Alimentare

Il settore alimentare in Umbria coinvolge oltre 800 unità locali e più di 7.000 addetti in totale (fonte: ISTAT 2022). L’indagine condotta dal gruppo di studio del Dipartimento di Ingegneria dell’Università degli Studi di Perugia si è focalizzata su imprese che svolgono attività di trasformazione di materie prime per la produzione e commercializzazione di prodotti alimentari.

In questo settore è stata individuata una opportunità di intervento grazie alla quale l’AI può contribuire al miglioramento dei processi delle imprese. In particolare, tale opportunità è rappresentata dalla automatizzazione della fase di ispezione e controllo della qualità della materia prima in ingresso. Tipicamente, infatti, una delle attività fondamentali delle imprese in questo settore è la selezione e lavorazione delle materie prime. Per garantire la qualità delle lavorazioni successive e la qualità finale dei prodotti o dei semi-lavorati, l’impresa deve effettuare accurati controlli e ispezioni. In seguito alle ispezioni, le materie prime vengono suddivise in classi di qualità. Successivamente, ogni classe può essere indirizzata a diverse linee di produzione, che danno luogo a diversi prodotti finali. Inoltre, le attività ispettive possono avere forte carattere di stagionalità, data la natura delle materie prime alimentari.

Durante le ispezioni, vengono valutate sia caratteristiche visive che proprietà fisiche delle materie prime, come ad esempio la dimensione, il peso, la consistenza e la presenza di difetti o elementi estranei. Per alcune tipologie di materie prime le ispezioni vengono svolte manualmente e secondo modalità che richiedono un elevato dispendio di tempo e di risorse. Pertanto, l’automatizzazione di questa fase di controllo può liberare risorse assegnate a compiti ripetitivi e permettere al personale più esperto di dedicarsi ad altre attività fondamentali ad alto valore aggiunto.

Per automatizzare questa fase di ispezione occorre valorizzare la competenza e l’esperienza degli operatori che attualmente svolgono questo compito manualmente. Dato che questo compito non si fonda esclusivamente su regole facili da formalizzare con parametri quantitativi, ma può essere basato su molti fattori, i metodi di AI possono costituire una valida soluzione, purché opportunamente progettati ed addestrati.

Progetto: Ispezione automatizzata della materia prima in ingresso

L’obiettivo del progetto è realizzare un sistema che sia in grado di eseguire in modo automatico il controllo di qualità delle materie prime in ingresso in una impresa alimentare con una minima supervisione da parte di personale esperto. Il sistema si basa su sensori eterogenei che forniscono dati sulla materia prima. Algoritmi di AI elaborano i dati provenienti dai sensori per ottenere una suddivisione automatica in classi di qualità.

Soluzioni tecniche

Le tipologie di sensori impiegati dal progetto includono videocamere, anche con immagini multispettrali, e sensori di quantità fisiche quali dimensione, peso, consistenza. Dal punto di vista del metodo di elaborazione dei dati, la soluzione tecnica consiste nell’addestramento di un modello di apprendimento automatico per la classificazione con dati reali acquisiti all’interno del processo di controllo di qualità in ingresso all’impresa. Tale modello prende il nome di classificatore.

Una volta addestrato il modello, le prestazioni del classificatore vengono caratterizzate tramite un insieme di dati di validazione, diversi da quelli usati in precedenza durante la fase di addestramento. I principali parametri usati per quantificare le prestazioni di un classificatore sono l’accuratezza e la probabilità di classificazione errata. Inoltre, la matrice di confusione è utilizzata per riassumere le principali informazioni necessarie per validare quantitativamente il classificatore. Qualora i dati acquisiti all’interno dell’impresa non siano sufficienti per un addestramento risultante in prestazioni soddisfacenti, si può ricorrere a dati aggiuntivi per il miglioramento e la ulteriore validazione del modello, ottenibili, ad esempio, grazie a tecniche di data augmentation.

Oltre ai metodi di AI, il progetto richiede un importante investimento sulle macchine e sui sistemi meccatronici in generale. Infatti, è necessario che i sensori che acquisiscono i dati necessari per le elaborazioni AI siano posizionati in supporti per l’automazione industriale appositamente progettati. Ad esempio, devono essere predisposte telecamere ad alta definizione con adeguati livelli di illuminazione per ottenere immagini del prodotto sufficientemente dettagliate. Inoltre, i sensori di quantità fisiche quali dimensione, peso, temperatura, etc.… devono essere utilizzati in modo da interagire con la materia prima evitando di danneggiarla. Tali infrastrutture contribuiscono in modo rilevante ai costi di implementazione del progetto.

Ruolo dell’AI

Il principale compito che l’AI svolge all’interno del progetto è quelle di classificare in maniera automatizzata la materia prima in diverse classi di qualità. Pertanto, si configura come un esempio di machine learning. Per svolgere questo compito, dato che le informazioni visive provenienti dalla videocamera rivestono un ruolo molto rilevante, l’AI sfrutta anche metodi di computer vision, ad esempio per identificare difetti, irregolarità nella forma e nel colore della materia prima da analizzare e classificare.

ROI e impatto sul business aziendale

Il progetto potrebbe avere ricadute importanti sul business aziendale, pur richiedendo un notevole investimento iniziale. Infatti, nel settore alimentare, l’ispezione della materia prima in ingresso è spesso individuata come una attività critica, che conferisce autorevolezza e identità all’impresa e al marchio. Come tale, richiede risorse di grande esperienza e un notevole coordinamento da parte della dirigenza dell’impresa.

La possibilità di automatizzare, almeno in parte, questa operazione critica potrebbe consentire di ridurre le risorse necessarie e le relative attività di coordinamento. Questo può permettere al personale più competente, ai dirigenti o ai titolari delle imprese di dedicare tempo ad attività a maggior valore aggiunto, quali ad esempio iniziative di marketing, rapporti con i clienti e ricerche di nuovi mercati.

Un ulteriore beneficio che il progetto potrebbe apportare è quello di ridurre la probabilità di errori nella classificazione della materia prima, posto che l’AI sia correttamente addestrata. Infatti, obiettivo del progetto è realizzare la classificazione con accuratezza migliore rispetto a quella ottenibile in media da un operatore. Questo porta dei vantaggi tanto più rilevanti quanto più aumenta il volume di merce da ispezionare. Infine, il sistema di controllo della qualità automatizzato potrebbe avere un impatto positivo sul sistema di tracciabilità dell’impresa e sulla filiera locale.