Progettazione e sviluppo di una Metodologia Data-Driven di Quality Inspection nel contesto dell'Industria 4.0

Capitolo 1 Introduzione Nell’industria manifatturiera, il controllo di qualit a ` e oggi considerato parte inte- grante dei processi produttivi da cui non si pu` o prescindere. Esso ` e stato inizialmente assente nelle fabbriche dei primi del ’900. Con l’incrementare dei volumi di produ- zione, le aziende hanno dovuto sostenere costi sempre pi` u grandi nella sostituzione di prodotti difettosi. Frederick Winslow Taylor [1] ha cambiato l’approccio alla de- finizione dei processi produttivi, introducendo il metodo scientifico nella gestione dei lavoratori. Questo cambiamento di paradigma ha portato a sua volta, oltre che all’evoluzione dei processi industriali strettamente detti, all’introduzione della ge- stione di qualit` a. Sono comparsi dei nuovi ruoli dedicati al controllo della qualit` a: un controllore ha la mansione di ispezionare i prodotti. Ci` o riduce complessivamente i costi della gestione di unit` a difettose, andando a scartarle o ripararle prima che finiscano al cliente. L’altro fattore che ha cambiato in meglio i processi industriali ` e l’automazione. Il continuo sviluppo delle tecnologie meccaniche e informatiche durante il ventesimo secolo ha reso l’automazione industriale un fattore determinante per la competiti- vit` a sul mercato. A livello software, i sistemi informativi aziendali hanno permesso di ridurre drasticamente gli errori umani nelle varie funzioni aziendali: ad esempio i software di tipo Enterprise Resource Planning (ERP) integrano in modo congiunto i principali processi aziendali come la gestione dei fornitori, del magazzino, della contabilit` a, distribuzione, vendita e supporto post-vendita dei prodotti. L’uso di macchinari e robot, guidati da algoritmi, ha contribuito anch’esso all’abbattimento dei costi produttivi su larga scala. La branca che si occupa di elaborare auto- maticamente informazioni visive, detta Machine Vision, ha permesso di utilizzare algoritmi sempre pi` u efficienti e indipendenti dall’intervento umano. Negli ultimi anni il campo dell’intelligenza artificiale (IA), specialmente quella basata sui dati raccolti (machine learning), ha aperto nuove frontiere nell’automazione dei processi produttivi. Una delle sfide di oggi ` e quella di automatizzare l’ispezione di qualit` a, per ridur- re ulteriormente sia i costi per la sostituzione di prodotti difettosi che il personale addetto alla supervisione, in modo da distribuirlo in compiti meno ripetitivi. Molte aziende manifatturiere di grandi dimensioni hanno gi` a investito e sviluppato solu- zioni interessanti nel campo dell’ispezione automatizzata di qualit` a ma, di contro, aziende di pi` u piccole dimensioni sono riluttanti ad investire su queste tecnologie per via dei costi di sviluppo e della relativa acerbit` a delle soluzioni gi` a presenti sul mercato. 7