Il problema: falsi rigetti che costavano 80.000 euro l’anno
Una PMI lombarda specializzata in marcatura industriale a punzone e laser su componenti per la subfornitura automotive si trovava di fronte a un paradosso costoso: il controllo visivo manuale generava un tasso di falsi rigetti del 6,2%. Pezzi conformi venivano scartati, rilavorati o, peggio, restituiti al cliente con ritardo. Il costo stimato dal titolare, calcolando rilavorazioni, fermo operatore e gestione dei resi, superava gli 80.000 euro annui.
La causa non era la qualità della marcatura in sé, ma la variabilità di lettura dell’operatore: luce ambientale, affaticamento visivo, angolazione del pezzo. Un problema umano, non tecnologico. La soluzione è arrivata combinando due strumenti già presenti sul mercato, ma raramente integrati insieme nelle PMI: un sistema di visione artificiale inline e il software MES già in uso in azienda.
La soluzione: telecamera intelligente agganciata al flusso MES
Il progetto è partito da un’analisi dei dati storici di produzione. Il responsabile di processo ha mappato le tipologie di marcatura più soggette a falso rigetto: codici a matrice di dati (Data Matrix), caratteri alfanumerici su superfici cromate e loghi su componenti con geometria complessa. Su queste tre categorie è stato addestrato un modello di visione artificiale basato su reti neurali convoluzionali, con un dataset di circa 4.000 immagini etichettate internamente.
La telecamera industriale, montata direttamente sulla stazione di marcatura, acquisisce ogni pezzo a fine ciclo e invia il risultato dell’ispezione al MES in tempo reale. Il MES registra l’esito, aggiorna il contatore di conformità del lotto e, in caso di rigetto confermato, genera automaticamente una non conformità con immagine allegata. Nessun foglio carta, nessuna trascrizione manuale.
L’integrazione ha richiesto circa tre settimane di lavoro tra il fornitore del sistema di visione, il team IT interno e il responsabile qualità. Il costo complessivo del progetto, hardware e software inclusi, è stato di circa 38.000 euro, finanziato in parte tramite il credito d’imposta per beni strumentali 4.0.
I risultati dopo sei mesi: numeri concreti
A sei mesi dall’avvio a regime, i dati parlano chiaro:
- Falsi rigetti ridotti del 94%: da 6,2% a 0,37% sul totale pezzi ispezionati.
- Tempo di ispezione per pezzo: da 8 secondi manuali a 1,2 secondi automatici.
- Risparmio annuo stimato: oltre 70.000 euro tra rilavorazioni evitate e riduzione del contenzioso cliente.
- Tracciabilità completa: ogni pezzo ha ora un’immagine della marcatura archiviata nel MES, consultabile in qualsiasi momento per audit o reclami.
Un dato inatteso è emerso nelle prime settimane: il sistema ha identificato una deriva nel parametro di profondità della punzonatura che l’occhio umano non aveva mai rilevato. Questo ha permesso di anticipare la sostituzione della testa di marcatura prima che si verificassero difetti reali, trasformando di fatto il controllo qualità in uno strumento di manutenzione predittiva.
Le lezioni apprese: cosa funziona e cosa no nelle PMI
Il titolare è stato diretto nell’analisi post-progetto. Cosa ha funzionato: partire da un problema specifico e misurabile, non da una visione tecnologica astratta. Il team ha scelto la visione artificiale perché il dato del 6,2% di falsi rigetti era già in mano, documentato e condiviso con il cliente principale. Questo ha reso il progetto finanziariamente giustificabile fin dalla proposta.
Altrettanto decisiva è stata la scelta di integrare il sistema direttamente nel MES esistente, anziché creare un’isola tecnologica separata. Il dato di qualità non finisce in un software parallelo: entra nel flusso produttivo, diventa parte della commessa, della tracciabilità di lotto e del report mensile per il cliente. Questo vale anche per chi lavora su lavorazioni contigue come la brocciatura o la saldatura, dove la logica di integrazione è identica.
Cosa non ha funzionato subito: il primo dataset di addestramento era troppo omogeneo. Le immagini erano state acquisite tutte con la stessa illuminazione e nella stessa stagione. Quando la luce naturale della finestra accanto alla stazione è cambiata in autunno, il modello ha mostrato un calo di accuratezza del 12%. Soluzione: aggiunta di un sistema di illuminazione coassiale controllata e riaddestrament del modello con immagini in condizioni variabili. Due settimane di lavoro extra, ma necessarie.
Perché questo caso interessa le PMI metalmeccaniche oggi
La storia di questa azienda di marcatura non è eccezionale: è replicabile. Il mercato offre oggi sistemi di visione artificiale pre-addestrabili con budget accessibili, e i MES di nuova generazione espongono API standard che semplificano l’integrazione. Il vero ostacolo non è tecnologico, ma culturale: molte PMI aspettano di avere il problema grande prima di investire nel dato piccolo.
Il suggerimento concreto è invertire la logica: partire dalla misurazione. Se non si sa quanti pezzi vengono rigettati per errore, quante rilavorazioni avvengono senza una non conformità formale, quante immagini di difetti vengono scattate con il telefono e poi perse, non si può costruire nessun caso di investimento solido.
È esattamente il tipo di confronto che trova spazio in eventi come DGItal Mec Show, dove le PMI metalmeccaniche portano i propri casi reali, i numeri veri e le domande concrete. Non slide patinate, ma esperienze di officina che altre aziende possono portare a casa e applicare il lunedì mattina.
Chi opera in settori ad alta precisione, dalla marcatura alla carpenteria strutturale, sa che la qualità non si controlla a fine linea: si presidia in ogni fase. La visione artificiale integrata nel MES non è il futuro della metalmeccanica italiana. Per chi l’ha già adottata, è già il presente.
Domande frequenti
Quanto costa integrare un sistema di visione artificiale in una PMI metalmeccanica?
Il costo varia da 15.000 a 60.000 euro a seconda della complessità dell’applicazione, del numero di stazioni e del livello di integrazione con il MES esistente. Molti progetti rientrano nei beni strumentali agevolabili con il credito d’imposta 4.0, riducendo sensibilmente l’esborso netto per la PMI.
È possibile integrare la visione artificiale con un MES già installato in azienda?
Sì, la maggior parte dei MES moderni espone API REST o OPC UA che permettono l’integrazione con sistemi di visione artificiale di terze parti. Il lavoro di connessione richiede in media due o tre settimane e può essere gestito dal fornitore del sistema di visione insieme al referente IT interno dell’azienda.
Quale tasso di accuratezza si può raggiungere con la visione artificiale per il controllo della marcatura?
Con un modello ben addestrato e un’illuminazione controllata, i sistemi moderni raggiungono accuratezze superiori al 99% nella lettura di codici Data Matrix e caratteri alfanumerici su metallo. Il parametro critico è la qualità del dataset di addestramento: più è rappresentativo delle condizioni reali, più il modello è robusto.
Quanto tempo serve per addestrare un modello di visione artificiale su una specifica lavorazione?
Per un’applicazione standard come la verifica di marcatura su componenti metallici, la raccolta e l’etichettatura del dataset richiede due o quattro settimane. L’addestramento del modello, con hardware dedicato, si completa in poche ore. La fase più lunga è la validazione in produzione, che richiede almeno due o tre settimane di affiancamento.
Approfondisci su DGItal Mec Show
Questo articolo è stato realizzato con il supporto di sistemi di intelligenza artificiale ed è pubblicato sotto la responsabilità editoriale della redazione di DGItal Mec Show.
