Nexen Tire mejora la inspección de sus neumáticos con Inteligencia Artificial

El fabricante coreano de neumáticos Nexen Tire ha implementado un sistema de inspección automatizada de productos de neumáticos basado en Inteligencia Artificial (IA). 

Esta innovación se ha desarrollado en formato de plataforma, lo que permite una fácil aplicación en nuevas fábricas o equipos.

El sistema se aplica a equipos de inspección no destructiva que utilizan tecnología de visión artificial (Machine Vision, una tecnología que reconoce y analiza información visual a través de cámaras). Esto incluye equipos de inspección por rayos X para detectar defectos estructurales y equipos de inspección por interferometría láser (Shearography) para detectar burbujas de aire. La IA ayuda a interpretar las imágenes de inspección, que anteriormente dependían de la evaluación visual humana.

En particular, esta tecnología ha logrado una tasa de reproducibilidad de detección de defectos de hasta el 99,96%, algunos tan minúsculos que los inspectores humanos podrían pasar por alto.

Además, Nexen Tire ha mejorado la practicidad del sistema al automatizar todo el proceso de entrenamiento y aplicación de la IA. Para garantizar la practicidad del sistema, la firma ha colaborado con Neurocle, reconocida por sus soluciones AutoML (automatización del aprendizaje automático), y PDS Solution, especializada en el diseño, análisis y procesamiento de datos de neumáticos, desde la fase de diseño en adelante. 

Más allá de la simple automatización del aprendizaje automático, Nexen Tire aplicó la tecnología de Operaciones de Aprendizaje Automático (MLOps), que optimiza y automatiza todo el ciclo de vida de los modelos de IA (incluida la recopilación selectiva de datos para el entrenamiento de la IA, el entrenamiento del modelo de IA, la validación del modelo, la aplicación real y el monitoreo posterior a la implementación) e implementó un sistema basado en plataforma, lo que marca la primera aplicación de este tipo en la industria de los neumáticos.

Este enfoque redujo el tiempo que se necesitaba para crear un modelo de aprendizaje profundo de seis a doce meses a tan solo dos días. El sistema basado en la plataforma también permitió la aplicación inmediata a nuevas fábricas o equipos. De hecho, la IA entrenada con datos de la fábrica donde se implementó el sistema de inspección automatizada ayudó a la estabilización temprana de los sistemas introducidos en otras fábricas.