Vernice Italia: la rete neurale che indovina la formula dal colore

Il problema

Un cliente arriva con un colore e un numero: un RGB, il verde esatto di un marchio o la tonalità di una facciata già dipinta. In laboratorio quel numero va tradotto in dosi. Ogni vernice nasce dalla combinazione di tredici miscele base, e il rapporto tra le proporzioni e il colore che ne esce non è lineare: si stende un campione, si misura, si corregge, si ristende. Ogni giro costa tempo di laboratorio e materiale.

Quel problema, però, Vernice Italia l'aveva già risolto ventimila volte. Ogni riga dell'archivio storico è una coppia: un colore e le dosi che lo producono. Anni di prove in laboratorio sono, di fatto, un dataset etichettato, solo che nessuno lo aveva mai letto come tale. Veniva consultato per cercare, non per imparare.

Come l'abbiamo risolto

La rete è una feed-forward in Python con Keras, addestrata sull'intero archivio con preprocessing e data augmentation sui ventimila record. In ingresso il colore desiderato, in uscita le proporzioni delle tredici miscele. Chi formula lavora da una dashboard: inserisce il colore, riceve una formula di partenza, e il laboratorio parte da lì invece che da zero.

L'inferenza non è istantanea, e questo ha deciso l'architettura. Il backend in Node.js e TypeScript non aspetta la rete: mette la richiesta su una coda AWS SQS, un worker Lambda si sveglia, esegue lo script e scrive stato e dettagli dell'elaborazione su DynamoDB. Il front-end in React segue lo stato e mostra il risultato quando c'è. Monitoraggio su CloudWatch. Nessuna macchina accesa ad attendere richieste che arrivano a raffica o non arrivano per ore.

I risultati

La prova fisica non sparisce: il colore, alla fine, va comunque steso e misurato. Ma parte dal punto giusto invece che dal primo tentativo plausibile, e i tentativi scesi da molti a pochi sono la voce che si vede in bolletta.