In molti ambiti produttivi il software controllo qualità sta diventando uno strumento sempre più importante, non solo per accrescere il livello di automazione delle diverse metodologie di verifica, ma anche per affinare e potenziare le tecniche di predictive quality. Tali tecniche sfruttano, per la raccolta dati, il paradigma IoT (Internet of Things) e sensori intelligenti installati sulle macchine delle linee di produzione; sono, poi, in grado di elaborare i dati acquisiti tramite lo sviluppo e l’implementazione di sofisticati modelli matematici, personalizzati per tenere conto, di volta in volta, di tutte le variabili in gioco nel singolo processo di produzione. Questi modelli, abbinati ad algoritmi di machine learning (ML), deep learning (DL) e tecniche di data science, permettono di identificare anomalie nel processo e, tramite simulazioni, consentono di predire quale sarà la qualità dei prodotti che usciranno dal processo stesso.
Software controllo qualità: strategico per la competitività
In particolare quando i prodotti realizzati hanno un elevato contenuto tecnologico, l’adozione di software controllo qualità diventa strategica per valutare e definire, caso per caso, quale debba essere il compromesso tra raggiungimento della soddisfazione del cliente, controllo dei rischi e costi di produzione. La crescente pressione competitiva porta, infatti, le imprese a innovare i prodotti e ad aumentarne la complessità, arricchendoli di nuove caratteristiche e funzionalità e incrementando la varietà di modelli per accontentare una rosa di utenti sempre più variegata ed esigente.
Benefici del software controllo qualità
I benefici derivanti dall’utilizzo di software di controllo qualità si ottengono su due piani paralleli: “Da un lato” – spiega Moxoff – “, c’è il controllo qualità vero e proprio, implementato in ambito manifatturiero integrando nelle linee di produzione la computer vision“. I meccanismi di video-acquisizione possono monitorare i prodotti e, grazie ad algoritmi di simulazione, rilevare la presenza o assenza di determinate caratteristiche descritte nel progetto CAD originario. Dall’altro lato, un secondo fondamentale vantaggio dell’utilizzo del software controllo qualità è, la possibilità di sviluppare e applicare tecniche di predictive quality, o qualità predittiva”.
Come funziona la predictive quality
“La qualità predittiva” continua Moxoff, “parte sempre dall’analisi dei dati di produzione acquisiti dai sensori sui macchinari. Partendo da questi, si sviluppano algoritmi di apprendimento automatico che mettono in relazione le letture dei sensori ai fenomeni di interesse del processo. Ad esempio, si possono usare queste informazioni per identificare un calo di prestazioni della linea per intervenire prima che la qualità degradi troppo. Alternativamente, nell’ottica di ottimizzare al meglio i costi, è possibile prevedere la qualità dei prodotti finali e agire sulla linea di conseguenza, anticipando o posticipando manutenzioni, accelerando la produzione o modificando parametri operativi. La predictive quality fornisce un controllo maggiore sulla qualità del prodotto finale e sulla sua stretta relazione col processo produttivo, abilitando un’operatività più efficiente ed efficace.”
Qualità predittiva e valenza dei modelli matematici
La capacità di predizione della qualità di un prodotto dipende a sua volta dalla qualità dei modelli matematici sottostanti, che possono poi avvalersi anche di algoritmi di Machine Learning e Deep Learning. Il fulcro è la struttura dei modelli, spiega ancora Moxoff, che si fonda sull’analisi di KPI (key performance indicator) numerici, che definiscono la qualità del prodotto finito: “I KPI relativi ai dati storici vengono correlati con i dati di processo raccolti dai sensori sulle linee di produzione, e da qui è possibile fare stime e anticipare quale potrà essere la qualità”.
Contattaci per ricevere ulteriori informazioni
