A / VISUAL INTELLIGENCE
Esempi → genAI → riconoscimento
Insegna al sistema
cosa significa qualità.
Il controllo qualità dipende fortemente dall’esperienza delle persone. I nostri sistemi visivi sono Human-in-the-Loop: l’operatore mostra esempi, identifica i problemi, corregge e valida. Il sistema apprende quei criteri e li rende replicabili.
Sui pochi campioni reali usiamo l’AI generativa per aumentare i dati in modo realistico: nuove varianti di pezzi e difetti, coerenti con il processo, che l’esperto conferma prima che entrino nel sistema. Così il modello parte prima e rende meglio, anche quando le immagini di linea sono poche.
Non programmiamo una macchina per una lista chiusa di difetti. L’esperto trasferisce al sistema la propria conoscenza della qualità. Si affrontano così controlli complessi, variabili o difficili da formalizzare con la visione tradizionale.
B / SIGNAL INTELLIGENCE
Comprendi cosa stanno
dicendo le tue macchine.
Ogni macchina genera vibrazioni, correnti, temperature, pressioni, suoni, movimenti, dati PLC e altre informazioni di processo. Spesso questi dati si raccolgono, ma si usano solo in parte: restano nei registri o nei cruscotti, senza diventare una lettura continua di come sta lavorando la linea.
Cerchiamo nei segnali pattern, correlazioni, anomalie e cambiamenti di comportamento. Confrontiamo l’andamento attuale con quello noto della macchina, per capire quando qualcosa si sta spostando: un’usura, un set-up instabile, un regime diverso dal solito.
L’obiettivo non è raccogliere più dati, né aggiungere sensori per principio. È trasformare i segnali delle macchine in informazioni utili, che si possono chiedere, spiegare e usare per intervenire prima che il problema diventi scarto o fermo.
