Progettazione e sviluppo di una Metodologia Data-Driven di Quality Inspection nel contesto dell'Industria 4.0 = Design and development of a Data-Driven Quality Inspection Methodology in the context of Industry 4.0

Oggi molte aziende manifatturiere effettuano i controlli di qualità sui prodotti in modo manuale o basandosi su tecniche approssimative. Grandi realtà industriali hanno investito molto su tecnologie innovative per assicurare la qualità dei loro prodotti, ma altre aziende stentano a innovarsi per via dello scoglio dei costi di sviluppo. L'obiettivo di questa tesi è quello di proporre la Proof of Concept (PoC) di un sistema progettato per l'ispezione di qualità e la rilevazione di difetti nei processi produttivi delle industrie di oggi. L'approccio scelto è quello di sfruttare il modello di Cloud Computing applicato al machine learning per offrire alle aziende manifatturiere un servizio di controllo della qualità flessibile ed economicamente accessibile, senza pregiudicarne le performance. Per far ciò sono discusse le tecniche allo stato dell'arte per la quality inspection in generale e con il supporto di algoritmi di machine learning. A partire da quest'analisi si è studiato come i processi produttivi possano essere trasformati e migliorati, disegnando un architettura completa che includesse un'applicazione web intermediaria tra un servizio di classificazione remoto e il software di acquisizione immagini e segnalazione difetti installato su di un computer edge nella linea di produzione. Sono state infine misurate le prestazioni della metodologia proposta. Sono stati considerati e analizzati vari casi di test attraverso l'uso di metriche di valutazione note nell'ambito della classificazione automatica. I risultati ottenuti sono promettenti, in quanto allineati alle aspettative iniziali. Su questa base, è possibile raffinare il funzionamento di quanto proposto per applicazioni reali.