L’intelligenza artificiale come vantaggio competitivo per le PMI del manufacturing

Ecco come l'intelligenza artificiale può diventare un vantaggio competitivo per le PMI del settore manifatturiero: progetti innovativi e strategie pratiche presentate durante la Demo Experience organizzata da MADE-Competence Center Industria 4.0 in collaborazione con i partner Avvale, NTT DATA Italia e Politecnico di Milano

L’intelligenza artificiale (AI) sta rapidamente guadagnando terreno come tecnologia chiave per migliorare l’efficienza e la competitività delle imprese, incluse quelle del settore manifatturiero. Molte piccole e medie imprese stanno però fronteggiando la sfida di capire come implementare efficacemente l’AI in processi applicativi dai quali possano trarre benefici in termini di efficienza (tempi, consumi, scarti) e qualità.

Per aiutare le PMI a orientarsi nella fase di transizione digitale e per comprendere a pieno le potenzialità derivanti dall’applicazione dell’Intelligenza Artificiale, MADE - Competence Center Industria 4.0, insieme ai partner Avvale, NTT DATA e Politecnico di Milano, ha organizzato una Demo Experience in cui si è parlato di progetti innovativi e condiviso attraverso case study strategie e pratiche messe in atto dalle aziende che hanno già intrapreso il percorso di adozione dell’AI.

L’intelligenza artificiale: definizione, applicazioni e benefici nel manufacturing

L’evento è stato un’occasione per sfatare i miti legati all’Intelligenza Artificiale, a partire dalla sua definizione: Jessica Leoni, Assistant Professor del Politecnico di Milano, ha delineato il concetto di AI, spiegando come, per allenare i modelli e per ‘mettere a regime’ gli algoritmi di intelligenza artificiale sia necessario avere a disposizione una solida quantità di dati e quindi quanto una infrastruttura4.0 sia necessaria per un’AI utile al contesto in cui viene inserita. Si è evidenziato come di fatto l’AI, attraverso anche l’apprendimento automatico, può analizzare dati complessi e non strutturati, migliorando continuamente le sue performance.

L’AI nelle PMI manifatturiere: il ruolo di MADE 4.0

Per affiancare le PMI nell’implementazione dell’AI, MADE 4.0 ha ideato il servizio AI Strategy, articolato in quattro fasi principali:

1. Valutazione iniziale: analisi dei processi aziendali e del grado di maturità digitale dell’impresa.

2. Identificazione e mappatura dei processi: mappatura precisa dei processi e valutazione della loro collocazione nell’ambito della competitività aziendale.

3. Identificazione degli use case: identificazione di use case specifici per l’azienda e strategie di implementazione.

4. Implementazione: supporto nell’implementazione degli use case selezionati, con la possibilità di procedere autonomamente o con altre risorse.

La fruizione di questo servizio può essere agevolata grazie ai fondi messi a disposizione da M.I.A. Lombardia, un consorzio di 12 entità, tra cui MADE 4.0, che supporta le imprese per la realizzazione di progetti di innovazione. Questo consorzio permette alle aziende di accedere a servizi di consulenza tecnologica a prezzi agevolati, con sconti in fattura che possono rendere tali servizi quasi gratuiti per le PMI.

L’intelligenza artificiale offre opportunità significative per migliorare l’efficienza e la competitività delle PMI manifatturiere. Attraverso progetti concreti e il supporto di MADE 4.0, le PMI possono superare le sfide legate all’implementazione dell’AI, sfruttando appieno il potenziale di questa tecnologia. Con un approccio strutturato e il giusto supporto, le PMI possono ottenere un vantaggio competitivo duraturo, migliorando i processi e supportando la forza lavoro nelle attività quotidiane.

I casi pratici presentati durante la Demo Experience: NTT Data e Avvale

Passando dalla teoria alla pratica, il Progetto Chaplin, sviluppato da NTT Data Italia per un cliente del settore aerospaziale e della difesa aveva come obiettivo l’introduzione di una gestione paperless negli stabilimenti di produzione, centralizzando le informazioni testuali non strutturate in dati tabellari e aumentare la tracciabilità attraverso una struttura standard dei dati. La soluzione basata sull’AI ha permesso di analizzare dati testuali non strutturati, storicizzare le elaborazioni e migliorare continuamente le performance.

Il sistema utilizza un’applicazione web per interagire con i cicli di lavoro, garantendo la tracciabilità dei dati e permettendo modifiche e arricchimenti ai dati stessi, quindi alle basi di conoscenza. Grazie alla capacità di analizzare testi in linguaggio naturale, l’AI può identificare pattern e correlazioni, classificando i testi ed estraendo le informazioni più rilevanti. Questo processo è abilitato dal trasferimento di conoscenza da parte degli esperti di dominio tramite l’etichettatura dei dati.

Un altro progetto gestito da NTT Data Italia, AI Prism, si pone l’obiettivo di risolvere problematiche riguardo il tema della sicurezza degli operatori in ambienti di lavoro avanzati, dove coesistono macchine e robot. AI Prism utilizza la visione artificiale per monitorare gli spazi di lavoro, rilevando situazioni di pericolo e attivando dispositivi di allarme. Il sistema verifica, ad esempio, che i lavoratori non attraversino aree pericolose e rileva carrelli elevatori in movimento, garantendo un’interazione sicura tra macchine e operatori.

L’AI per l’analisi macroeconomica e per le verifiche amministrative

È stato poi presentato da Avvale un progetto che sfrutta l’AI per supportare le analisi macroeconomiche. Utilizzando Azure OpenAI, di fatto è stato creato un sistema interrogabile con domande in linguaggio naturale, capace di generare risposte da una Knowledge Base documentale predisposta ad hoc. Questo sistema può estrarre informazioni da documenti eterogenei, strutturarle in diverse Knowledge Base e fornire risposte dettagliate e precise, migliorando la qualità e la tempestività delle decisioni aziendali.

Un altro caso presentato da Avvale riguarda l’automazione delle verifiche amministrative nelle attività di gara. Utilizzando tecniche di intelligenza artificiale, il sistema sfrutta servizi di OCR e machine learning per estrarre testo da documenti e eseguire verifiche amministrative. Questo approccio riduce significativamente il tempo necessario per le verifiche, migliorando l’efficienza e la precisione del processo.