Il progetto si è concretizzato in un Proof of Concept (PoC) dedicato al riconoscimento automatico dei difetti, con l’obiettivo di verificare l’efficacia di modelli di intelligenza artificiale per il controllo qualità in un contesto produttivo reale.

Prima del progetto, il controllo dei difetti sulla linea di spalmatura – lunga oltre 30 metri – era affidato principalmente alla verifica visiva manuale. Questo approccio, diffuso nella manifattura industriale, presenta limiti strutturali:

• variabilità tra operatori


• dipendenza da esperienza e attenzione


• difficoltà nella tracciabilità dei difetti

Nel caso di SECAD, l’obiettivo non era solo individuare anomalie, ma anche comprenderne l’origine: distinguere tra problemi legati alla materia prima e criticità del processo produttivo industriale.

Per questo, il progetto ha combinato automazione del controllo qualità e raccolta di dati oggettivi di produzione, fondamentali per analizzare il processo.
La sperimentazione è stata condotta direttamente sulla linea produttiva, con un approccio progressivo tipico dei progetti di innovazione industriale.
La configurazione ha incluso:

• telecamere industriali per computer vision


• sistemi di illuminazione controllata


• algoritmi di intelligenza artificiale per l’analisi delle immagini.

Le telecamere acquisiscono immagini del materiale in lavorazione, mentre i modelli di visione artificiale analizzano i dati per identificare anomalie, difetti superficiali ed elementi estranei.

Il progetto è ancora in fase sperimentale, ma emergono già benefici concreti.
Il primo riguarda la trasformazione del controllo qualità automatizzato in un processo più oggettivo e misurabile. L’analisi tramite intelligenza artificiale consente di ridurre la variabilità dei controlli manuali e migliorare la ripetibilità dei risultati.
Il secondo beneficio è legato alla capacità di analizzare le cause dei difetti. La disponibilità di dati visivi e immagini di produzione permette di distinguere con maggiore precisione tra problemi di materia prima e criticità del processo.
In prospettiva, l’introduzione di sistemi di computer vision industriale può contribuire a:

• ridurre scarti di produzione e rilavorazioni


• diminuire i fermi macchina


• migliorare la tracciabilità dei difetti


• supportare audit e conformità normativa

In un settore come quello medicale, dove la qualità del processo produttivo è strettamente legata alla fiducia dei clienti e alla conformità alle normative, questi aspetti assumono un valore strategico.
Per SECAD, il progetto ha rappresentato un’opportunità per osservare il processo con maggiore profondità, abilitando un nuovo approccio basato sui dati.