fabricação de equipamentos de proteção elétrica.

In the field of quality control, automating visual inspection is a key strategy to ensure conformity and traceability in manufacturing processes. This work aims to implement and validate a computer vision system for the automated inspection of sealing elements in the assembly of automatic reclosers, addressing failures that compromise the product’s tightness. The proposed solution is based on embedded Artificial Intelligence (AI) and Computer Vision (CV), utilizing a Keyence IV3 smart vision sensor, a Programmable Logic Controller (PLC), and integrating it with the factory’s Manufacturing Execution System (MES). The methodology included the analysis of the sealing assembly process using Process Failure Mode and Effects Analysis (PFMEA), physical architecture implementation, machinelearning- based vision software programming, and the development of control logic on the PLC. Validation was carried out through confusion matrix analysis, repeatability tests, and process interlock verification. The results demonstrated that the system was effective in identifying conforming parts and those with evident defects, although it showed lower consistency in detecting borderline failures. The system achieved an accuracy above 85% and 100% sensitivity in the validation tests and was able to interlock the production process when non-conformities were detected, functioning as a digital Poka-Yoke, ensuring that all parts are inspected and logged before advancing to the next stage of the process. The proposed solution has potential applications in quality control for industrial assemblies and offers relevant contributions to the Quality 4.0 field by applying Industry 4.0 concepts to optimize the manufacturing of electrical protection equipment.