Una soluzione end-to-end per il monitoraggio e l’ottimizzazione di asset e processi, tramite piattaforme IoT. Partendo dal bordo macchina, dove sensori fisici e virtuali consentono il real-time condition monitoring, fino all’integrazione dei dati nei sistemi MES, illustreremo come algoritmi di intelligenza artificiale abilitino analisi avanzate e simulazioni.

 L’AI è fattore distintivo ed indiscusso di innovazione nel contesto della trasformazione digitale. Una specifica necessità industriale, in rapidissima crescita a livello globale, è di poter disporre di applicazioni operative ed integrate (applied AI), a compimento del percorso di sperimentazione e prototipazione. Aizoon espone in tale ottica un portafoglio di soluzioni  – approfondite per metodo, risultati e dimostrazioni –  in risposta ad esigenze di sostenibilità, transizione energetica, qualità e manutenzione.

Digital Lake è una data platform avanzata progettata per supportare le imprese nell’adozione di tecnologie AI, trasformando i dati in uno strumento strategico per i decision maker aziendali. Grazie a soluzioni di AI ontop, come Retrieval-Augmented Generation (RAG), advanced customer service, demand planning e recommendation systems, Digital Lake abilita l’ottimizzazione dei processi in tutte le fasi aziendali, dalla progettazione alla vendita. Un’infrastruttura digitale scalabile e trasversale, pensata per migliorare la competitività e la gestione dei dati nell’industria 4.0.

Applicazione in cui vengono integrate visione e AI per il riconoscimento dei pezzi da manipolare con il robot. L’applicazione utilizzerà un sistema di visione 2D per riconoscere gli oggetti provenienti da un alimentatore rotante, valutare le possibili modalità di presa e guidare il robot nel prelievo. La visione 2D impiegherà algoritmi di AI per identificare e categorizzare gli oggetti indipendentemente dalle loro variazioni di geometria, aspetto e luminosità, mostrando quindi come l’AI sia in grado di generalizzare l’oggetto ricercato, superando le limitazioni della visione tradizionale, basata sul riconoscimento di specifici e costanti elementi geometrici. Inoltre, la parte di insegnamento per il riconoscimento dei pezzi viene eseguita dall’operatore mediante un’interfaccia semplificata.

AIENG sta rivoluzionando la progettazione industriale con un approccio basato sull’AI che supera la tradizionale physical BOM (Bill of Materials), introducendo un AI driven Digital Thread, una piattaforma digitale intelligente che combina e le tecnologie XAI e GEN-AI. Questa piattaforma integra i dati provenienti da PLM, ERP, CAD, sistemi legacy e strumenti Office, creando un ecosistema unificato per la progettazione e lo sviluppo.

Il “Car Simulator” sviluppato da Reply e Amazon Web Services AWS è una piattaforma di simulazione basata su AI che apprende lo stile di guida del conducente attraverso dati veicolari e sensori, come telecamere che monitorano comportamento, distrazione e sonnolenza. Il sistema assiste il conducente con avvisi acustici e visivi per aumentare sicurezza ed efficienza. Inoltre, offre suggerimenti per ottimizzare i consumi, adattandosi in tempo reale allo stile di guida personale.

La prima demo è GenAIX, un assistente virtuale pensato per supportare i processi di simulazione e sviluppo nella produzione di pneumatici, con applicazioni estendibili a diversi ambiti manifatturieri. GenAIX sfrutta l’AI generativa per ottimizzare ogni fase del ciclo di sviluppo virtuale: creazione di modelli virtuali e simulazioni personalizzate per analizzare le prestazioni rispetto ai requisiti. Miglioramento dell’efficienza nella progettazione, nel testing e nell’analisi dei dati per il settore manifatturiero. Integrazione con strumenti come Python, Matlab e Simulink per automatizzare e ottimizzare i processi produttivi.
La seconda demo, PLA Production Losses Analysis, è una metodologia strutturata, derivata dal Cost Deployment di WCM, per l’analisi dei costi di produzione per: identificare e quantificare l’origine delle loss, ridurre il costo della mancata qualità (CoPQ), comprendere le cause degli sprechi, individuare le priorità delle azioni di miglioramento, ridurre i costi di produzione, e migliorare la redditività.

Thales Alenia Space presenta il prototipo di rover lunare EMRS, sviluppato in collaborazione con l’ESA, come esempio di piattaforma flessibile e autonoma, progettata per affrontare una vasta gamma di profili di missione e contribuire significativamente all’esplorazione della Luna.
Il progetto include l’applicazione di algoritmi di intelligenza artificiale per la segmentazione del terreno durante le operazioni di guida autonoma. Questi algoritmi migliorano significativamente la navigazione, permettendo di raggiungere velocità superiori rispetto agli standard attuali e di identificare ed evitare zone potenzialmente pericolose per il rover.

TIM presenta una soluzione AI applicata alle manualistiche aziendali, interrogabile con linguaggio naturale per accedere rapidamente alle informazioni, superando barriere linguistiche e di età.

“ADone” è un veicolo autonomo che risponde ad una nuova forma di mobilità condivisa. Grazie all’integrazione di tecnologie sofisticate e innovative, ADone, nelle sue varie applicazioni, è stato sviluppato e realizzato per offrire un servizio di trasporto moderno, smart ed ecosostenibile con un focus sull’efficienza, la sicurezza e il comfort.

Una dimostrazione su come sia possibile, partendo da un oggetto reale – la Fiat 500 – accedere alla relativa documentazione tecnica come manuali d’uso e manutenzione. Tramite un’app, viene riconosciuto l’oggetto in Realtà Aumentata e viene avviata una ricerca “per concetti” su una piattaforma remota, che è la piattaforma BoK – Branches of Knowledge, soluzione di Knowledge Management di R-Tree. La chiamata ricevuta dall’app genererà una vera e propria ricerca basata su IA Generativa. Da qui, la piattaforma remota potrà “dialogare” con l’intera knowledge base dell’oggetto riconosciuto tramite AR, ponendo delle domande in linguaggio naturale tramite Agenti Autonomi basati anch’essi su IA Generativa. La piattaforma potrà inoltre continuare la navigazione sulla conoscenza partendo dalla prima ricerca eseguita tramite app ampliandola a propria discrezione.

Inspekto è una soluzione completa di AI dedicata all’ispezione visuale per il controllo della qualità nell’ambito manifatturiero, che dispone di una semplicità d’uso ed immediatezza senza precedenti. Il sistema è, infatti, in grado di ispezionare diversi tipi di prodotti rilevandone i difetti in maniera estremamente precisa ed efficace senza alcuna necessità di predisporre di competenze specifiche di intelligenza artificiale e/o visione, gestendo in autonomia l’illuminazione, la cattura dell’immagine e il riconoscimento degli oggetti. Con una specifica demo verrà illustrata la semplicità con cui viene effettuato il training dell’AI ed il funzionamento della soluzione in pochi semplici passi.

Sperimentazione di algoritmi basati su AI, computer vision e machine learning per fornire assistenza di primo livello agli utilizzatori di macchinari, analizzando immagini provenienti da scansioni a raggi X per identificare problemi di configurazione. In base all’immagine ricevuta, l’algoritmo inizia una classificazione automatica per determinare se è presente o meno un problema di configurazione del macchinario. Quando il sistema trova un macchinario che riscontra una delle sei tipologie di errori previste, mostrerà a video l’immagine con la foto analizzata, e fornirà all’operatore di linea l’errore relativo al tipo di difetto, nonchè le azioni di assistenza che dovrebbero essere eseguite per tornare alla situazione ideale di produzione.
Ad oggi, questi tipi di problemi vengono analizzati manualmente. Gli algoritmi hanno l’obiettivo di abbattere i tempi di intervento dei tecnici, che verrebbero così contattati solo per la risoluzione di problematiche più specifiche.

L’azienda presenta un’applicazione per l’addestramento e il mantenimento di un’intelligenza artificiale direttamente a bordo linea.

Applicazione di Object Detection e lettura OCR su pastiglie farmaceutiche, identificando diverse tipologie e caratteri alfanumerici in debossing.

Dimostrazione dell’utilizzo dell’intelligenza artificiale per condurre un controllo di qualità visivo avanzato sulle ruote dei motocicli nel contesto della produzione che avviene nello stabilimento Honda Italia di Atessa. L’obiettivo è rilevare e identificare difetti o imperfezioni nella superficie delle ruote o nella fase di montaggio delle stesse, per ogni ruota montata, acquisendo immagini ad alta risoluzione elaborate da algoritmi di IA a loro volta addestrati con dataset sintetici creati dinamicamente dalla computer graphics.

Anteprima di una soluzione automatizzata di selezione e smistamento colli di banane basata su tecniche AI di riconoscimento immagine per l’identificazione del grado di maturità raggiunto dopo la fase di maturazione in cella. Progettata per funzionare in condizioni ambientali variabili ed in condizioni di ispezione rese complesse dalla presenza di pellicole di copertura, umidità, condensa, dimensioni irregolari e posizioni variabili. Inserire in produzione un sistema di controllo automatico rappresenta oltre che un efficientamento anche un miglioramento della qualità della vita degli operatori