ITA

Aheda: learning paths for the future

Introduzione

Mylia è il brand di The Adecco Group specializzato in formazione e sviluppo delle competenze. Affianca imprese e individui in percorsi di crescita continua, proponendo soluzioni su misura per affrontare i cambiamenti del mondo del lavoro in modo innovativo e sostenibile.

Il problema

I metodi tradizionali di formazione spesso non sono in grado di rispondere in modo efficace e personalizzato alle reali esigenze di individui e aziende. Questa mancanza di allineamento riduce l’impatto positivo sul business e sulla crescita delle persone. Per Mylia era quindi fondamentale introdurre un sistema capace di profilare meglio gli utenti e prevedere percorsi di apprendimento personalizzati, massimizzando l’efficacia degli interventi formativi.

La soluzione

Grazie alla collaborazione con MADE4.0 e aizoOn, Mylia ha digitalizzato il servizio Aheda, creando una web app per erogare in modo più efficiente il service journey. La soluzione è progettata per raccogliere dati utili a sperimentare un sistema di apprendimento basato sull’intelligenza artificiale, con l’obiettivo di offrire percorsi formativi predittivi e su misura.

Tecnologie

Rete probabilistica AI-based per l’analisi delle dimensioni psicosociali e la predizione dei percorsi di sviluppo personalizzati.

Web App interattiva per la gestione digitale del servizio e la fruizione dell’algoritmo, in un’esperienza phygital integrata.

Impatti

Il progetto Aheda consente a Mylia di migliorare la strategia di profilazione dei comportamenti organizzativi e di allineare gli interventi formativi alle caratteristiche individuali delle persone. L’introduzione di un modello predittivo basato su AI consente di personalizzare percorsi sia individuali che di gruppo, ottimizzando l’investimento formativo. Il sistema alimenta inoltre un osservatorio utile a confrontare dati tra settori e territori, contribuendo alla crescita strategica delle imprese clienti.

Benefici per l’impresa

Ottimizzazione delle strategie formative con risparmio sui costi di percorsi inefficaci

Maggiore aderenza tra competenze sviluppate e bisogni aziendali reali

Rafforzamento della cultura del cambiamento attraverso lo sviluppo di comportamenti funzionali al ruolo

Raccolta strutturata di dati utili a migliorare continuamente il modello Aheda

Posizionamento competitivo come partner innovativo nel mercato B2B della formazione

Oggettivizzazione della Qualità Prodotto AI-based

Introduzione

Officine Meccaniche Lafranconi produce silenziatori motociclistici resistenti a temperature elevate e gas corrosivi, garantendo qualità, durata, sicurezza e conformità a elevati standard estetici richiesti dai clienti. Attualmente, il controllo estetico è manuale, esposto a variabilità legata al giudizio umano.

Il problema

La conformità estetica dei silenziatori è fondamentale per rispettare le stringenti specifiche richieste dai clienti ed evitare sanzioni contrattuali o penali. Tuttavia, l’attuale processo di controllo, affidato esclusivamente alle competenze degli operatori, risente di variabili come la stanchezza, l’esperienza e la soggettività del giudizio umano. Questa mancanza di oggettività non solo riduce l’affidabilità complessiva del controllo estetico, ma rende anche difficile la sua automatizzazione. Di conseguenza, l’azienda si trova esposta a potenziali rischi economici, derivanti da difetti non rilevati, e a criticità operative, legate alla necessità di gestire elevati standard qualitativi in modo coerente ed efficiente.

La soluzione

Lafranconi intende sviluppare un sistema innovativo per l’oggettivizzazione del controllo estetico dei silenziatori, sfruttando tecnologie di visione artificiale e intelligenza artificiale (AI). Con il supporto del MADE e del Politecnico di Milano, sarà realizzato un prototipo di banco prova per l’acquisizione e l’elaborazione delle immagini.

Tecnologie

Hardware: Banco prova con struttura cilindrica dotata di illuminatori programmabili (luce direzionale/diffusa) e tre telecamere industriali per l’acquisizione delle immagini.

Prototipazione rapida: Elementi stampati in 3D per il supporto dei silenziatori.

Software: Algoritmi di intelligenza artificiale sviluppati in Python utilizzando librerie standard (OpenCV, SkLearn, Tensorflow) per:

– Segmentazione iniziale delle immagini

– Estrazione di feature visive

– Classificazione dei difetti attraverso tecniche di Machine Learning.

Impatti desiderati

Riduzione della variabilità: Eliminare la dipendenza dai fattori umani nel controllo estetico, garantendo una valutazione costante e replicabile.

Automatizzazione: Integrare il controllo estetico automatizzato nel processo produttivo, migliorando la produttività e la precisione.

Affidabilità: Dimostrare sensibilità e specificità superiori nell’identificazione dei difetti, aumentando la qualità complessiva del prodotto.

Benefici per l’impresa

Miglioramento della qualità: Aumento della conformità estetica e funzionale del prodotto, riducendo i rischi di contestazioni o penali da parte dei clienti.

Efficienza operativa: Diminuzione del tempo e delle risorse necessarie per il controllo estetico.

Innovazione tecnologica: Potenziamento delle competenze interne e aumento della competitività sul mercato grazie all’introduzione di soluzioni avanzate di AI e visione artificiale.

Paving Lean Process: efficienza produttiva attraverso la sensoristica 5.0

Introduzione

Sangalli è un’impresa bergamasca attiva nel settore delle costruzioni, specializzata in lavori stradali, produzione di conglomerati bituminosi e calcestruzzo, e nello sviluppo di infrastrutture. Fortemente orientata all’innovazione, l’azienda si distingue per l’adozione di tecnologie avanzate per l’ottimizzazione della gestione dei cantieri.

Il problema

In un contesto in continua evoluzione, il settore delle costruzioni si confronta con l’esigenza di rendere più fluidi ed efficienti i processi operativi. Per Sangalli S.p.A., questo ha significato ripensare alcune pratiche consolidate, soprattutto in riferimento alla gestione delle commesse, alla pianificazione delle attività e alla sincronizzazione tra produzione e operatività in cantiere. La mancanza di strumenti digitali evoluti rendeva più complesso garantire continuità operativa, controllo dei tempi e ottimizzazione delle risorse, con un impatto potenziale sulla capacità competitiva dell’impresa nel medio-lungo periodo.

La soluzione

Sangalli ha avviato un percorso di digitalizzazione del “cantiere 4.0”, integrando intelligenza artificiale e strumenti digitali per rendere più efficienti le fasi di preventivazione, pianificazione e monitoraggio delle attività operative. Il progetto ha seguito un approccio strutturato, partendo da un’analisi dello stato attuale dei processi, per arrivare alla definizione di una nuova infrastruttura digitale e algoritmica in grado di ottimizzare la gestione dei cantieri in tempo reale.

Tecnologie

Algoritmi di Intelligenza Artificiale e Machine Learning

Sensori IoT per il monitoraggio dei mezzi

Piattaforme software per la consuntivazione real-time

Backend per l’analisi dati e il rilevamento delle anomalie

Impatti desiderati

Il progetto punta a una trasformazione digitale dei processi di cantiere, con l’obiettivo di migliorare la produttività e ridurre i costi operativi. L’adozione di tecnologie smart consente a Sangalli di offrire maggiori garanzie sui tempi di consegna, migliorare la gestione delle risorse e rafforzare la propria competitività nel settore degli appalti infrastrutturali pubblici. Il progetto contribuisce inoltre alla transizione verso un’edilizia più sostenibile, efficiente e sicura.

Benefici per l’impresa

– Ottimizzare la pianificazione delle risorse

– Ridurre i tempi morti e i costi operativi

– Aumentare il controllo sui cantieri in tempo reale

– Rafforzare la competitività nelle gare d’appalto

– Accedere a finanziamenti nazionali ed europei per l’innovazione

Ottimizzazione digitale dei processi di prevenzione tramite Intelligenza artificiale

Introduzione

Camngo Srl opera nel settore metalmeccanico, offrendo soluzioni tecnologiche avanzate per la progettazione e produzione di componenti meccanici. L’azienda punta a migliorare efficienza e competitività attraverso innovazione digitale e automazione dei processi produttivi.

Il problema

Le aziende metalmeccaniche affrontano tempi lunghi e inefficienze nel processo di preventivazione, dovute alla necessità di analizzare manualmente ogni modello 3D per stimare costi e lavorazioni. I software tradizionali richiedono ancora una caratterizzazione manuale, rallentando il decision-making soprattutto con volumi elevati di richieste.

La soluzione

Il progetto sviluppa un sistema che analizza automaticamente i modelli 3D dei pezzi finiti, confrontandoli con un database storico di processi produttivi e costi tramite algoritmi di machine learning e deep learning. L’analisi morfologica automatizzata e la categorizzazione delle features consentono di stimare con precisione il costo di produzione, senza necessità di interventi manuali, velocizzando e ottimizzando il processo di preventivazione.

Tecnologie

Machine Learning supervisato e Deep Learning.

Analisi automatizzata di modelli 3D e feature extraction.

Algoritmi di categorizzazione e matching con database aziendale.

Simulazione AI dei processi produttivi.

Ottimizzazione dei parametri di produzione tramite AI.

Impatti desiderati

Incremento dell’efficienza operativa riducendo tempi e errori nella preventivazione

Riduzione degli sprechi e ottimizzazione dei materiali grazie a stime accurate

Miglior pianificazione produttiva con allocazione ottimale delle risorse

Scalabilità del business con capacità di gestire maggiori volumi senza aumentare i costi

Analisi dati in tempo reale per monitoraggio e correzioni immediate

Benefici per l’impresa

– Maggiore redditività attraverso preventivi più precisi e margini migliorati

– Riduzione dei costi operativi e automazione dei processi amministrativi

– Efficienza produttiva migliorata con riduzione dei ritardi

– Decisioni strategiche basate su dati predittivi e monitoraggio continuo

– Miglioramento della competitività e capacità di rispondere rapidamente alle richieste clienti

– Crescita sostenibile con gestione efficiente dei preventivi e posizionamento innovativo

– Rafforzamento della relazione con i clienti grazie a maggiore trasparenza e soddisfazione

AI MAnufacturing Testing and ExperimenTation network For EuRopean industrieS – AI MATTERS

Informazioni principali

AI MATTERS

Partner del nodo italiano

Hai bisogno di più informazioni?

Contattaci per saperne di più

Email

Contatta un membro del nostro team

alessandro.favalli@made-cc.eu

Chiedi ai nostri consulenti

Scopri di quali opportunità puoi usufruire

Contattaci!

Rimani aggiornato sulle iniziative di AI MATTERS

Segui la pagina LinkedIn ufficiale

Guarda le prossime iniziative AI MATTERS

Visita il sito del nodo italiano

Contesto: come nasce il progetto europeo

AI-MATTERS è un progetto realizzato nell’ambito del Digital Europe Program e finanziato dall’Unione Europea e dal MIMIT, è uno dei 4 network di AI TEF (Testing & Experimentation Facilities) che mira a promuovere l’adozione dell’intelligenza artificiale nel settore manifatturiero.

AI-MATTERS si articola in una rete composta 21 partner provenienti da otto paesi europei, tra cui Germania, Danimarca, Italia, Paesi Bassi, Repubblica Ceca, Francia, Spagna e Grecia. In Italia, il coordinamento è affidato a MADE Competence Center Industria 4.0, con la partecipazione di Fondazione Bruno Kessler e Concept Reply.

Gli obiettivi

Sostenere i fornitori di soluzioni e tecnologie AI per il settore manifatturiero attraverso l’offerta dedicata di servizi ed infrastrutture TEF (Testing & Experimentation Facility).

Fare dell’Europa un luogo di eccellenza nella produzione e nell’utilizzo di tecnologie e soluzioni di AI.

Sostenere il settore manifatturiero europeo attraverso l’adozione di soluzioni e tecnologie di AI (robotica, sistemi intelligenti ed autonomi di produzione, etc.).

Attraverso AI MATTERS puoi accedere a:

Proof of concept e prototipi

Demo e test su casi d’uso reali

Infrastrutture e tecnologie dedicate

Servizi su misura per fornitori AI

Scopri come accedere ai servizi di AI-MATTERS finanziati fino al 100%

AI-MATTERS da la possibilità di accedere ai propri servizi tramite finanziamenti che arrivano a coprire fino al 100% dei costi

Esplora

AI per pianificazione della domanda e ottimizzazione della produzione

Introduzione

Latteria Soresina è una storica cooperativa lattiero-casearia. Con oltre un secolo di esperienza, l’azienda si è affermata come leader nella produzione di formaggi italiani di alta qualità, tra cui il Grana Padano DOP, il Provolone Valpadana DOP e il burro, mantenendo un forte legame con il territorio e la tradizione.

Il problema

Storicamente, la funzione di pianificazione e produzione in Latteria Soresina è stata affidata all’abilità e alla memoria storica degli operatori dei reparti produttivi in funzione delle richieste commerciali puntuali (logica di make to order). Emerge dunque la necessità di effettuare la previsione della domanda (demand planning) in linea con le attuali esigenze di mercato, quali flessibilità, riduzione della dimensione del numero di lotti, frammentazione delle referenze e ottimizzazione dei flussi logistici in ingresso e in uscita.

Il rischio connesso alla gestione della domanda senza un sistema informativo a supporto comporta:

Uno sforzo rilevante da parte dei soggetti dedicati alla realizzazione del piano di produzione.

Il rischio di commettere errori di valutazione in termini di dimensionamento della capacità produttiva, quantificazione delle materie prime necessarie e stima della richiesta puntuale di mercato.

Maggiori difficoltà nella stima delle variazioni delle caratteristiche e delle abitudini dei consumatori.

Tecnologie

Intelligenza artificiale per la stima della domanda di mercato.

Advanced demand planning.

Impatti desiderati

Capacità di elaborazione strategica di diverse variabili che possono impattare la pianificazione secondo fattori variabili quali: promozioni, vendite push, stagionalità, meteo, TMC prodotti, shelf life residua, in/out clienti, lead time ordini.

Affidabilità nell’evasione degli ordini e nell’efficienza produttiva.

Benefici per l’impresa

Grazie alla riduzione dei costi di produzione, aumentano i margini di contribuzione operativa per singola famiglia di prodotto.

Diminuisce il time to market e allo stesso tempo si allunga la finestra temporale di commerciabilità del prodotto rispetto alla data di scadenza.

Maggiore comprensione delle necessità dei clienti, con conseguente allineamento con le aspettative e miglioramento del livello di servizio.

Maggior reattività sul mercato, in grado di adattarsi ai cambiamenti sempre più dinamici e puntuali.

Corso su commessa La Cultura del dato

Introduzione

Gruppo Gaser opera nel settore dei trattamenti superficiali per componenti metallici, servendo l’industria meccanica e manifatturiera con tecnologie avanzate e una forte attenzione alla qualità e all’innovazione.

Il problema

Nel contesto della trasformazione digitale, Gruppo Gaser ha identificato nella gestione e valorizzazione del dato un elemento strategico. Tuttavia, barriere culturali e operative rischiavano di rallentare l’adozione di tecnologie evolute come l’Intelligenza Artificiale nei processi aziendali.

La soluzione

È stato progettato un percorso formativo ad hoc, basato su casi concreti e adattato al contesto aziendale, per accrescere la consapevolezza dell’importanza del dato.

Il corso, strutturato in quattro fasi, ha incluso sessioni verticali su ambiti operativi chiave (es. documentazione e manutenzione), docenze a cura del Politecnico di Milano e attività svolte in collaborazione con partner tecnologici di MADE. L’approccio modulare ha garantito flessibilità e possibilità di evoluzione del programma in base alle esigenze future.

Tecnologie e metodologie

Data Governance e Data Strategy

Applicazioni di AI nel manufacturing

Ottimizzazione dei processi tramite l’uso dei dati

Approccio per fasi personalizzato

Impatti

Il corso ha promosso una trasformazione culturale sul valore del dato, abilitando le prime iniziative data-driven e gettando le basi per l’introduzione di sistemi di Intelligenza Artificiale nei processi produttivi.

Benefici per l’impresa

Maggiore consapevolezza aziendale sull’uso strategico del dato

Ottimizzazione di attività operative chiave grazie all’analisi dei dati

Abilitazione dei primi progetti AI interni

Maggiore efficienza e tracciabilità nei processi aziendali

Monitoraggio digitale della produzione e manutenzione

Introduzione

Lombarda S.p.A. è un’azienda specializzata nella produzione di manufatti in cemento destinati al settore delle costruzioni, offrendo soluzioni affidabili e di qualità per infrastrutture, edilizia residenziale, industriale e opere civili.

Il problema

Attualmente, il processo di gestione e controllo della produzione e della manutenzione macchinari e impianti viene realizzato in modalità manuale. In particolare, il responsabile della produzione rileva direttamente i parametri chiave della produzione, come tempistiche e produttività ma anche problematiche, errori e necessità di interventi manutentivi che possono incorrere durante i processi produttivi.

La soluzione

La soluzione proposta consente all’impresa di rilevare automaticamente i dati di processo attraverso la connettività tra i macchinari e un sistema informativo, permettendo il monitoraggio in tempo reale delle prestazioni e dello stato di funzionamento delle macchine.

Tecnologie

Sensori e soluzioni di revamping dei macchinari necessari per la rilevazione automatica dei parametri produttivi e di manutenzione.

Piattaforma digitale per il monitoraggio e controllo in tempo reale della produzione e delle manutenzioni.

Impatti desiderati

L’interconnessione degli impianti abilita la comunicazione automatizzata tra le macchine e il sistema informativo.

La produzione è ottimizzata pianificando in modo corretto gli ordini di produzione a seconda delle disponibilità delle macchine e del loro stato di funzionamento.

Il processo di manutenzione è ora caratterizzato da un approccio strategico: l’impresa potrà valutare la vita residua di ogni componente della macchina e quindi gestirne i piani di manutenzione al fine di diminuire i guasti e i fermi macchina.

Benefici per l’impresa

– Miglior efficienza nella gestione dei processi di produzione e di manutenzione.

– Minor scostamento tra i tempi di consegna previsti e quelli effettivi.

– Aumenta la velocità di rilevazione dei processi di produzione.

– Aumenta la disponibilità delle macchine grazie ad un nuovo approccio strategico alla manutenzione.

– Cambia il posizionamento nel panorama dell’innovazione, l’impresa acquisisce un vantaggio competitivo.

AI per prevenzione incendi industriali

Introduzione

Meccanica del Sarca si occupa della lavorazione meccanica del legno di noce per la produzione di calci e astine di fucili di carabine e caricatori.

Il problema

Una delle lavorazioni tipiche del processo di Meccanica del Sarca è la lavorazione del legno tramite macchine utensili, le quali, essendo cabinate, comportano accumuli di truciolo e polvere, generando un elevato rischio di incendio all’interno dell’impianto. Infatti, all’interno di tali macchine, si viene sempre a ricreare il cosiddetto triangolo del fuoco, ovvero vengono sempre riprodotte le 3 condizioni che possono innescare un principio di incendio: presenza contemporanea di combustibile, di comburente e della fonte d’innesco. Tali condizioni sono tipicamente dovute ad un aumento dello sforzo di taglio (causato dal contatto utensile – legno, da inclusioni non legnose all’interno della matrice o a zone ad alta densità all’interno del legno) che porta ad un aumento localizzato di calore e quindi ad un principio di innesco di incendio con conseguenze potenzialmente devastanti.

Per tale motivo, l’azienda è in una condizione di alto rischio di incendio nel processo di lavorazione meccanica, anche perché, i sensori antincendio e quelli di rilevamento fumo/calore, tipicamente in commercio non si sono rilevati efficaci.

La soluzione

La soluzione sussiste nello sviluppo di un algoritmo che analizzi in tempo reale le immagini di una normale telecamera HD installata all’interno delle macchine utensili e che sia in grado di individuare anomalie di lavorazione che potenzialmente possono creare le condizioni per l’innesco di un incendio. L’efficacia di un simile algoritmo garantisce l’immediata segnalazione di una criticità in tempo reale consentendo poi una strategia di intervento che può differire a seconda del livello di rischio e alla specifica organizzazione aziendale.

Tecnologie

Intelligenza artificiale applicata a tecniche di computer vision utilizzata per l’identificazione automatica e in tempo reale delle scintille che potrebbero innescare l’incendio.

Sistema intelligente di monitoraggio continuo che tramite normali telecamere ottiche posizionate nelle macchine individui automaticamente e in tutte le condizioni operative situazioni di pericolo incendio generando un segnale di allarme.

Impatti desiderati

La generazione di un algoritmo di intelligenza artificiale permette di dotare una tradizionale telecamera di funzionalità aggiuntive: identificazione e classificazione delle condizioni di pericolo e di rischio opportunatamente catalogate per le lavorazioni di Meccanica del Sarca.

L’integrazione tra le funzionalità di connettività offerte dalla telecamera e quelle offerte dall’algoritmo di AI permettono di effettuare attività di rilevazione, identificazione e “detection” in tempo reale.

L’integrazione e la connessione della soluzione descritta con il sistema di allarme permette di creare un sistema intelligente di monitoraggio real time delle condizioni di lavoro del processo di lavorazione meccanica del legno, abilitando l’azienda a permettersi di effettuare le lavorazioni in maniera non presidiata.

Benefici per l’impresa

Miglioramento della gestione del rischio: in base all’identificazione del pericolo è possibile identificare la soluzione più idonea per mitigare il pericolo rilevato.

Riduzione dei danni dovuti a incendi scatenati all’interno dell’impianto e ai relativi fermi macchina: si ritiene che con questo sistema si possa ridurre del 90% l’impatto economico dei potenziali danni dovuti ad incendi.

Implementazione di una soluzione intelligente che va oltre le funzionalità offerte dalle soluzioni di mercato: eventuale possibilità di proteggere, tramite privativa industriale, i risultati ottenuti dalla soluzione prototipale, oggetto del progetto di innovazione.

FLASH COMP

Informazioni principali

Paesi partecipanti

8

Partner

14

FLASH COMP

Partner

Scopri di più
Hai bisogno di più informazioni?

Contattaci per saperne di più

Email

Contatta un membro del nostro team

info@made-cc.eu

Il problema

La riduzione dei rifiuti è essenziale per la transizione climatica europea. I compositi, sempre più usati in settori strategici, vedono una crescente adozione del processo LRI, apprezzato per efficienza, qualità e costi. In Europa, un terzo dei 2,4 milioni di tonnellate di compositi annui è prodotto tramite infusione.

Gli obiettivi specifici del progetto

Obiettivo principale: sviluppare una soluzione di controllo qualità veloce, affidabile e orientata all’uomo (FLASH) per individuare tempestivamente difetti nei processi di produzione LRI (Liquid Resin Infusion).

Tecnologie impiegate: uso di tecniche di ispezione e monitoraggio avanzate (FLASH-IM) nelle fasi critiche di preformazione e infusione.

Analisi dei dati: recupero dei parametri chiave del processo per stimare la gravità dei difetti tramite un sistema basato su intelligenza artificiale (FLASH-DSET).

Supporto decisionale: sistema decisionale integrato (FLASH-DSS) che guida l’operatore nell’esecuzione di azioni correttive immediate e mirate, sfruttando strategie di controllo in tempo reale FF/FB (feedforward/feedback).

Obiettivo finale: raggiungere una produzione ‘first-time-right’ a zero difetti e zero rifiuti, migliorando la sostenibilità e riducendo lo spreco di materiali compositi polimerici.

Condivisione intelligente: promozione della condivisione di dati interoperabili e sovrani tra diversi siti produttivi per aumentare l’efficienza e la competitività dell’industria dei compositi.

I risultati

Dimostrare un aumento significativo della produzione sostenibile attraverso sistemi di controllo migliorati e metodi di monitoraggio non distruttivi;

Sviluppare metodologie e strumenti per prevenire l’insorgere di difetti a livello di componenti e la loro diffusione a livello di sistema;

Creare nuovi metodi diagnostici per il monitoraggio in situ della produzione industriale;

Garantire un uso efficiente dei materiali, strategie di riparazione e riduzione dei costi e dei tempi di produzione.

Il ruolo di MADE4.0

Simulazione e modellazione (gemelli digitali) che coprono il livello di lavorazione dei materiali fino al sistema di produzione;

Analisi dei dati, intelligenza artificiale, apprendimento automatico e implementazione di piattaforme digitali per la gestione e la condivisione dei dati.

Scopri la percentuale di finanziamento dedicata alla tua azienda!

Esplora