Nel settore automotive la corsa all’intelligenza artificiale non riguarda solo i veicoli autonomi: sta già trasformando il controllo qualità in fabbrica. Zebra Technologies, leader globale nella digitalizzazione e automazione dei flussi di lavoro operativi, grazie a nuove soluzioni di machine vision e sensori 3D integrati con AI, sta supportando i produttori nella riduzione dei difetti fino al 15%, anche su componenti complessi come portiere con oltre 80 elementi o tappi per batterie dei veicoli elettrici.
Queste tecnologie permettono ispezioni ad alta velocità e precisione micrometrica, superando le criticità di visibilità, tracciabilità e integrazione dei dati, e trovano applicazione anche in settori ad alta precisione come farmaceutico e alimentare. Un trend che non solo migliora la qualità, ma semplifica le linee produttive, riduce i costi e prepara le aziende alle sfide della transizione verso l’elettrico.
Nel suo articolo, Stephan Pottel, Manufacturing Strategy Director EMEA di Zebra Technologies, evidenzia come l’integrazione di intelligenza artificiale e tecnologie 3D stia supportando le case automobilistiche nel miglioramento del controllo qualità.
Buona lettura!
Nuovi sistemi di intelligenza artificiale e 3D supportano le case automobilistiche nel miglioramento del controllo qualità
Recentemente ho ascoltato un podcast con l’amministratore delegato di una delle più grandi aziende tecnologiche al mondo. Ha condiviso un punto di vista interessante: i veri vincitori nell’era dell’intelligenza artificiale non saranno le big tech né il clamore mediatico legato all’offerta — che oggi domina la scena — ma le aziende e i settori che sapranno adottarla in modo strategico per aumentare la produttività e generare crescita economica.
Alcuni produttori del settore automotive sono più avanti di altri nel percorso verso l’adozione dell’intelligenza artificiale, ma tutti hanno lo stesso obiettivo: ottenere consigli migliori, soluzioni più efficaci e partner affidabili in grado di trasformare gli investimenti in AI in valore concreto. Per questo, si stanno rivolgendo con interesse maggiore a costruttori di macchine e systems integrator per trovare risposte.
Dati 2D e 3D per l’AI
Con l’accelerazione dell’adozione dell’intelligenza artificiale nel settore automotive e nei veicoli elettrici, i responsabili della tecnologia operativa, dell’ingegneria e del controllo qualità sono sempre più alla ricerca di competenze solide per affrontare l’urgenza crescente di valorizzare i dati operativi.
Una parte significativa di questi dati, generati direttamente sul campo, rimane inutilizzata: confinata all’interno di dispositivi, sistemi, siti operativi e flussi di lavoro isolati. Eppure, proprio questi dati rappresentano una risorsa di grande valore per il test e l’addestramento dei modelli di intelligenza artificiale – in particolare quelli di deep learning più avanzati, alla base della cosiddetta automazione intelligente, capace di evolvere e adattarsi nel tempo.
I leader del settore automotive indicano come principale criticità, nella gestione della qualità, la visibilità in tempo reale (28%), l’integrazione dei dati (26%) e il mantenimento della tracciabilità (23%). Tutte queste sfide sono strettamente connesse alla capacità di acquisire, condividere e analizzare i dati in modo efficace, utilizzando le soluzioni hardware e software più adeguate – tra cui scanner, telecamere e sensori 3D.
Gli specialisti della visione artificiale stanno ora utilizzando nuove smart camera e sensori per sviluppare soluzioni di automazione intelligente in grado di acquisire dati visivi 2D e 3D di qualità superiore ad alta velocità. Questi dati vengono utilizzati sia per l’addestramento e il test di modelli di deep learning, sia per l’impiego diretto in prima linea – su dispositivi edge e PC – nell’ispezione di difetti e anomalie.
Casi di successi nel settore automotive
Di recente ho letto un ottimo esempio interessante di come i dati di produzione possano essere utilizzati con grande efficacia all’interno di soluzioni basate sull’intelligenza artificiale. Alcuni produttori automobilistici (OEM) stanno infatti registrando una riduzione dei difetti tra il 10% e il 15% nei processi di ispezione qualità, anche su componenti complessi come le portiere delle auto, che possono includere fino a 80 elementi. L’adozione di un nuovo sistema consente inoltre di semplificare le linee di produzione, ridurre i costi di manutenzione e diminuire la complessità complessiva degli impianti.
Un system integrator in ambito machine vision ha sviluppato una soluzione che combina hardware con sensori 3D dotati di doppia fotocamera e laser singolo, integrati con software AI. Il sensore 3D esegue la scansione di componenti complessi come le portiere delle auto, acquisendo migliaia di punti dati e trasformandoli in dettagliate nuvole di punti e mappe di profondità. Queste rappresentazioni vengono poi analizzate dal software AI per individuare eventuali difetti. Grazie alla sua scalabilità e adattabilità, questa soluzione sta trovando applicazione anche in altri settori dove è richiesta alta precisione, come quello farmaceutico e alimentare.
In un altro caso, un fornitore di tecnologie per il trattamento delle superfici ha collaborato con un system integrator in ambito machine vision per migliorare la qualità nella produzione di tappi per batterie elettriche, componenti fondamentali utilizzati da case automobilistiche di tutto il mondo. Questi tappi svolgono un ruolo essenziale nella protezione delle batterie ad alta tensione da agenti esterni.
La nuova soluzione integra robotica guidata dalla visione, basata su un software di visione artificiale no-code, costruito tramite diagrammi di flusso e potenziato di deep learning. I tappi vengono movimentati da un braccio robotico attraverso diverse fasi di ispezione, sotto il controllo di un sistema di telecamere in grado di rilevare eventuali difetti che potrebbero compromettere la qualità o le prestazioni del componente.
I system integrator hanno sottolineato la rapidità con cui il software è in grado di sviluppare ed eseguire analisi simultanee su numerosi — e spesso pesanti — file di immagini, oltre alla possibilità di ottimizzare continuamente il processo produttivo grazie all’impiego di modelli di deep learning. Ciò è reso possibile grazie ad un ampio insieme di dati analizzato, utilizzato per addestrare il sistema a riconoscere e classificare diverse tipologie di difetti a partire dalle immagini acquisite.
Con il graduale passaggio dei produttori del settore automotive verso la produzione di veicoli elettrici, risulta sempre più evidente il potenziale di tecnologie come machine vision, scansione 3D e intelligenza artificiale nel supportare operazioni di prima linea. Tra queste, la rilevazione di difetti e imperfezioni nelle celle delle batterie, così come la valutazione delle dimensioni e dell’integrità di linguette e connettori – attività spesso complesse a causa delle riflessioni tipiche delle superfici metalliche. In questo contesto, i sensori 3D offrono un valido supporto, superando la scarsa resa del contrasto e permettendo una scansione accurata delle superfici per individuare eventuali anomalie.
I profilatori e i sensori 3D sono in grado di ispezionare con precisione micrometrica aree critiche come saldature, sigillature e linee di adesivo, verificandone spessore, dimensioni e posizionamento. Trattandosi di zone difficili da analizzare con i sistemi di imaging tradizionali, l’impiego di sensori 3D abbinati a software di imaging avanzato consente di acquisire in modo completo tutte le dimensioni delle celle delle batterie, rilevando anche i minimi difetti. Questo approccio garantisce un assemblaggio più preciso dei moduli, riducendo il rischio di errori e migliorando la qualità complessiva del prodotto finito.
di Stephan Pottel, Manufacturing Strategy Director EMEA, Zebra Technologies
