Tecniche di deep learning per il controllo qualità

Nell’era dell’industria 4.0 stanno emergendo nuove tecnologie che permettono una certa competitività tra aziende. Di particolare importanza sono le nuove tecniche usate per il controllo qualità dei prodotti, basate su Machine Learning e Deep Learning, che permettono di supportare le attività inerenti al controllo qualità attraverso l’analisi di dati e qualità automatizzate. L’applicazione di queste nuove tecnologie viene chiamata “qualità predittiva” e attualmente esistono molti esempi nella ricerca manifatturiera che dimostrano l’efficacia di queste innovative metodologie per l’approccio all’ambito del controllo qualità. Tuttavia, spesso i casi considerati sono applicabili ad un solo prodotto specifico, rendendo difficile il confronto delle varie casistiche di lavorazioni. Per questo motivo non è ancora ben chiaro a che punto sia la ricerca sul campo. In questo lavoro saranno analizzati diversi articoli scientifici, pubblicati negli ultimi anni, che riportano come l’evoluzione di queste tecniche stia progredendo molto velocemente. Da una parte gli articoli presentano minuziosamente le tecniche e i vari strumenti usati, alcuni mettendo a confronto il caso studiato e altri metodi sfruttati in altre situazioni. Dall’altra parte la letteratura è ancora poca. Questo lavoro, quindi, si pone l’obiettivo di studiare gli articoli più recenti e valutare l’efficacia dei metodi proposti, cercando di trovare analogie e differenze così da capire in che direzione si sta sviluppando e su cosa, invece, dovrebbe focalizzarsi ulteriormente.