L'IA per il quality control usa computer vision e a volte sensori acustici/vibrazionali per ispezionare prodotti durante la produzione. È uno dei casi d'uso più solidi dell'AI industriale: l'occhio umano si stanca, l'AI no.
Tool reali:
- Cognex VisionPro Deep Learning: leader storico nel machine vision.
- Keyence: alternativa giapponese, popolare in automotive.
- Datalogic, Omron, Sick: vision system industriali.
- Landing AI (Andrew Ng): platform per vision in manufacturing.
- Instrumental: focus elettronica e fast-moving consumer.
- Inspekto, Musashi AI: ispezione visiva AI-driven.
- Robovision, AnyVision: piattaforme deep learning.
Casi d'uso:
- Ispezione superfici (graffi, ammaccature, contaminazioni).
- Verifica presenza/assenza componenti.
- Misure dimensionali sub-millimetriche.
- Etichette, codici a barre, marcature.
- Saldature elettroniche.
- Imballaggio (sigillatura, etichette).
- Difetti tessili.
- Controllo cibo (corpi estranei).
Pro reali:
- Velocità: ispezione 100% del prodotto a velocità di linea.
- Consistenza: niente cali fine turno.
- Precisione su pattern ripetuti.
- Tracciabilità: ogni ispezione viene loggata.
- Riduzione resi cliente.
Contro veri:
- Difetti rari/nuovi: l'AI è addestrata su difetti noti. Una nuova tipologia non riconosciuta passa.
- Setup intensivo: serve raccogliere migliaia di immagini di difetti.
- Illuminazione critica: cambia luce, l'AI fa schifo. Setup industriale richiesto.
- Falsi rifiuti: prodotti buoni scartati = perdita.
- Manutenzione modello: vanno aggiornati periodicamente.
- Costi camera/lenti: hardware industriale è caro.
Pattern emergente: combinare AI con metodi tradizionali (regole, soglie, statistical process control). L'AI cattura ciò che è difficile da regolare, le regole cattive l'ovvio. Insieme funzionano meglio.