--- title: Con le reti neurali artificiali le macchine pensano in autonomia description: A FabbricaFuturo Brescia, il convegno organizzato dalla casa editrice ESTE, Everel interviene parlando dellle reti neurali artificiali featured_image: https://www.paroledimanagement.it/wp-content/uploads/2021/10/AI-min-1024x683.jpg date: 2021-10-13 modified: 2025-09-09 author: Federica Biffi url: https://www.paroledimanagement.it/tecnologia-per-la-produzione/con-le-reti-neurali-artificiali-le-macchine-pensano-in-autonomia/ categories: [Fabbrica, Tecnologia per la produzione] tags: [FabbricaFuturo, Intelligenza artificiale, este, Paolo Carasi, Everel] --- # Con le reti neurali artificiali le macchine pensano in autonomia ![Intelligenza Artificiale](https://www.paroledimanagement.it/wp-content/uploads/2021/10/AI-min-1024x683.jpg) Le macchine possono pensare come l’essere umano. E svolgere alcune funzioni legate al controllo qualitativo in azienda. Lo fanno attraverso **l’implementazione di reti neurali artificiali,** modelli di calcolo matematico composti da neuroni artificiali che si ispirano alle reti neurali biologiche: sono utilizzate per risolvere **problemi ingegneristici nell’ambito dell’Intelligenza Artificiale (AI) e del Machine learning e lo scopo è quello di insegnare alle macchine a pensare in modo autonomo. **Nel contesto della trasformazione digitale rientrano a pieno titolo nell’ambito dell’innovazione e della diffusione delle nuove tecnologie. Sulla base dell’implementazione delle reti neurali artificiali, Everel, azienda attiva nella produzione e fornitura di componentistica elettronica ed elettromeccanica per imprese di elettrodomestici e case automobilistiche, sta sviluppando una struttura di innovazione interna che sarà la linea guida dell’azienda per ripensare la produzione del futuro. L’ha illustrata **Paolo Carasi**, Plant Manager di Everel, durante la tappa di Brescia del convegno ***FabbricaFuturo* dell’1 luglio 2021, promosso dalla casa editrice ESTE, di cui *Parole di Management* è stato Media Partner**: “Stiamo implementando le reti neurali nel nostro processo produttivo, in particolare applicate alla visione, attraverso l’utilizzo della semantica dell’immagine **per automatizzare la valutazione di aspetti qualitativi non oggettivi nel collaudo di prodotti industriali**. Si tratta, dunque, di automatizzare la soggettività tramite il Machine learning”. ## Controllo qualitativo e individuazione di difetti In particolare, nell’assemblaggio di prodotti, tramite le reti neurali si affrontano **aspetti di controllo qualitativo che sono legati a parametri non deterministici** – concetti qualitativi, non legati a parametri numerici e di misura ‒ attraverso l’utilizzo dell’AI. “L’AI fa una valutazione semantica del problema, individuando eventuali difetti del prodotto. Si decide di migliorare il processo con l’obiettivo di ridurre lo scarto, **aumentare la certezza di ‘vero buono’ e aumentare i *failure mode* identificabili**”, ha continuato Carasi. Everel ha implementato tre tool di AI: localizzazione della zona di interesse; analisi della zona; infine, una seconda fase di localizzazione, che verifica il corretto layout del componente. “**Si addestra la macchina a localizzare la zona interessata e poi l’analisi permette di verificare la conformità del modello**. Tramite una valutazione semantica se ne identifica la qualità”, ha spiegato Carasi. Il concetto principale è che la rete neurale, una volta addestrata, poi è in grado di lavorare da sola. I **vantaggi dell’utilizzo dell’AI** in questo ambito sono molteplici tra cui: un investimento minore; nessuna necessità di ri-certificazione; minore sensibilità a geometrie e tolleranze; alta affidabilità della *detection* con tempi ragionevoli di addestramento della rete neurale; *detection* di ulteriori *failure mode*; alta adattabilità alla modifica del prodotto. ## L’AI per individuare i difetti qualitativi sulla linea Nel concreto, l’azienda ha implementato un sistema di visione alla linea di macchine Pellizzari, con lo scopo di **individuare i difetti, valutare e qualificare ogni selettore rotativo** prodotto su due linee di assemblaggio separate. “Il sistema di valutazione è stato inserito all’interno **di una cella robotizzata per controllare la logistica di ingresso e uscita della linea di assemblaggio**; una piattaforma consente di effettuare in maniera ottimale e indipendente i vari spostamenti di selettori all’interno dell’isola robotizzata. Si è valutata la conformità di ogni selettore sulla base di parametri non deterministici, individuando la presenza di potenziali difetti”, ha spiegato Carasi. “Il tutto è **interconnesso bidirezionalmente con il Manufacturing execution system (MES) di fabbrica in ottica 4.0** e permette dunque una valutazione *run time* dello stato di avanzamento della produzione”. Carasi ha rivelato che **l’obiettivo è quello di estendere le reti neurali anche ad ambiti diversi dall’azienda**. “Nel collaudo di prodotti industriali, altri progetti che utilizzano la semantica di immagine per la valutazione qualitativa non oggettiva riguardano, per esempio, la valutazione della correttezza e della completezza delle marcature termo-incise sui tasti dei dispositivi di interruzione; oppure, nella valutazione qualitativa dello stampaggio plastico”.