L’utilizzo di Intelligenza Artificiale e Machine Learning nel mondo delle PMI è ancora considerato troppo complesso e sfidante: queste tecnologie innovative possono però portare a una significativa crescita in termini di produttività ed efficienza.
È questa una delle considerazioni alla base del progetto europeo “PROOFER: deep learning models for footwear industry”, selezionato all’interno del bando “DIH-World – 2nd Open Call”, a cui partecipiamo insieme a Brustia Alfameccanica e con la collaborazione di YK-Robotics.
Il Machine Learning è ormai ampiamente utilizzato dalle grandi aziende, in particolare le Big Tech (Google, Tesla, Microsoft, Apple, etc.) possono vantare numerosi casi di successo in questo ambito. Nel settore manifatturiero, al contrario, questa tecnologia è ancora poco sfruttata: nel calzaturiero, ad esempio, potrebbe portare a una maggiore automazione dei processi di controllo qualità dei prodotti.
Per questo, insieme ai partner di progetto, stiamo sviluppando un modello di Deep Learning da applicare su una macchina a raggi X, usata per identificare eventuali difetti di produzione nelle calzature. Il modello è costituito da una complessa rete neurale con 24,5 milioni di parametri regolabili, organizzati in 80 livelli di astrazione, ulteriormente migliorato grazie ad alcune tecniche ispirate all’analisi di immagini satellitari per il riconoscimento di oggetti a terra.
L’obiettivo è quello di automatizzare un processo ancora per lo più manuale, rendendo la supervisione umana sempre meno necessaria: lo sviluppo di un software capace di gestire in autonomia il controllo qualità potrebbe liberare l’operatore dai compiti più noiosi e ripetitivi, richiedendogli invece interventi più mirati e specifici.
Più avanti si potrà poi costituire un ecosistema di raccolta dati, formato da molti produttori calzaturieri, in modo da migliorare ulteriormente le performance del controllo qualità automatico.
La sfida è quella di portare una maggiore digitalizzazione e innovazione in un settore che, in larga maggioranza, è ancora molto analogico e legato alla tradizione.