Classificazione della qualità di lenti stradali stampate a iniezione attraverso l’uso di tecniche di apprendimento automatico

The injection molding process, from the 1940s to today, has assumed increasing importance in the world of manufacturing industries; the possibility of creating artifacts with complex geometric shapes and at the same time, if necessary, of small dimensions, has made this process very widespread and a source of studies aimed at improving it in all its aspects. This study aims to improve the production process of road lenses, components to be installed on lighting bodies and used for the correct distribution of the light beam on the roadway, produced at iGuzzini illuminazione. The objective of this study is to identify a system capable of classifying the quality of road lenses, in order to automate their quality control, starting from the process parameters measured by the sensors of the press that performs the injection molding process. . In doing so, the world of artificial intelligence was explored, in particular that of machine learning, using supervised learning algorithms such as KNN, SVM, decision tree, GBT, random forest, logistic regression and neural networks such as MLP and TabNet to solve the classification task. The random forest and GBT algorithms performed best with an accuracy of 95% and 93% respectively, showing how tree ensemble-based algorithms are particularly effective in these applications and how supervised learning algorithms are adequate to perform a quality control of the products produced through the injection molding process

Il processo di stampaggio a iniezione, a partire dagli anni '40 fino ad oggi, ha assunto sempre maggiore rilevanza nel mondo delle industrie manifatturiere; la possibilità di realizzare manufatti con complesse forme geometriche e allo stesso tempo, all'occorrenza, di piccole dimensioni, ha reso questo processo molto diffuso e fonte di studi volti a migliorarlo in tutti i suoi aspetti. Questo studio si propone di migliorare il processo produttivo delle lenti stradali, componenti da installare sui corpi illuminanti e adibiti alla corretta distribuzione del fascio luminoso sulla carreggiata, prodotte presso iGuzzini illuminazione. L'obiettivo di questo studio è quello di individuare un sistema in grado di classificare la qualità delle lenti stradali, al fine di automatizzarne il controllo qualitativo, a partire dai parametri di processo misurati dai sensori della pressa che ne esegue il processo di stampaggio a iniezione. Nel farlo è stato esplorato il mondo dell'intelligenza artificiale, in particolare quello dell'apprendimento automatico, adoperando algoritmi di apprendimento supervisionato quali KNN, SVM, decision tree, GBT, random forest, regressione logistica e reti neurali quali MLP e TabNet per risolvere il task di classificazione. Gli algoritmi random forest e GBT hanno ottenuto i migliori risultati con un'accuratezza rispettivamente del 95% e 93%, mostrando come gli algoritmi basati su ensamble di alberi siano particolarmente efficaci in queste applicazioni e di come gli algoritmi di apprendimento supervisionato siano adeguati per eseguire un controllo qualitativo dei manufatti prodotti attraverso il processo di stampaggio a iniezione