L’azienda è tra i player di riferimento nel settore manifatturiero in Italia ed è ora parte di un gruppo internazionale.
Con oltre 8 sedi presenti sul territorio nazionale, l’azienda ha circa 500 dipendenti.
Esigenza
Npo Sistemi, grazie a un’attenta attività di scouting da parte del team commerciale, ha intercettato l’esigenza dell’azienda di migliorare la sua efficienza produttiva. Al momento della richiesta, infatti, i controlli sulla qualità dei semilavorati venivano fatti a campione, con un’incidenza degli scarti, a fine catena produttiva, molto rilevante.
Tra le criticità causate:
- Blocco della linea
- L’insoddisfazione del Cliente finale
- Richiamo dei prodotti nel caso di lotti difettosi
- Rischi di infortunio nel maneggiare pezzi difettosi e taglienti (sia per dipendenti che utenti finali)
- Gestione dello scarto (oggi vengono eliminati in diversi punti grazie al controllo visivo degli operatori)
- Incertezza del numero di semi-lavorati stoccati in magazzino
- Mancanza di controllo sui terzisti adibiti all’assemblaggio
- Mancanza di controllo sulla qualità della materia prima fornita
Con l’aumento decisivo dei costi della materia prima, che vanno ad incidere significatamene sui margini operativi, era quindi necessario ottenere una maggiore efficienza: un obiettivo raggiungibile solo grazie alla digitalizzazione del processo che abilita a suo volta un approccio analitico mirato all’ottimizzazione dei KPI. numerici.
Soluzione
Grazie a un assessment dedicato, Npo Sistemi ha disegnato una roadmap per accompagnare il Cliente per raggiungere l’obbiettivo finale, attraverso:
- un piano di gestione della contingenza (sviluppo di un’applicazione WEB, dedicata all’imputazione manuale del tracciamento dei pezzi difettosi)
- l’implementazione del rilevamento dei pezzi difettosi in automatico
- l’ottimizzazione/efficientamento del processo mediante i KPI ottenuti:
- Gestione degli scarti
- Individuazione della causa dello scarto
- Tracciamento della qualità della materia prima
Orientandosi soprattutto sul secondo task, sono stati individuati i gate più strategici per la mappatura dei semilavorati ed è stata proposta al Cliente una soluzione innovativa che non impattasse e non interferisse nel processo produttivo, migliorandone però l’efficienza. Un “light/data revamping” vero e proprio della linea.
Le principali aree di applicazione individuate sono state:
- Controllo qualità di alcune lavorazioni effettuate sui prodotti in determinate fasi della linea produttiva
- Riconoscimento e conteggio dei prodotti caricati sulla catena di movimentazione e depositati manualmente su appositi bancali
È stata quindi proposta una soluzione di computer vision, di analisi delle immagini.
In particolare, il progetto prevedeva l’installazione di telecamere posizionate in gate strategici del magazzino di produzione, per implementare il processo di digitalizzazione.
La sinergia tra Computer Vision e Deep Learning, dedicata all’elaborazione dello streaming video acquisito dalle telecamere di campo, ha dimostrato l'importanza e la possibilità di rilevare la qualità del semi-lavorato in real-time. Il dato acquisito dai nostri occhi digitali (telecamere), viene interpretato da reti neuronali (CNN Convolutional Neural Network) ovvero il nostro cervello digitale, per estrarre le metriche su cui valutare la qualità del semi-lavorato inquadrato.
Dopo una prima fase di addestramento del modello, è stato possibile implementare l’inferenza della qualità, portando ad un’ottima performance in termini di rivelazione dei pezzi difettosi.
L’architettura, improntata su una soluzione ibrida, ha previsto l’interfacciamento con il MES al fine di enfatizzare l’accuratezza della rilevazione e restituire i KPI rilevati.
Due quindi le tipologie di intervento tramite alert:
- per quelli non conformi l’arresto del semilavorato stesso
- per quelli per cui è possibile un riadattamento, l’inserimento all’interno dell’economia circolare così da poterlo riutilizzare successivamente
Grazie alla soluzione implementata, infatti, molteplici sono stati i benefici:
- riduzione significativa degli scarti
- riduzione della perdita economica derivata dagli sprechi
- monitoraggio attento, e non a campione, lungo il processo produttivo
- processo fluido, perché la soluzione non interferisce con la catena produttiva
- indirizzamento delle soluzioni di business sulla base dei dati rilevati
La soluzione di analisi delle immagini aiuta anche l’azienda nell’abilitazione della trasformazione digitale, delegando a sistemi automatici operazioni ripetitive e non strategiche.
Use case_COME OTTIMIZZARE IL CONTROLLO QUALITÀ NELL’INDUSTRIA ATTRAVERSO L’ANALISI DELLE IMMAGINI
