Stellantis Goiana: l'AI sulle saldature convince gli operatori con le prove
Secondo un articolo di IIoT World dell'11 novembre 2026, l'anomaly detection sugli impianti di saldatura di Goiana ha contribuito a evitare 14 guasti in sei mesi. Il punto chiave è come lo stabilimento ha conquistato la fiducia dei tecnici: mostrando loro i dati.
L'11 novembre 2026 IIoT World ha pubblicato un articolo, basato su una sessione dell'Industrial AI Summit 2026 intitolata "From Months to Days: Accelerate Industrial AI with a Modern Data Architecture", che racconta un caso concreto di AI in produzione: il sistema di rilevamento delle anomalie sugli impianti di saldatura dello stabilimento Stellantis di Goiana, a Pernambuco, in Brasile. Sono intervenuti Aron Semle di HighByte e Denis Leite di Mekatronik.
Una precisazione sulle fonti: l'articolo è indicato come sponsorizzato da HighByte, quindi i risultati provengono dal fornitore e dal suo partner e non sono stati verificati in modo indipendente. Vanno letti con questa cautela, ma le lezioni di metodo restano interessanti.
I risultati dichiarati
Il sistema aiuta i team di manutenzione a individuare possibili guasti delle attrezzature di saldatura prima che interrompano la produzione. In sei mesi, secondo i relatori:
- ha contribuito a prevenire 14 guasti degli impianti;
- ha permesso di recuperare 15 ore di produzione in un solo mese;
- sostiene un aumento di capacità annuale atteso di 810 veicoli.
Il team afferma che i risultati sono ulteriormente migliorati dopo la rilevazione di questi dati. Si sta valutando l'estensione dell'approccio ad altri stabilimenti e applicazioni, ma non è ancora stato deciso da dove cominciare.
Dati contestualizzati prima del modello
I dati di saldatura arrivavano da file TXT, database SQL e sistemi operativi. Invece di inviare i dati grezzi al data lake, il team li ha prima organizzati e contestualizzati attorno alle singole operazioni di saldatura. È una scelta di architettura: un modello di anomaly detection ha senso solo se ogni misura è associata al passo di processo a cui appartiene.
Produzione fin dal primo giorno
Il team ha saltato la fase di pilota e ha pianificato fin dall'inizio affidabilità, manutenzione e scalabilità. Stellantis ha inoltre ritagliato il tempo necessario perché i propri ingegneri partecipassero allo sviluppo, portando nel progetto la loro conoscenza diretta della produzione.
La fiducia degli operatori
La parte più istruttiva riguarda l'adozione. Per permettere agli ingegneri di confrontare le saldature normali con le anomalie segnalate dal modello, sono stati usati dashboard, serie temporali e grafici di distribuzione. Le prime visualizzazioni, però, non separavano in modo chiaro il comportamento normale da quello anomalo: gli ingegneri non vedevano motivi sufficienti per intervenire e mettevano in discussione il modello a ogni allarme.
Dopo il raffinamento delle visualizzazioni, gli ingegneri hanno riconosciuto che le segnalazioni meritavano un'indagine.
Man mano che i tecnici confermavano problemi reali, la fiducia è cresciuta e il modello è diventato uno strumento su cui lo stabilimento fa affidamento nelle operazioni 24/7.
Cosa portare a casa
Per responsabili di ingegneria e IT, il caso suggerisce tre indicazioni pratiche:
- Contestualizzare i dati per fase di processo prima di addestrare i modelli, non dopo.
- Progettare per la produzione dall'inizio, considerando affidabilità, manutenzione e scalabilità, e coinvolgendo gli ingegneri di stabilimento.
- Trattare spiegabilità ed evidenze come parte del risultato. Una previsione genera valore solo se chi fa manutenzione decide di agire.
In sintesi, l'accuratezza del modello da sola non basta: se l'allarme non è accompagnato da una prova leggibile, viene ignorato. Al di là dei numeri, che restano dichiarazioni dei fornitori, l'esperienza di Goiana mostra che la visualizzazione di normalità e anomalia è un requisito di progetto al pari dell'architettura dei dati.