Un test plan firmato trasforma ogni claim in una misura verificabile

Un fornitore dice che un bersaglio elettronico segna in modo accurato e che un robot aspirapolvere gestisce i peli degli animali. Nessuna delle due frasi si verifica in modo oggettivo. Qui nascono le dispute tra OEM e fabbrica. Serve un piano di test condiviso che traduca ogni promessa in un numero con unità, metodo e soglia di accettazione, firmato prima degli attrezzi. Così un buyer può controllare e contestare su dati, non su aggettivi¹.

La prima mossa è la traduzione degli aggettivi. Accurato diventa il numero di segmenti letti in modo errato per mille tiri. Gestisce i peli diventa la percentuale di una massa pesata di capelli recuperata da un’area definita in un singolo passaggio controllato. Una metrica utile ha un’unità, un dispositivo di misura, un ambiente definito e una soglia concordata da entrambe le parti¹.

Blocca le condizioni che spostano il risultato senza farsi notare. Registra tensione di alimentazione, temperatura e umidità. Specifica il tipo di superficie, la preparazione del campione e il numero di ripetizioni. Decidi chi fornisce i campioni e come li conservi, perché materiali sensibili a umidità o invecchiamento possono far deragliare la comparabilità tra banco di fabbrica e laboratorio del cliente. Scegli taglie campione e conte di ripetizioni che facciano emergere la variabilità, non che la nascondano. Concorda se il numero riportato sarà una media, un caso peggiore o un tasso di passaggio¹.

Sull’elettronica di un dartboard serve rigore. Un protocollo di accuratezza codifica come la matrice dei segmenti mappa ogni impatto su un punteggio. Prevede i colpi sul confine tra due zone, i rimbalzi, le mancate rilevazioni e le doppie registrazioni. Queste sono le cause reali dei reclami. Non affidarti a persone che tirano. Usa un meccanismo di lancio che ripete posizione e forza su una griglia di celle target. Così rimuovi la maggiore sorgente di rumore¹.

Scrivi la procedura come una sequenza. Definisci la griglia dei punti d’impatto. Fissa i tiri per punto. Inserisci un controllo di calibrazione prima di ogni run. Stabilisci un formato di log che registri, per ogni tiro, il segmento atteso e quello effettivamente rilevato. Metti limiti espliciti per letture errate e mancate letture. Indica cosa succede quando un’unità fallisce. Versiona il firmware testato insieme all’hardware, perché parte della logica di scoring vive nel software¹.

Anche la raccolta dei capelli si traduce in numeri. Un test OEM per robot aspirapolvere parte da una massa misurata di capelli di lunghezza definita. Distribuiscila su un’area marcata, su una superficie specificata. Fai correre la macchina lungo un percorso fisso per un tempo fisso. Poi pesa ciò che è finito nel cestino e ciò che resta sul pavimento e avvolto al rullo. Ottieni due numeri chiari: tasso di recupero e massa di aggrovigliamento¹.

Controlla le variabili che cambiano l’esito. Prova su pavimento duro e su almeno una moquette. Esegui il test con cestino pulito e parzialmente carico. Ripeti abbastanza volte da mediare la casualità della distribuzione dei capelli. Registra portata d’aria e velocità della spazzola quando possibile. Un buon risultato dovuto a settaggi di prototipo troppo aggressivi non sopravvive alla riduzione costi. Imposta soglie separate per efficienza di raccolta e per auto-pulizia della spazzola. Un robot che raccoglie ma si blocca dopo tre corse non ha risolto il problema¹.

Prima di iniziare, fai pulizia nel brief. Sostituisci ogni aggettivo con una metrica con unità e soglia. Fissa ambiente, preparazione campioni e calibrazione. Usa fixture meccaniche dove l’incoerenza umana dominerebbe il risultato. Versiona firmware e impostazioni di prototipo accanto all’hardware. Concorda formato del log e regola di pass o fail prima del primo run¹.

Un piano di test firmato protegge l’acquirente da un campione lusinghiero e la fabbrica da un target che cambia. Lo stesso metodo si applica a prodotti diversi. Quando le promesse diventano misure, le divergenze si trasformano in revisioni dei dati e la relazione supera il primo lotto difficile¹.