<aside> 💡 Après plusieurs mois d’observation et d’expérimentation, nous sommes fiers de vous présenter la nouvelle version de Spark.
L’objectif principal est de vous permettre d’optimiser la performance de vos applications d’inspection en autonomie.
En outre, vous pourrez augmenter vos cadences d’inspection, jusqu’à 3 pièces par seconde.
Enfin, cette nouvelle version comprend de nombreuses évolutions visuelles destinées à fluidifier l’usage de votre station Spark.
</aside>
Afin d’évaluer la performance de vos applications, comparez, directement dans Spark, les évaluations de la qualité de la pièce fournies par le système avec votre expertise interne.
Vous pouvez en effet désormais indiquer a posteriori, et de manière réversible**,** une évaluation manuelle de la qualité sur les pièces inspectées.
Les incohérences entre les évaluations fournies par le système et l’utilisateur sont mises en avant dans l’historique, afin de comprendre les facteurs-clefs de succès.
Enfin, ces informations sont accessibles dans le Quality Center pour une revue ultérieure.
Pour trouver plus rapidement le bon compromis sur la sensibilité du système, le choix du seuil, à partir duquel une pièce est considérée comme défectueuse, est grandement facilité.
Retrouvez en effet, au sein de la fonction de calibration, la possibilité d’indiquer de manière plus flexible l’évaluation de la qualité des pièces par l’utilisateur. Par exemple, les pièces représentées en rouge dans le graphique de calibration sont les pièces considérées comme défectueuses par l’utilisateur.
Afin d’améliorer la performance de votre système Spark, vous pouvez être amenés à ré-entraîner une application. Cette opération ne cause plus désormais l’effacement des données de calibration.
Vous pouvez en effet calculer les nouveaux scores de qualité issus du ré-entraînement de l’application, et gagner un temps précieux.
Lorsque vous souhaitez faire évoluer votre application en ajoutant une pièce d’entraînement, vous stockez désormais cet exemple dans une file d’attente.
Vous rendez plus robuste votre application, en procédant à une revue systématique des pièces candidates pour le prochain entraînement.
Lorsque vous souhaitez ajouter de multiples pièces issues de l’inspection, il n’est plus nécessaire de ré-entraîner le modèle à chaque ajout. Vous pouvez attendre que la file d’attente soit suffisamment remplie pour lancer un ré-entraînement unique.
Vos itérations se font ainsi plus pertinentes et moins chronophages, afin d’atteindre la performance souhaitée.
