Sviluppo di un sistema avanzato di compilazione automatica del GdS basato su intelligenza artificiale.
SEA (Società Esercizi Aeroportuali di Milano)
Cefriel
Riduzione del Lavoro Manuale
Automatizzando il processo di compilazione del GdS, il progetto ha liberato il 30% della capacità di un team di 9 persone, pari a 2,5 FTE, ottimizzando i tempi e le risorse.
Riduzione degli Errori
Grazie al controllo automatico della consistenza dei dati e alla segnalazione delle anomalie, il sistema ha ridotto quasi completamente gli errori nel GdS, migliorando la qualità delle informazioni.
Riduzione dei Costi di Gestione IT
Il progetto ha portato a una significativa riduzione dei costi di gestione IT, ottimizzando la manutenzione e l’aggiornamento del sistema attuale, e riducendo i costi associati al lavoro manuale e alle rilavorazioni.
SEA (Società Esercizi Aeroportuali di Milano) è un’azienda leader nella gestione e nello sviluppo delle infrastrutture aeroportuali milanesi, ed opera con l’obiettivo di garantire efficienza, sicurezza e innovazione nei servizi aeroportuali.
Il “giornale di scalo” (GdS) è uno strumento critico per tracciare e gestire le operazioni aeroportuali, includendo informazioni su movimenti di aerei, passeggeri e merci. Tuttavia, il processo manuale attualmente in uso comporta un elevato rischio di errori, inefficienze e ritardi nella disponibilità dei dati, con ripercussioni su sicurezza, costi e coordinamento operativo. Automatizzare questo processo è fondamentale per garantire maggiore precisione e per supportare una gestione più efficace delle risorse aeroportuali.
Il progetto punta allo sviluppo di un sistema avanzato basato su intelligenza artificiale (IA) per la compilazione automatica del GdS. Questo sistema si basa sull’estrazione e classificazione di dati provenienti da fonti eterogenee, sia strutturate che non strutturate. La soluzione comprenderà una fase sperimentale in laboratorio, convalidando i modelli sviluppati, e sarà propedeutica all’implementazione di un prodotto industrializzato.
La soluzione comprenderà una fase sperimentale in laboratorio, convalidando i modelli sviluppati, e sarà propedeutica all’implementazione di un prodotto industrializzato.
Modelli predittivi basati su apprendimento automatico (machine learning) per stimare l’affidabilità dell’informazione ricevuta (spesso carente o contraddittoria).
Modello di ottimizzazione dei costi, con l’obiettivo di minimizzare il costo totale correlato alla gestione delle informazioni ricevute da parte degli operatori di SEA.
Infrastrutture IT dedicate: ambiente sperimentale configurato per addestramento, validazione e testing delle soluzioni sviluppate.
Il progetto mira a generare un cambiamento significativo nell’operatività aeroportuale di SEA, migliorando non solo la gestione interna ma anche l’esperienza complessiva degli utenti del sistema aeroportuale.
Gli impatti attesi includono:
Maggiore efficienza operativa: grazie alla riduzione dei tempi e degli errori legati alla gestione manuale del GdS.
Riduzione degli errori umani nella compilazione del GdS.
Avanzamento tecnologico: il progetto stabilirà le basi per ulteriori innovazioni nei sistemi aeroportuali, favorendo una maggiore integrazione tecnologica.
Implementare la soluzione proposta porterà numerosi vantaggi a SEA, sia in termini di efficienza operativa che di competitività. In particolare:
Ottimizzazione dei costi: riducendo gli sprechi di tempo e le inefficienze legate al lavoro manuale.
Miglioramento della sicurezza: garantendo una gestione più precisa e affidabile delle informazioni critiche.
Aumento della competitività: posizionando SEA come leader tecnologico nel settore aeroportuale grazie all’adozione di soluzioni innovative.
Sostenibilità operativa: migliorando la capacità di gestire le risorse in modo più efficace e responsabile.
