1. L’evoluzione dei controlli di qualità e la genesi del cqi-38
Il settore manifatturiero e l’indotto dell’automotive globale stanno affrontando una trasformazione senza precedenti nella gestione del risk management e nel controllo di conformità dei componenti. Come annunciato ufficialmente dall’ente normatore statunitense AIAG (Automotive Industry Action Group), a questa accelerazione tecnologica risponde il rilascio del cqi-38, formalmente denominato “Ai Vision Inspection Application and Assessment Guideline“.
Per comprendere la portata di questo documento di nuova introduzione, è necessario decodificarne il contesto normativo, basandosi sulle direttive ufficiali dell’ente.
La sigla cqi sta per Continuous Quality Improvement: si tratta della famiglia di linee guida tecniche sviluppata da AIAG per definire gli standard operativi dei colossi automobilistici mondiali e della loro supply chain.
Se i precedenti capitoli disciplinavano processi speciali tradizionali come i trattamenti termici (cqi-9) o la verniciatura (cqi-12), il cqi-38 inaugura una frontiera del tutto inedita: la standardizzazione dei sistemi di visione artificiale basati su algoritmi di intelligenza artificiale.
2. Il passaggio dalla computer vision deterministica all’intelligenza artificiale
Secondo le specifiche tecniche diffuse dai comitati di standardizzazione, i sistemi di controllo ottico automatizzato finora adottati si basavano su algoritmi di visione deterministica: software programmati per misurare contrasti o tolleranze geometriche secondo parametri fissi. Tali architetture mostrano limiti evidenti nella rilevazione di difetti complessi, inclusioni microscopiche o pattern di contaminazione irregolari.
L’introduzione del Deep Learning applicato alle immagini colma questo gap, consentendo alle telecamere industriali di riconoscere anomalie non lineari con precisione. Tuttavia, come evidenziano gli esperti di audit AIAG, questa tecnologia introduce l’effetto Black Box: l’impossibilità di validare deterministicamente le decisioni dell’algoritmo in assenza di protocolli statistici. Il cqi-38 interviene per fornire un framework rigoroso atto a valutare parametri ingegneristici precisi:
- ACCURACY: precisione del modello nel distinguere scarti reali da falsi allarmi, minimizzando i tassi di errore;
- SYSTEM CAPABILITY: stabilità del sistema di misura visiva nel lungo periodo, replicando i principi del MSA (Measurement System Analysis)
- DRIFT GESTIONALE: monitoraggio del degrado prestazionale degli algoritmi al variare delle condizioni ambientali o dell’usura delle ottiche.
3. L’impatto sulle filiere vulnerabili: la fine delle tolleranze soggettive e il ritorno al clean test
Le conseguenze di questa introduzione normativa sono significative, specialmente per gli anelli più destrutturati della supply chain.
Analizzando mercati di fornitura stratificati come quello italiano, l’osservazione dei dati di settore fa emergere una netta discrepanza statistica: il volume dei clean test ufficialmente commissionati risulta infatti inferiore rispetto alla mole di componentistica immessa sul mercato, corredata da dichiarazioni formali di conformità ai capitolati automotive. Questa anomalia matematica evidenzia come, a livello aggregato, le validazioni gravimetriche effettivamente erogate siano del tutto sproporzionate rispetto alla produzione reale. Una simile lacuna sistemica sopravvive grazie alla permeabilità e ai limiti oggettivi dei controlli visivi umani o tradizionali effettuati a valle.
L’introduzione del cqi-38 fungerà da acceleratore di trasparenza, destinato a scardinare esattamente questa consuetudine omissiva. Incrociando i nuovi requisiti algoritmici AIAG con le vigenti normative sulla decontaminazione tecnica, emerge come questo standard costringerà la filiera a reintrodurre il clean test attraverso leve commerciali non negoziabili:
- fine della soggettività ispettiva: fino a ieri un micro-residuo o un alone di emulsione poteva sfuggire all’occhio umano; con l’implementazione di sistemi AI validati oggettivamente tramite il cqi-38, l’ispezione diventa algoritmica, a zero difetti, registrando indelebilmente la contaminazione;
- effetto boomerang delle non-conformità: nel momento in cui oem e tier 1 certificheranno le loro telecamere di accettazione merci con questo standard, la macchina scarterà in automatico ogni componente con anomalie superficiali legate a scarsa pulizia, generando evidenze fotografiche;
- spostamento del rischio a monte: di fronte a penalità economiche per fermo linea, il subfornitore non potrà più far viaggiare i pezzi sperando in deroghe soggettive; l’unica polizza assicurativa diventerà governare la TECHNICAL CLEANLINESS alla radice, rendendo l’elusione del lavaggio tecnico svantaggiosa
4. Il posizionamento di gv gobbi: coerenza con la technical cleanliness e i controlli avanzati
In qualità di partner strategico specializzato nei processi di decontaminazione, sgrassaggio e lavaggio tecnico, GV GOBBI osserva con estremo rigore l’evoluzione di queste normative. In base agli standard internazionali di riferimento, ovvero VDA 19 e ISO 16232, nei processi industriali ad alta precisione la conformità si misura anche sulla Technical Cleanliness.
La verifica gravimetrica e granulometrica del particolato richiede analisi microscopiche automatizzate, il cui esito dipenderà sempre più da sistemi di riconoscimento visivo. Anticipare la logica ingegneristica del cqi-38 significa:
- garantire trasparenza analitica: assicurare ai committenti che i metodi di controllo siano allineati ai più severi criteri internazionali di affidabilità del dato
- prevenzione delle non conformità: validare gli strumenti di verifica con metriche riconosciute dai costruttori di vertice
- affidabilità di processo nel conto terzi: confermare che il lavaggio industriale operato sui semilavorati risponda preventivamente ai controlli di visione intransigenti che il cliente adotterà in linea
5. Le evidenze del settore: cosa dichiarano gli esperti
L’urgenza di questo traguardo normativo è confermata dalle massime figure direttive del comparto.
Nella comunicazione istituzionale diffusa a ottobre 2026, Matt Pohlman, CEO di AIAG, ha dichiarato esplicitamente che governare il cambiamento rapido richiede prospettive inedite e ad alta applicabilità strategica.
il CEO di AIAG ha posto in rilievo come la linea guida cqi-38 risponda all’esigenza primaria di valutare la capability di sistema, l’accuratezza e i profili di rischio, trasformando l’innovazione tecnologica in affidabilità verificabile. Gli analisti del comitato qualità concordano unanimi: l’intelligenza artificiale applicata al controllo visivo cessa di essere una sperimentazione isolata per diventare un pilastro strutturato, destinato a ridefinire i capitolati di fornitura nei prossimi anni.
