Cosa non automatizzare in azienda: i processi da lasciare in mano alle persone
Ti dico quali processi non automatizzare: quelli dove il giudizio vale più del gesto. Ti do un criterio in tre domande per riconoscerli da solo.
Leggi
Automazioni e processi 9 min di lettura
Il conto in tre numeri che uso prima di comprare una telecamera: scarti al mese, costo di ogni scarto, pezzi sulla linea. Senza quel conto, il controllo qualità con l'AI è solo un acquisto.
In due righe
Il controllo qualità con l'intelligenza artificiale visiva conviene quando una linea produce tanti pezzi e ha difetti ripetitivi: lì una telecamera con software di visione controlla il cento per cento della produzione senza stancarsi e intercetta difetti che l'occhio perde. Sotto certi volumi di scarto, invece, non ripaga: paghi un impianto che controlla pochi pezzi, e il costo supera il valore degli scarti evitati. La decisione si prende con tre numeri, non con l'entusiasmo: scarti al mese, costo di ogni scarto, pezzi sulla linea.
La visione artificiale, o computer vision, è la tecnologia che fa vedere i pezzi a una macchina tramite telecamere e software, senza occhio umano. Sul controllo qualità riconosce graffi, errori dimensionali, assemblaggi sbagliati, etichette mancanti e corpi estranei.
Ci sono due modi di farla lavorare.
Il sistema tradizionale segue regole rigide: controlla misure, forme, colori. Funziona bene quando il difetto è sempre uguale e prevedibile.
Il deep learning è un tipo di AI che impara dagli esempi invece di seguire regole programmate a mano. Gli mostri migliaia di immagini di pezzi buoni e difettosi, e lui impara a distinguerli. È la strada giusta quando i difetti hanno variazioni che una regola fissa non cattura.
Se il software gira direttamente a bordo macchina, senza mandare le immagini in cloud, si parla di edge AI. È la configurazione più usata in produzione, perché non dipende dalla connessione e risponde in tempo reale.
Il controllo visivo con l'AI non si decide in base a quanto è bella la tecnologia. Si decide con un conto. Il sistema conviene quando il costo annuo degli scarti supera il costo del sistema.
Servono tre numeri.
Moltiplica gli scarti al mese per il costo unitario e per dodici. Se il numero supera il costo annuale del sistema, ha senso parlarne con un fornitore. Se non lo supera, non comprare.
| Situazione | Cosa succede davvero | Verdetto |
|---|---|---|
| Linea ad alto volume con difetti ripetitivi | La telecamera controlla il 100% dei pezzi con criteri uniformi, senza stancarsi | Conviene |
| Scarti rari o lotti piccoli e variabili | Pochi esempi per addestrare il modello, costo fisso alto su pochi pezzi | Non conviene |
| Difetti che l'occhio perde (micro graffi, misure, componenti mancanti) | L'AI vede pattern che l'operatore non nota sui volumi alti | Conviene |
| Controllo già ben coperto da un operatore esperto | Automazione che duplica un lavoro già fatto bene | Non conviene |
| Difetti mai visti o giudizio estetico soggettivo | Il modello non ha esempi, serve l'operatore che decide | Serve l'ibrido |
L'Osservatorio Artificial Intelligence del Politecnico di Milano dice che solo l'8% delle PMI italiane ha progetti di AI e circa una su tre fatica a stimare prima i costi e i benefici. Questo conto serve esattamente a non finire in quel terzo: lo fai in mezz'ora, con i numeri che hai già in produzione. Il metodo completo lo trovi in come si calcola il ROI di un progetto AI.
Nelle oltre 2.000 PMI che affianco, il controllo visivo con l'AI è quasi sempre l'ultimo passaggio, non il primo: prima sistemi il processo, poi compri la telecamera. Se lavori in una manifatturiera, i tre punti da cui parte l'AI li trovi in i tre punti da cui parte l'AI in una manifatturiera.
Il primo passo
Scopri dove l'AI ripaga nella tua azienda.
Gratuito · 45 minuti · nessun impegno · punteggi confrontati con 2.800+ aziende
Non partire dalla tecnologia. Parti dal conto. Nei casi che seguono, anche la telecamera migliore non ripaga.
Produci lotti piccoli e variabili: ogni giorno un prodotto diverso, il modello non ha abbastanza esempi per addestrarsi.
Hai difetti rari e sempre diversi: se vedi un difetto ogni due mesi, non hai storico per insegnarlo all'AI.
Il controllo è già coperto bene da un operatore esperto: automatizzare duplica un lavoro che funziona e crea resistenza.
Se il costo annuo degli scarti è più basso del costo del sistema, non comprare. Non è una questione di prudenza: paghi un impianto che controlla pochi pezzi, e il costo fisso vince su tutto il resto. Prima di comprare qualcosa, mappa il processo: automatizzare i processi partendo dal lavoro, non dal software.
La proof of concept (PoC) è la prova che l'algoritmo riconosce un difetto in condizioni controllate, non ancora sulla linea vera. È il momento in cui molti progetti si fermano.
Il pilota misura se l'algoritmo vede il difetto. La linea vera deve rispondere a un'altra domanda: cosa fare quando lo vede? Fermare il pezzo, segregarlo, avvisare l'operatore? Sul pilota cambi luce, materiali, vibrazioni e velocità, e le condizioni della prova non tengono.
I dati scarseggiano proprio quando servono: non hai ancora abbastanza immagini dei difetti reali per addestrare il modello. È lo stesso errore che vedo quando un imprenditore sopravvaluta quello che si può fare in un anno e sottovaluta i cinque. Prima di comprare la telecamera, serve il processo di scarto chiaro. Altrimenti un processo rotto automatizzato resta rotto, solo più veloce.
Un falso positivo è un pezzo buono che il sistema scarta per errore. Un falso negativo è un pezzo difettoso che passa senza essere fermato. Sono due errori diversi, con costi diversi, e vanno misurati separatamente.
L'accuratezza aggregata non basta. Un sistema può dire "sono preciso al 99%" e nascondere un disastro. Lo studio di AI4Business fa un esempio concreto: su 100.000 pezzi al giorno, lo 0,2% di falsi scarti significa 200 pezzi buoni buttati ogni giorno. In un anno, su prodotti ad alto valore, il conto può arrivare a cifre enormi.
Guarda sempre i due numeri divisi: quanti pezzi buoni butti e quanti difetti lasci passare. Il fornitore che ti mostra solo l'accuratezza aggregata non ti sta dando la misura che ti serve.
Non esiste un prezzo a pacchetto per il controllo qualità con l'AI visiva. Le voci sono sempre queste: telecamere, illuminazione, integrazione con il controllore di linea (PLC) e con il gestionale (ERP), addestramento del modello, manutenzione nel tempo. Il PLC è il controllore che muove macchine e sensori; l'ERP è il gestionale che tiene ordini, distinte base e magazzino.
La spesa dipende dalla linea e dal difetto da riconoscere. Per questo conviene partire da una sola linea: quella con più scarti o con più reclami. Su macchinari datati, si aggiunge una telecamera retrofit che acquisisce immagini e le analizza in locale. Il limite non è l'età della macchina: è la variabilità di luce e materiali.
Prima di chiedere un preventivo, leggi le voci che nessuno mette nel preventivo. Ti aiuta a capire dove il fornitore può nascondere costi che poi paghi tu.
Comprare la telecamera prima di mappare il processo. Il controllo qualità è un processo, non un pezzo di hardware. Prima capisci dove butti i pezzi, poi decidi se serve una macchina.
Trascurare l'operatore. Lui conosce i difetti che il sistema non ha mai visto. Se non lo coinvolgi, il modello impara meno e la resistenza cresce.
Non prevedere la manutenzione del modello. La produzione cambia, i materiali cambiano, i difetti cambiano. Un modello non si compra una volta e si dimentica: va aggiornato con nuove immagini.
Giudicare solo l'accuratezza aggregata. Come ho scritto sopra, falsi positivi e falsi negativi sono due numeri diversi. Chi ti nasconde uno dei due non ti sta aiutando a decidere.
Domande frequenti
No, quasi mai. L'AI controlla in modo uniforme i casi standard, anche dal 95 al 99% dei pezzi, ma i difetti mai visti o ambigui restano all'operatore, che corregge e fornisce nuovi esempi. È il modello human-in-the-loop: non togli la persona, sposti il suo lavoro dai controlli ripetitivi alle decisioni che richiedono esperienza.
Non esiste un prezzo a pacchetto. Le voci sono telecamere, illuminazione, integrazione con PLC e gestionale, addestramento del modello e manutenzione nel tempo. Il costo dipende dalla linea: prima di chiedere un preventivo, misura scarti e volumi, così sai qual è il tetto che rende l'investimento sensato.
Non c'è una soglia unica. La domanda giusta è: quanto ti costano gli scarti in un anno? Se quel numero è più alto del costo del sistema, conviene. Se produci lotti piccoli e variabili, o hai scarti rari, il costo fisso vince e conviene restare col controllo manuale.
Sì. I macchinari più vecchi non hanno sensori nativi, ma si può aggiungere una telecamera retrofit che acquisisce immagini e le analizza in locale. Il limite non è l'età della macchina: è la variabilità di luce e materiali, che va gestita comunque.
Da una linea sola, quella con più scarti o più reclami. Un pilota su una macchina critica permette di raccogliere immagini reali, formare l'operatore e misurare il risultato prima di estendere il sistema. Partire ovunque insieme è il modo più rapido per bruciare il budget.
Il primo passo
45 minuti per fotografare la tua azienda in 5 aree, con i punteggi confrontati con 2.800+ aziende. Compili qui sotto e ti arriva il link monouso per farlo con calma. Gratuito, e il report resta tuo comunque vada.
Continua
Ti dico quali processi non automatizzare: quelli dove il giudizio vale più del gesto. Ti do un criterio in tre domande per riconoscerli da solo.
Leggi
Badge, varchi e biometria: come scelgo il sistema di controllo accessi per una PMI, cosa costa e quali regole non puoi ignorare.
Leggi
La distinta base è la ricetta del tuo prodotto. Ecco come funziona, quando Excel regge e quando invece ti serve un sistema.
Leggi