Perché abbiamo deciso di costruire copiloti per il controllo qualità
I controlli non distruttivi (NDT) sono da sempre nel DNA di TEC Eurolab: ispezioni visive, ultrasuoni, radiografia, tomografia industriale, liquidi penetranti, particelle magnetiche…
Nel tempo abbiamo imparato a conoscere i problemi reali del controllo qualità industriale: sappiamo cosa significa interpretare un’immagine radiografica di una fusione, così come la scansione tomografica di un componente aerospaziale; conosciamo la responsabilità di un giudizio che deve essere corretto, documentabile e tracciabile; abbiamo sperimentato l’effetto della stanchezza su un operatore che analizza centinaia di immagini in sequenza; comprendiamo le pressioni dei tempi ciclo in produzione.
Il primo sviluppo di soluzioni AI in Sideius
Da questa consapevolezza e dall’esperienza sul campo è sorta dunque una domanda: è possibile semplificare e automatizzare questi processi? La prima risposta è arrivata nel 2019, quando abbiamo iniziato ad esplorare le possibilità di utilizzo di soluzioni di intelligenza artificiale applicate all’industria, in tempi in cui l’AI era conosciuta solo dagli addetti ai lavori. Un’esplorazione che ha dato i suoi frutti, proprio a partire da uno dei nostri reparti NDT più avanzati: quello della tomografia industriale.
Quando abbiamo iniziato ad applicare algoritmi di computer vision alle immagini di tomografia industriale, nel 2019, l’AI non era ancora così sviluppata e diffusa come oggi . Lo abbiamo fatto per la curiosità verso le tecnologie che stavano maturando nel campo della visione artificiale, che sembravano efficientare il lavoro, e, in qualità di laboratorio NDT, perché avevamo bisogno di una nostra visione sull’intelligenza artificiale applicata all’ispezione industriale.
Oggi Sideius, con la sua divisione BlueTensor, progetta e implementa sistemi basati su computer vision e machine learning per il controllo qualità automatizzato, la classificazione dei difetti e il supporto all’operatore. Sistemi che nascono da una comprensione profonda del contesto: i tipi di discontinuità, le normative di riferimento, le tolleranze accettabili, le insidie specifiche di ogni metodo di ispezione, i problemi che le aziende clienti affrontano quotidianamente.
La crescita del settore NDT nel mondo, grazie all’AI
Secondo Grand View Research, il mercato globale degli NDT era stimato a 21,28 miliardi di dollari nel 2024 ed è proiettato a raggiungere 45,97 miliardi entro il 2033, con un CAGR del 9,2% [1]. Una parte rilevante di questa crescita è trainata dall’integrazione dell’intelligenza artificiale. Il segmento specifico degli NDT robotici e basati su droni vale già 1,24 miliardi di dollari nel 2025 e crescerà fino a 2,52 miliardi entro il 2030, con un CAGR del 15,24% [2].
Il segnale più eloquente arriva però dalla comunità scientifica internazionale. La International Conference on Non-Destructive Testing for Next Generation 2027 [3], che si terrà a Kobe, Giappone, ha identificato come tema centrale la trasformazione smart degli NDT: l’incorporazione di machine learning, AI generativa, strumenti digitali, robot e droni nei processi ispettivi, insieme alla spinta verso l’automazione, il risparmio di manodopera, e lo sviluppo di nuovi standard e regolamentazioni.
Modelli di deep learning applicati all’ispezione permettono di automatizzare task ripetitivi, monotoni e che richiedono alti gradi di risoluzione, come nel caso di difetti superficiali che sull’acciaio hanno raggiunto livelli di accuratezza superiori al 96%, con il modello migliore che ha toccato il 99,26%, superando sia il software tradizionale basato su regole sia l’ispezione umana [4].
Sul fronte dei robot e dei droni applicati agli NDT in campo, in particolare in situazioni pericolose per l’uomo, le applicazioni si moltiplicano:
- Droni equipaggiati con sonde ultrasoniche per misurare lo spessore di strutture metalliche in quota, eliminando l’uso di ponteggi e riducendo i tempi di ispezione del 75-85% rispetto ai metodi tradizionali [6][7].
- Robot a scansione per la mappatura della corrosione in serbatoi industriali, condotte e strutture offshore, operativi senza interrompere la produzione [8].
Esempi concreti di applicazione in Sideius
In Sideius uniamo la verticalità del nostro expertise nel campo NDT con la trasversalità del machine learning e del deep learning per assistere o automatizzare sia internamente che dai clienti i processi di controllo qualità.
Alcune applicazioni:
1. Aumentiamo tramite AI le analisi di immagini tomografiche per la classificazione di porosità, inclusioni e cricche in componenti di additive manufacturing o in getti pressofusi:
Figura 1. Scansione tomografica a 25 micrometri su componente di tipo spaziale con riconoscimento automatico difetti prodotto da Sideius
2. Supportiamo la ricerca di anomalie/eventi rari che deviano dalla conformità:
Figura 2. Anomaly Detection superficiale su due componenti space (primo OK, secondo KO). Da sinistra: immagine originale, maschera difetti di rugosità, mappa di calore di anomalia (più calda = maggiore livello di anomalia). Prodotta da Sideius
3. Nel caso di sviluppi complessi attuiamo una mitigazione del rischio tramite analisi di fattibilità via Digital Twin.
Sfruttiamo quando possibile i più recenti foundation models come tools generalisti in grado di ovviare a problemi quali ad esempio il domain shift, la variabilità dei sensori e lo sbilanciamento di classe [9].
L’AI non sostituisce il tecnico della qualità
In molte applicazioni ispettive, l’eliminazione del giudizio umano non è possibile e non è nemmeno auspicabile. La responsabilità finale di un’accettazione o di un rifiuto rimane in capo a una persona formata e certificata. Quello che l’AI può fare è affiancare il tecnico come un collega dedicato al 100% sullo specifico task e che può lavorare a qualsiasi ora del giorno e della notte: un sistema che analizza i dati in parallelo all’operatore, segnala anomalie che potrebbero essere sfuggite, suggerisce regioni di interesse su cui concentrare l’attenzione, riduce la variabilità inter-operatore e tra siti produttivi e supporta la tracciabilità documentale dell’intero processo.
In questo senso l’intelligenza artificiale assume il suolo di “copilota digitale”. Come il copilota non vola al posto del pilota, così l’AI non sostituisce l’operatore. Anzi, lo affianca: intercetta i dettagli critici, abbatte l’affaticamento visivo e aumenta la Probability of Detection (POD). In applicazioni ad altissima criticità, come l’ispezione di componenti aerospaziali, questo livello di assistenza trasforma la gestione della variabilità umana in un processo di controllo robusto e ripetibile.
Sideius può affiancarti nello sviluppo di un’applicazione di AI per il controllo qualità
Sideius nasce come laboratorio NDT e nel tempo ha sviluppato una competenza AI internamente. Prima di implementare modelli di intelligenza artificiale per i clienti, li collaudiamo e affiniamo quotidianamente sulle attività ispettive del nostro laboratorio.
Questa combinazione, conoscenza profonda del dominio tecnico e capacità di sviluppo di soluzioni AI personalizzate, è ciò che Sideius porta ai clienti che hanno bisogno di automatizzare processi ispettivi complessi, di ridurre la dipendenza dallo human factor dove questo è critico, o di integrare il controllo qualità in linea con i sistemi informativi di produzione.
Se state ragionando su come l’AI e la visione artificiale possano entrare nei vostri processi NDT, o se avete un problema specifico di ispezione che non avete ancora trovato modo di risolvere, questo è il momento giusto per iniziare la conversazione.