Controllo qualità visivo di prodotti industriali basato su anomaly detection e algoritmi di machine learning di tipo supervisionato e non supervisionato

Il controllo qualità all'interno di un'azienda è senza dubbio un elemento fondamentale per garantire al cliente un prodotto perfetto ed affidabile. Questa caratteristica è ancora più importante se si parla di componenti che devono assicurare una sicurezza totale nel loro funzionamento. La tesi che verrà presenta è, infatti, in collaborazione con SIT S.p.A, società leader mondiale nel settore dei controlli di sicurezza e regolazione degli apparecchi di riscaldamento a gas. Il lavoro esposto si concentrerà sul miglioramento di un'analisi di controllo visivo che viene effettuato da questa azienda su alcuni articoli della gamma di valvole. La percentuale di prodotti difettosi è molto bassa, questo ha portato a trattare il problema di quality inspection come un problema di anomaly detection. Per la risoluzione del suddetto problema sono state prese in considerazione diverse soluzioni data-driven sulle quali sono si sono svolte esaustive sperimentazioni. Le soluzioni che sono state prese in esame spaziano da algoritmi di machine learning supervisionati, come per esempio bag of words, ad algoritmi non supervisionati, tra i quali PCA, Isolation Forest e Autoencoders. Il confronto tra i risultati ottenuti ha portato ad individuare alcune metodologie che risultano funzionare in maniera soddisfacente nell'individuare i prodotti non conformi o che presentano difetti.