Smart ProductionInspection des cordons de soudure
avec l’IA

Comment l’IA ouvre de nouvelles perspectives dans l’inspection qualité industrielle

Les méthodes d’inspection traditionnelles reposent sur des règles fixes : une caractéristique est détectée ou mesurée, comparée à des valeurs limites, puis évaluée automatiquement. Cela fonctionne bien pour des écarts géométriques clairement définis. Les systèmes basés sur des règles échouent faute de sélectivité : par exemple, une éclaboussure ne peut pas toujours être clairement distinguée de la surface du joint de soudure par un algorithme se fondant sur les niveaux de gris. Par exemple, une ombre peut être interprétée à tort comme un trou avec des méthodes conventionnelles. Résultat : taux élevé de pseudo-erreurs, trop de reprises manuelles et une hausse des coûts d’inspection. Dans ce contexte, l’IA ouvre de nouvelles perspectives et possibilités. Toutefois, son déploiement doit être appréhendé de manière globale – sur les plans technique, organisationnel et réglementaire.

L’intelligence artificielle offre des avantages tout particulièrement là où les systèmes classiques montrent leurs limites structurelles : détection et classification des irrégularités complexes ne répondant pas à des règles linéaires, détection des défauts, localisation de profils de joints complexes et différenciation fiable entre des écarts permis dans la variance acceptable.

Détection automatique des joints avec l’IA

Un domaine d’application clé réside dans la détection automatique des joints. En pratique, cela signifie que l’IA utilise des critères géométriques et basés sur les niveaux de gris pour reconnaître où débute un joint, comment il se déploie et où s’arrête la zone d’inspection. Cette capacité est cruciale pour focaliser correctement l’inspection, indépendamment de la position de la pièce, de l’état de surface ou d’éventuelles variations de procédé.

Réduction des erreurs coûteuses grâce à l’IA

Un autre avantage est la diminution des coûteuses pseudo-erreurs. L’IA améliore la sélectivité – c’est-à-dire la capacité à reconnaître de façon fiable les vrais défauts tout en ignorant les caractéristiques non critiques. Cela permet de réduire le taux de reprises et d’augmenter la fiabilité du contrôle.

Pourquoi l’IA ne deviendra pas la seule solution en métrologie

Malgré ses capacités avancées, l’IA ne peut remplacer la métrologie traditionnelle dans l’inspection qualité industrielle. La différence réside dans le principe : tandis que les systèmes conventionnels génèrent des valeurs discrètes, clairement mesurables — comme une largeur de joint en millimètres ou la profondeur d’un creux selon des tolérances définies — l’IA fonctionne sur la base de probabilités. Elle ne dira pas « Ce joint fait exactement 20,2 mm de large. » mais « Il est très probable qu’une structure de joint correspond au modèle connu. »

Cela demeure toutefois insuffisant dans de nombreux processus d’inspection normalisés. Des résultats discrets sont requis lors de l’acceptation, la documentation ou l’audit de pièces selon les standards industriels. Dans ces cas, la probabilité d’un écart ne suffit pas – la mesure doit être univoque, traçable et fiable.

Ce n’est pas seulement une question technique, mais aussi réglementaire. Des normes telles que les normes DIN ou les spécifications internes des constructeurs automobiles définissent précisément les caractéristiques d’essai, tolérances et valeurs limites. Les systèmes ne fournissant pas de valeurs individuelles vérifiables ne sont, à ce jour, pas reconnus comme unique méthode de test.

Cette distinction est également essentielle du point de vue de la responsabilité produit. La décision finale revient au système d’inspection supérieur ou au personnel responsable. Cela clarifie le cadre légal dans lequel les systèmes IA peuvent actuellement être utilisés – et où subsistent leurs limites. Une chose est certaine : l’IA enrichit la stratégie de contrôle. Mais elle ne remplace ni techniquement ni juridiquement les obligations de contrôle existantes.

Comment VITRONIC intègre déjà les possibilités de l’IA dans VIRO WSI

Le système VIRO WSI de VITRONIC montre comment l’IA peut déjà être mise en œuvre dans la production en série – sans conflit réglementaire et avec des bénéfices nets pour l’assurance qualité. Il associe une technologie de capteurs 3D à base laser à une évaluation d’image assistée par IA, et a été développé spécifiquement pour l’inspection en ligne des soudures en construction de carrosserie automobile. L’accent porte sur deux tâches : la détection automatique des cordons et la classification des irrégularités complexes.

La détection des joints repose sur des caractéristiques géométriques. Le système reconnaît où débute une soudure, son tracé et sa fin — même avec des composants variables, des positions changeantes ou des états de surface différenciés. Cela élimine la nécessité de définir manuellement des zones d’inspection, tout en rendant la localisation plus robuste face aux fluctuations de fabrication.

VIRO WSI combine informations sur les niveaux de gris et sur la hauteur pour la détection des défauts. Contrairement à de nombreux systèmes du marché, il n’analyse pas seulement l’image en deux dimensions, mais prend aussi en compte la structure de profondeur de la surface. La classification s’en trouve améliorée : trous et pores sont distingués de manière fiable des éclaboussures, les projections sont reconnues comme des défauts distincts, et les creux de joint peuvent être évalués. Selon le processus de soudage et le capteur utilisé, des défauts à partir de 0,1 mm sont détectés. L’évaluation se fait en temps réel, directement sur la ligne. Les bénéfices sont particulièrement perceptibles là où une évaluation nette du joint est nécessaire – par exemple pour limiter l’ébarbage, le nettoyage ou les corrections ultérieures.

L’IA ne fonctionne pas de façon autonome. Elle est intégrée dans un système d’inspection classique et fournit des résultats validés et traçables. Toutes les détections sont documentées et les cas limites vérifiables manuellement. VIRO WSI répond ainsi aux exigences des solutions conformes aux spécifications et standards des usines. VITRONIC renonce délibérément à l’utilisation d’ordinateurs spécialisés haute performance. Le système fonctionne sur des matériels industriels standards et peut être intégré aux lignes existantes, sans obstacle d’infrastructure.

Où va la métrologie basée sur l’IA à court terme ?

À l’heure actuelle, les systèmes probabilistes ne sont pas couverts par de nombreuses normes ou font l’objet d’analyses de capabilité extrêmement strictes. La plupart des standards d’inspection industriels exigent des résultats discrets, clairement mesurables — ce que l’IA ne peut pour l’instant fournir. C’est pourquoi elle restera un système d’assistance à moyen terme. Toutefois, la pression sur le plan législatif et normatif grandit pour faire évoluer le cadre. De plus en plus d’entreprises misent sur des processus numériques, pilotés par les données – aussi bien en production qu’en contrôle qualité. Face à la multiplication des données, il faut des systèmes capables d’analyses fiables.

L’IA transforme l’inspection qualité des cordons de soudure – non pas de manière révolutionnaire mais structurelle. Des systèmes comme VIRO WSI illustrent comment l’analyse d’image intelligente peut se combiner aux processus de contrôle existants sans contrevenir aux normes ni entraîner de risques en matière de responsabilité. L’arrivée de l’IA ne conduit pas à une automatisation intégrale, mais à un soutien ciblé – là où les systèmes classiques sont trop rigides, sujets aux erreurs ou insuffisamment flexibles.