Como a IA pode detetar defeitos de produção antes de expedir

A IA deteta defeitos de produção através de câmaras colocadas na linha que fotografam cada peça e um modelo de visão computacional que compara essa imagem com padrões de peças boas e más. Para uma PME industrial em Portugal, um sistema deste tipo custa normalmente entre 8 mil e 25 mil euros para implementar numa linha, incluindo câmaras, iluminação e o modelo treinado, e começa a dar resultados fiáveis em quatro a oito semanas. Não é uma tecnologia de grandes indústrias apenas, mas exige que os defeitos sejam visíveis a olho nu ou por raio-X ou infravermelhos, e que haja volume suficiente para justificar o investimento.

O que é, na prática, a visão computacional aplicada à qualidade

Uma câmara tira uma fotografia (ou várias, de ângulos diferentes) a cada peça que passa numa estação da linha. Um modelo de IA, treinado com centenas ou milhares de imagens de peças boas e más, classifica essa fotografia em segundos: passa ou não passa. Se não passa, pode disparar um alarme, desviar a peça para um tapete de rejeição, ou simplesmente registar o defeito numa base de dados para análise posterior. Não há inteligência artificial “geral” aqui, é reconhecimento de padrões visuais, aplicado a um problema muito específico.

Que tipos de defeitos consegue detetar

Funciona bem para defeitos superficiais: riscos, bolhas, manchas, soldaduras mal feitas, embalagens danificadas, etiquetas trocadas ou mal coladas, peças com dimensões fora do especificado (quando combinado com medição por câmara). Funciona menos bem para defeitos que só aparecem em uso, como falhas estruturais internas ou problemas de fadiga de material, esses continuam a precisar de testes destrutivos ou não destrutivos tradicionais, como raio-X ou ultrassons, que também podem ser lidos por IA mas são um investimento diferente.

Quanto custa implementar isto numa PME industrial em Portugal

Os valores que vemos praticados no mercado português para um projeto piloto numa linha rondam os 8 mil a 15 mil euros, incluindo hardware (câmaras, iluminação, um computador industrial) e o desenvolvimento do modelo com dados reais da fábrica. Escalar para várias linhas ou várias estações de inspeção sobe o custo, mas cada estação adicional é mais barata que a primeira porque a infraestrutura de software já existe. Há também custos recorrentes: manutenção do modelo, que precisa de ser retreinado quando muda o produto ou a matéria-prima, e isso deve ser orçamentado à parte, não é um custo único.

Quanto tempo demora a pôr a funcionar

O tempo mais longo não é instalar as câmaras, é recolher imagens suficientes de defeitos reais para treinar o modelo. Se a fábrica já tem um histórico de peças rejeitadas fotografadas, isso encurta o processo para três a quatro semanas. Se não tem, é preciso correr a linha durante algumas semanas a fotografar tudo, bom e mau, antes de haver dados suficientes para treinar algo fiável. Isto costuma ser a fase que as empresas subestimam.

Vale a pena para produções pequenas ou em lote?

Depende do custo do defeito, não do volume. Se um defeito não detetado significa uma devolução de um cliente grande, uma reclamação que custa reputação, ou retrabalho caro, vale a pena mesmo com produção pequena. Se o custo de deixar passar um defeito é baixo e a inspeção manual já é suficientemente boa, o investimento não se paga. A pergunta certa não é “quantas peças fazemos”, é “quanto nos custa cada defeito que passa despercebido até chegar ao cliente”.

O que corre mal quando estes projetos falham

O erro mais comum é treinar o modelo com poucas imagens de defeitos raros mas graves, o que faz o sistema aprender bem os defeitos comuns e ignorar os incomuns. O segundo erro é mudar de iluminação na fábrica sem retreinar o modelo, porque um sistema de visão é sensível a condições de luz diferentes das que teve no treino. O terceiro é não ter um processo para o inspetor corrigir os erros do sistema, sem esse ciclo de correção o modelo não melhora com o tempo.

Na SO-MA ajudamos PME industriais a avaliar se um piloto de visão computacional se paga antes de gastar em hardware, e a implementar o que fizer sentido: ia.