Anomaly detection senza etichette: come funziona il controllo qualità dalle foto
Controllo qualità visivo con modelli addestrati solo sui pezzi buoni: cosa abbiamo trovato in 23.194 foto di saldature, la catena a sei passi, e perché non ferma mai la produzione.
- ✓ Controllo qualità visivo con modelli addestrati solo sui pezzi buoni: cosa abbiamo trovato in 23.194 foto di saldature, la catena a sei passi, e perché non ferma mai la produzione.
Le postazioni fotografano già ogni pezzo. Nessuno guarda le foto una per una, perché sono troppe. L'anomaly detection serve a questo: dare un voto a ogni foto e far arrivare al responsabile solo quelle da vedere. Senza etichettare migliaia di difetti prima di partire.
Perché "senza etichette" cambia tutto?
Il controllo visivo classico chiede migliaia di foto di difetti etichettate a mano, per ogni tipo di difetto. In una PMI quelle foto non esistono: i difetti sono pochi, per fortuna, e diversi fra loro. I modelli di anomalia fanno il contrario: imparano com'è fatto un pezzo buono, e segnalano quello che si discosta. Le poche foto di difetti servono a misurare quanto il modello è bravo, non ad addestrarlo.
Cosa abbiamo trovato in 23.194 foto vere?
Lo studio è stato fatto sulle foto delle saldature di una linea di pacchi batteria, scattate dalle postazioni durante la produzione normale: 23.194 foto, senza cambiare camere né illuminazione. Alcuni fatti che contano per chi deve decidere:
- Le foto esistevano già: nessun hardware nuovo, nessuna fermata per raccoglierle.
- Ogni foto inquadra più giunti: nello studio un giunto era visibile in una foto su 5-8, quindi il ritaglio automatico è il primo passo, non l'ultimo.
- Le foto "buone" sono la stragrande maggioranza: è esattamente il materiale che serve a un modello di anomalia.
- Il modello non deve decidere: deve ordinare. A un responsabile che oggi non guarda nessuna foto, arrivarne cinquanta al giorno già ordinate per sospetto è un cambiamento enorme.
Come funziona la catena, in sei passi?
- Raccolta: le foto arrivano dal MES o dalle postazioni, con seriale, postazione e fase.
- Ritaglio: un modello individua i giunti dentro la foto e ne fa un ritaglio ciascuno.
- Normalizzazione: luce, scala e orientamento vengono resi confrontabili.
- Punteggio di anomalia: il modello addestrato sui giunti buoni assegna un voto a ogni ritaglio.
- Coda di verifica: i ritagli sopra soglia finiscono in una coda dentro il gestionale, con foto, seriale e postazione.
- Conferma umana: il responsabile apre la coda, conferma o scarta, e la decisione torna nel MES come evento di difetto o come falso allarme. Resta scritto chi.
Ferma la produzione?
No, mai da solo. Il sistema segnala e mette in coda; la decisione di fermare una linea resta a una persona, con nome e ora. È una scelta di progetto, non un limite: un modello che ferma la linea per un falso allarme costa più di un difetto che passa, e la fiducia degli operatori si perde una volta sola.
Cosa serve in azienda?
- Le foto: quasi sempre esistono già. Se non esistono, una camera fissa per postazione, non un sistema di visione chiuso.
- Un server, anche in azienda, dove far girare i modelli: le foto non escono. Una GPU serve solo con volumi alti.
- Un MES o un gestionale a cui collegare la coda di verifica: la pagina MES su misura spiega come nasce accanto a quello che c'è.
- Dieci foto per la prova iniziale, e una persona che confermi.
Le regole che ti proteggono in reparto
- Statuto dei lavoratori, art. 4: le camere inquadrano il pezzo, non la persona; dove serve, accordo sindacale o autorizzazione.
- AI Act, art. 4 e allegato III: formazione di chi usa il sistema e divieto di usarlo per valutare i lavoratori. Il controllo sul pezzo con conferma umana è un uso a basso rischio.
- IATF 16949: i record di qualità si conservano per la vita del prodotto più il periodo chiesto dal cliente; la tracciabilità per seriale li tiene collegati al pezzo.
Come si parte, e con quali numeri si decide
Con 30 minuti gratuiti sulle tue foto e un documento con i numeri di oggi. Poi un mockup navigabile (da 1.500 a 3.000 €, scalati dal totale) e un piano a fasi con criteri di accettazione scritti prima: quante foto al giorno arrivano in coda, quanti falsi allarmi, quanti difetti trovati che prima uscivano. Se i numeri non tornano, ci si ferma alla fase uno. Il dettaglio è nella pagina controllo qualità visivo con AI.
Il prossimo passo sensato
Non serve decidere oggi. 30 minuti gratuiti sui tuoi dati: ne esce un documento con i numeri di oggi, tuo anche se non prosegui. Le partenze sono a calendario, una per volta.
Anomaly detection senza etichette: come funziona il controllo qualità dalle foto
Controllo qualità visivo con modelli addestrati solo sui pezzi buoni: cosa abbiamo trovato in 23.194 foto di saldature, la catena a sei passi, e perché non ferma mai la produzione.
Le postazioni fotografano già ogni pezzo. Nessuno guarda le foto una per una, perché sono troppe. L'anomaly detection serve a questo: dare un voto a ogni foto e far arrivare al responsabile solo quelle da vedere. Senza etichettare migliaia di difetti prima di partire.
Perché "senza etichette" cambia tutto?
Il controllo visivo classico chiede migliaia di foto di difetti etichettate a mano, per ogni tipo di difetto. In una PMI quelle foto non esistono: i difetti sono pochi, per fortuna, e diversi fra loro. I modelli di anomalia fanno il contrario: imparano com'è fatto un pezzo buono, e segnalano quello che si discosta. Le poche foto di difetti servono a misurare quanto il modello è bravo, non ad addestrarlo.
Cosa abbiamo trovato in 23.194 foto vere?
Lo studio è stato fatto sulle foto delle saldature di una linea di pacchi batteria, scattate dalle postazioni durante la produzione normale: 23.194 foto, senza cambiare camere né illuminazione. Alcuni fatti che contano per chi deve decidere:
- Le foto esistevano già: nessun hardware nuovo, nessuna fermata per raccoglierle.
- Ogni foto inquadra più giunti: nello studio un giunto era visibile in una foto su 5-8, quindi il ritaglio automatico è il primo passo, non l'ultimo.
- Le foto "buone" sono la stragrande maggioranza: è esattamente il materiale che serve a un modello di anomalia.
- Il modello non deve decidere: deve ordinare. A un responsabile che oggi non guarda nessuna foto, arrivarne cinquanta al giorno già ordinate per sospetto è un cambiamento enorme.
Come funziona la catena, in sei passi?
- Raccolta: le foto arrivano dal MES o dalle postazioni, con seriale, postazione e fase.
- Ritaglio: un modello individua i giunti dentro la foto e ne fa un ritaglio ciascuno.
- Normalizzazione: luce, scala e orientamento vengono resi confrontabili.
- Punteggio di anomalia: il modello addestrato sui giunti buoni assegna un voto a ogni ritaglio.
- Coda di verifica: i ritagli sopra soglia finiscono in una coda dentro il gestionale, con foto, seriale e postazione.
- Conferma umana: il responsabile apre la coda, conferma o scarta, e la decisione torna nel MES come evento di difetto o come falso allarme. Resta scritto chi.
Ferma la produzione?
No, mai da solo. Il sistema segnala e mette in coda; la decisione di fermare una linea resta a una persona, con nome e ora. È una scelta di progetto, non un limite: un modello che ferma la linea per un falso allarme costa più di un difetto che passa, e la fiducia degli operatori si perde una volta sola.
Cosa serve in azienda?
- Le foto: quasi sempre esistono già. Se non esistono, una camera fissa per postazione, non un sistema di visione chiuso.
- Un server, anche in azienda, dove far girare i modelli: le foto non escono. Una GPU serve solo con volumi alti.
- Un MES o un gestionale a cui collegare la coda di verifica: la pagina MES su misura spiega come nasce accanto a quello che c'è.
- Dieci foto per la prova iniziale, e una persona che confermi.
Le regole che ti proteggono in reparto
- Statuto dei lavoratori, art. 4: le camere inquadrano il pezzo, non la persona; dove serve, accordo sindacale o autorizzazione.
- AI Act, art. 4 e allegato III: formazione di chi usa il sistema e divieto di usarlo per valutare i lavoratori. Il controllo sul pezzo con conferma umana è un uso a basso rischio.
- IATF 16949: i record di qualità si conservano per la vita del prodotto più il periodo chiesto dal cliente; la tracciabilità per seriale li tiene collegati al pezzo.
Come si parte, e con quali numeri si decide
Con 30 minuti gratuiti sulle tue foto e un documento con i numeri di oggi. Poi un mockup navigabile (da 1.500 a 3.000 €, scalati dal totale) e un piano a fasi con criteri di accettazione scritti prima: quante foto al giorno arrivano in coda, quanti falsi allarmi, quanti difetti trovati che prima uscivano. Se i numeri non tornano, ci si ferma alla fase uno. Il dettaglio è nella pagina controllo qualità visivo con AI.
Il prossimo passo sensato
Non serve decidere oggi. 30 minuti gratuiti sui tuoi dati: ne esce un documento con i numeri di oggi, tuo anche se non prosegui. Le partenze sono a calendario, una per volta.
- ✓ Controllo qualità visivo con modelli addestrati solo sui pezzi buoni: cosa abbiamo trovato in 23.194 foto di saldature, la catena a sei passi, e perché non ferma mai la produzione.
Articoli correlati
Rifiuti, legno e pacchi batteria: tre produzioni che non si somigliano, tracciate con lo stesso metodo. Etichette con QR, eventi per fase, g...
Come si passa da fogli Excel e WhatsApp a un gestionale senza perdere clienti, listini e storico: mappa, pulizia, importazione in due tempi,...
La NIS2 chiede misure entro il 31 ottobre 2026. Cosa guarda un penetration test applicativo su un gestionale Laravel, quanto dura, cosa rest...