Visione artificiale per il controllo qualità: requisiti e ROI

La domanda che stabilisce se ha senso

La visione artificiale automatizza l’ispezione visiva. La domanda fondamentale è se oggi l’ispezione visiva rappresenti un collo di bottiglia, una fonte di variabilità della qualità o un’attività che limita la velocità della linea di produzione. Se la risposta è no in tutti e tre i casi, il caso d’uso può essere fattibile dal punto di vista tecnico ma non generare un ritorno sufficiente a giustificarlo.

I candidati naturali sono le linee in cui l’ispezione manuale presenta un’elevata variabilità (ispettori diversi, turni diversi, affaticamento), le linee in cui la velocità di produzione supera la capacità di un’ispezione umana al 100% e i processi in cui i difetti che arrivano al cliente comportano un costo reputazionale o di garanzia elevato.

Valutazione dell’opportunità

Nel controllo qualità la visione artificiale ha le applicazioni più mature e con il ROI meglio documentato tra tutti i casi d’uso dell’IA industriale. Il motivo è che il valore è diretto e facilmente quantificabile: costo dei difetti che arrivano al cliente, costo dei reclami, costo dell’ispezione manuale che viene automatizzata.

L’analisi dell’opportunità parte da tre cifre. Quale percentuale di difetti supera l’ispezione attuale? Qual è il costo di un difetto che arriva al cliente (reso, reclamo, perdita del cliente, reputazione)? Quante ore di ispezione manuale si dedicano oggi al processo?

Requisiti dei dati

Dataset di immagini etichettate. È il requisito più sottovalutato e quello che assorbe più tempo nei progetti di visione artificiale. Per addestrare un modello di rilevamento dei difetti servono migliaia di immagini di pezzi difettosi e non difettosi, con i difetti etichettati. Nella produzione industriale i difetti sono rari: con un tasso di difettosità dell’1%, ottenere abbastanza esempi di pezzi difettosi richiede un lungo periodo di acquisizione o tecniche di data augmentation.

Tassonomia dei difetti chiara. Prima di acquisire le immagini occorre definire con esattezza che cosa sia un difetto e che cosa no. Nell’industria agroalimentare la variabilità naturale del prodotto (colorazioni, dimensioni, consistenze) è notevole, e il confine tra «variazione accettabile» e «difetto» va definito con criteri di prodotto, non solo tecnici.

Condizioni di acquisizione controllate. La qualità dell’immagine dipende da illuminazione, distanza e angolo di ripresa. Un sistema di illuminazione industriale progettato appositamente per il sistema di visione è importante quanto la telecamera. Le variazioni della luce ambientale (luce solare mutevole in un capannone, lampade che si usurano) sono la causa più frequente del calo di prestazioni nei sistemi esistenti.

Struttura dei costi e complessità

Le componenti principali sono l’hardware (telecamere industriali, sistema di illuminazione, unità di elaborazione), l’integrazione fisica con la linea di produzione (progettazione del punto di ripresa, sincronizzazione con la velocità della linea), lo sviluppo del modello (inclusa la fase di etichettatura dei dati) e il sistema di attuazione (scarto automatico dei pezzi difettosi o segnalazione per la revisione umana).

L’integrazione fisica con linee di produzione esistenti è spesso la parte più complessa: la velocità della linea limita il tempo di esposizione, la posizione dei pezzi non è sempre costante e lo spazio per installare il sistema di telecamere è limitato.

Valutazione dei rischi

Rischio di falsi positivi. Un sistema che scarta prodotto conforme genera una perdita diretta. La soglia di sensibilità del sistema, che determina l’equilibrio tra falsi positivi e falsi negativi, è una scelta progettuale che bilancia due tipi di costo: il costo dei difetti che passano e quello del prodotto conforme scartato. Questa calibrazione va fatta con criteri economici, non solo tecnici.

Rischio legato alla variabilità naturale del prodotto biologico. Nelle conserve, nei prodotti lattiero-caseari, nella carne o nel pesce, la materia prima ha una variabilità naturale che il modello deve imparare a distinguere dai difetti reali. Ciò richiede più dati di addestramento e una tassonomia dei difetti più accurata rispetto ai pezzi industriali con tolleranze rigorose.

Rischio di degrado silenzioso. Le prestazioni del sistema possono peggiorare gradualmente per l’usura delle lampade, lo sporco sulle telecamere o variazioni del prodotto, senza che nessuno se ne accorga. Un sistema di monitoraggio delle prestazioni del modello in produzione è indispensabile per rilevare questo degrado prima che incida sulla qualità reale.

Indicatori di successo

• Tasso di rilevamento dei difetti (recall): % di pezzi difettosi individuati dal sistema
• Tasso di falsi positivi: % di pezzi conformi scartati dal sistema
• Copertura dell’ispezione: % della produzione ispezionata (rispetto al campionamento dell’ispezione manuale)
• Difetti sfuggiti e arrivati al cliente prima e dopo l’adozione
• Disponibilità del sistema (tempo operativo rispetto ai fermi per manutenzione)

Come genera ROI

I meccanismi sono la riduzione dei difetti che arrivano al cliente (costo di reclami, resi, rischio reputazionale), la riduzione del costo dell’ispezione manuale (ore di personale riassegnate ad attività di maggior valore) e la copertura del 100% della produzione, rispetto al campionamento consentito dall’ispezione umana.

C’è poi un meccanismo di valore spesso trascurato: i dati sui difetti acquisiti dal sistema di visione sono una fonte di informazioni sulle cause profonde dei problemi di qualità che l’ispezione manuale non offre con lo stesso dettaglio. L’analisi degli schemi ricorrenti dei difetti può far emergere correlazioni con i parametri di processo e consentire miglioramenti all’origine.

Domande frequenti

Il sistema di visione può lavorare su linee ad alta velocità? La velocità della linea determina il tempo di esposizione disponibile per acquisire l’immagine e, di conseguenza, la complessità del sistema ottico. Le linee molto veloci richiedono illuminazione stroboscopica e telecamere ad alta velocità. La progettazione del sistema deve partire dalla velocità reale della linea, non da quella nominale.

Il sistema può ispezionare un pezzo a 360°? Dipende da come si muovono i pezzi sulla linea. Alcuni pezzi passano in posizione fissa ed è possibile ispezionare solo la faccia superiore. Per un’ispezione completa occorre capovolgere i pezzi sulla linea o usare più punti di ripresa. Questa progettazione meccanica fa parte del progetto di integrazione.