L’AI per il controllo qualità in produzione può aiutare a individuare anomalie visive e a selezionare pezzi da verificare. Per una PMI, il primo progetto deve riguardare un difetto osservabile e un punto preciso della linea, con immagini rappresentative e una procedura per trattare gli esiti.
Una dimostrazione su poche fotografie non dimostra che il sistema funzionerà con luci, materiali e velocità reali. Il risultato da valutare è l’intero processo di ispezione: acquisizione, valutazione, verifica del personale e collegamento al lotto o all’ordine di produzione.
Definire cosa deve essere rilevato
Parti da una famiglia di prodotti e da difetti descrivibili: presenza di un componente, orientamento errato o variazione superficiale da approfondire. Il responsabile qualità deve definire esempi accettabili, non accettabili e dubbi.
La guida AWS sulla modernizzazione dei sistemi MES include l’ispezione visiva tra gli impieghi della computer vision in produzione. Questo identifica una famiglia di applicazioni, non garantisce che ogni difetto sia riconoscibile con una fotografia.
Se la caratteristica da controllare non emerge nell’immagine disponibile, il modello non può compensare semplicemente la mancanza del dato. Verifica prima posizione della camera, condizioni di acquisizione e tipo di evidenza necessario.
Costruire immagini e classificazioni affidabili
Raccogli casi di lotti, turni e condizioni differenti. Le immagini quasi identiche dello stesso pezzo non rappresentano necessariamente esempi indipendenti: separale correttamente quando prepari sviluppo e valutazione.
Conserva identificatore del pezzo o del lotto, momento di acquisizione, configurazione e giudizio verificato. Se cambia il prodotto, una vecchia etichetta potrebbe non descrivere più il criterio attuale.
| Elemento | Domanda da risolvere |
|---|---|
| Difetto | Quale evidenza permette di riconoscerlo? |
| Immagine | Quali variazioni di luce e posizione sono ammesse? |
| Etichetta | Chi conferma il giudizio di riferimento? |
| Campione | Sono presenti prodotti e condizioni non usati nello sviluppo? |
| Esito dubbio | Quale verifica viene richiesta alla persona? |
Documenta i casi in cui i valutatori non concordano. Un criterio di qualità ambiguo rende difficile sia addestrare un sistema sia misurarne correttamente il comportamento.
Distinguere allarme e decisione sul prodotto
Il primo rilascio può affiancare l’ispezione esistente, segnalando i pezzi da esaminare. Il risultato deve mostrare immagine, categoria proposta e riferimento operativo, senza dichiarare automaticamente il bene conforme.
Un falso allarme aumenta il carico di verifica; un difetto non segnalato può avere una conseguenza diversa. Non riassumere entrambe le situazioni in un’unica percentuale di accuratezza.
Scegli con il responsabile qualità una soglia e un percorso per gli esiti incerti. La soglia va valutata sui dati della linea e sul costo degli errori, non copiata da una dimostrazione o da un altro stabilimento.
Collegare l’ispezione a ordine e lotto
Il risultato deve riferirsi al prodotto corretto. Una camera che genera immagini senza un collegamento affidabile con la linea può produrre segnalazioni difficili da usare, anche quando il riconoscimento è buono.
Definisci come gestire pezzi mancanti, immagini duplicate e ritardi nella trasmissione. Se il sistema non riceve una foto valida, deve mostrare indisponibilità del controllo, distinguendola da un esito positivo.
Il gestionale di produzione può raccogliere riferimenti, blocchi e verifiche. Le decisioni sui movimenti successivi richiedono regole esplicite, soprattutto quando un ordine include quantità con esiti diversi.
Provare il sistema nelle condizioni operative
Esegui una valutazione su un periodo separato e su cambi di lotto o configurazione. Misura difetti mancati, falsi allarmi, immagini non elaborabili e tempo di revisione.
Controlla anche la latenza necessaria al processo. Un risultato utile alla verifica di fine lotto può essere troppo lento per un’azione lungo la linea. Il requisito deve essere definito prima di scegliere l’architettura.
Simula un’assenza di connessione e una camera fuori posizione. Il sistema deve rendere visibile il problema e permettere di seguire la procedura prevista, invece di continuare a mostrare risultati apparentemente normali.
Aggiornare il modello quando cambia la produzione
Nuovi materiali, trattamenti superficiali o illuminazione possono modificare le immagini. Mantieni versioni del modello e del campione di prova, così da confrontare il comportamento dopo ogni cambiamento.
Una correzione dell’operatore è un’evidenza da verificare, non necessariamente un nuovo esempio corretto da inserire automaticamente. Definisci chi approva le etichette e quando rivalutare il sistema.
Conserva dati sufficienti a indagare gli errori, con regole di accesso e conservazione proporzionate. Archiviare tutte le immagini senza uno scopo può aumentare costi e lavoro senza migliorare la qualità della valutazione.
Costi e primo investimento
Il preventivo deve distinguere acquisizione delle immagini, preparazione dei dati, modello, interfaccia di revisione e collegamento ai sistemi di reparto. Hardware, rete e installazione possono incidere quanto l’elaborazione AI.
Confronta il processo assistito con quello iniziale sullo stesso tipo di produzione. Non attribuire ogni difetto in meno al modello se nel frattempo sono cambiati materiali o procedure. La dashboard KPI deve mostrare definizioni e campioni confrontabili.
Per coordinare dati e controlli puoi partire dalla guida all’integrazione AI in azienda, mantenendo il pilota limitato a un punto e a una famiglia di difetti.
Domande frequenti
Bastano poche foto dei prodotti difettosi?
Possono servire a una prima esplorazione, ma non dimostrano affidabilità operativa. Occorrono esempi rappresentativi, criteri verificati e una valutazione separata da quelli usati per sviluppare il sistema.
Si può automatizzare subito lo scarto?
La decisione dipende da affidabilità dimostrata, conseguenze dell’errore e controlli del processo. Un rilascio iniziale può limitarsi alla segnalazione e alla raccolta degli esiti della verifica.
Cosa portare alla consulenza Melcode?
Immagini autorizzate, criteri del responsabile qualità e descrizione del punto di ispezione. Nella consulenza software possiamo definire dati mancanti, prove e collegamenti necessari.