Résumé
Traditionnellement, la détection des défauts de peinture, internes et externes, reposait sur des inspections manuelles réalisées par des professionnels qualifiés. Cette approche s’est toutefois révélée chronophage, coûteuse en ressources et sujette aux erreurs, entraînant souvent des retards dans le service client. Pour relever ces défis, Asian Paints a cherché à optimiser ce processus et à réduire les délais de livraison. NTT DATA a développé une solution d’IA no-code sur Google Cloud Platform (GCP) permettant de détecter avec précision les défauts internes et externes de peinture, sur la base de paramètres tels que la position, la couleur, la texture et des types de défauts comme les algues, les cloques ou l’écaillage. La solution garantit une couverture complète, rationalise le processus et accélère le service client.
Besoin métier
Réduire les coûts et améliorer l’efficacité grâce à l’IA
Trois défis majeurs ont guidé la mise en œuvre de l’IA :
Automatisation rentable
Développer une solution évolutive capable de détecter avec précision plus de 15 types de défauts sans coûts excessifs
Optimisation des ressources
Réduire la consommation des ressources cloud en évitant l’analyse simultanée de tous les types de défauts
Activation à la demande du modèle
Garantir que le modèle fonctionne uniquement sur des plages horaires spécifiques, déclenchées via des requêtes API
Nous sommes heureux d’annoncer le lancement de la fonctionnalité d’autodétection des défauts. Je tiens à vous remercier pour votre soutien constant et vos efforts. Nous espérons étendre cette fonctionnalité à davantage de défauts à l’avenir et poursuivre notre collaboration.
Solution
Détection automatisée et précise des défauts grâce à l’IA et au cloud
NTT DATA a développé une solution basée sur l’IA intégrant des capacités de vision par ordinateur et de machine learning, en s’appuyant sur Google Cloud Platform (GCP), afin d’aider Asian Paints à identifier visuellement et avec précision les défauts internes et externes.
La plateforme no-code élimine le besoin d’expertise technique avancée, tout en offrant la flexibilité et la précision nécessaires à la détection des défauts de surface.
Le modèle d’IA identifie plus de 150 défauts liés à la peinture en fonction de critères spécifiques, notamment leur position (au-dessus, en dessous ou sur la surface) ainsi que leurs caractéristiques telles que la couleur et la texture. La solution couvre différents types de défauts, notamment les algues, cloques, bulles, particules de sable, écaillage, irrégularités et décoloration, assurant une détection exhaustive.
AutoML de GCP a été utilisé pour concevoir un modèle de classification multi-label en low-code. Cette approche simplifie le processus en utilisant un modèle unique pour détecter plusieurs types de défauts, tout en maintenant un haut niveau de précision grâce à des seuils de confiance.
Les images fournies par le client ont été classées selon les types de défauts et stockées dans Google Cloud Storage pour l’entraînement. Vertex AI a été utilisé pour entraîner et annoter le modèle, assurant un suivi fluide des jeux de données, des modèles et des déploiements. Enfin, Cloud Run a permis de déployer le modèle sous forme d’API, facilitant son intégration dans les processus métiers.
Cette solution automatise la détection des défauts tout en offrant un cadre évolutif et rentable pour améliorer les inspections.
Résultats
Précision élevée, inspections plus rapides et utilisation optimisée des ressources
NTT DATA a mobilisé un large éventail de compétences pour cette implémentation, combinant expertise en IA, technologies cloud et compréhension approfondie des besoins du client. L’équipe — composée de data scientists, d’ingénieurs et de chefs de projet — a collaboré étroitement avec le client à chaque étape.
Au-delà de l’exécution technique, la solution a été alignée sur les objectifs métier, garantissant un équilibre optimal entre scalabilité, efficacité et flexibilité.
Grâce à son expérience dans la mise en œuvre de solutions complexes, NTT DATA a su relever les défis spécifiques liés à la détection des défauts de peinture, tout en intégrant une vision à long terme. La capacité à livrer des résultats de qualité dans les délais, associée à un support continu, a permis une intégration réussie dans les opérations du client.
Points clés :
93 % de précision du modèle
Un haut niveau de performance dans la détection des défauts
150+ défauts détectés
Identification précise de plus de 150 types de défauts
Efficacité accrue
Automatisation des inspections et optimisation de l’allocation des ressources
Résolution plus rapide
Identification précoce des défauts permettant des corrections plus rapides, réduisant délais et coûts