Il progetto “InCop”
Nell’ambito dell’iniziativa FAIR – “Industry 5.0 Collaborative Platform” Revelis ha sviluppato una piattaforma per l’Industria 5.0 con l’obiettivo di connettere persone, processi, informazioni e oggetti in un ecosistema unico e interoperante, offrire un supporto decisionale nella creazione di prodotti e servizi su misura per ogni cliente e supportare il personale nell’esecuzione dei task, tramite indicazioni e suggerimenti personalizzati per ottimizzare l’esecuzione dei suoi compiti, ridurre i tempi di lavoro e migliorare l’efficienza operativa con una diminuzione dei costi di produzione.
Tipo di progetto: Bando pubblico per la selezione di proposte progettuali, finalizzate alla concessione di finanziamenti per attività coerenti con il programma a valere sulle risorse del piano nazionale ripresa e resilienza (PNRR) missione 4, “Istruzione e Ricerca” – Componente 2, “dalla ricerca all’impresa” – linea di investimento 1.3, finanziato dall’unione europea – nextgenerationeu”, progetto “Future Artificial Intelligence Research – FAIR” PE0000013, Spoke 9 CUP H23C22000860006.
Obiettivi del progetto
Gli obiettivi principali del progetto InCoP sono i seguenti:
– Sviluppare una piattaforma tecnologica versatile e scalabile, capace di supportare i principi dell’Industria 5.0 in diversi settori industriali. La piattaforma è modulare e adattabile, e permette l’integrazione di nuove funzionalità e tecnologie.
– Validare la piattaforma in un contesto reale, inizialmente presso Target S.p.A., un’azienda specializzata nella produzione di prodotti da forno nell’area di Catanzaro. L’obiettivo a lungo termine è di estendere la validazione ad altri settori.
– Migliorare l’efficienza e la flessibilità del processo produttivo attraverso l’analisi dettagliata delle attività e la progettazione di soluzioni basate su Machine Learning (ML), Deep Learning (DL) e Reasoning. L’intento è creare un sistema produttivo più intelligente e adattabile.
– Abilitare la personalizzazione di massa dei prodotti grazie a un modulo specifico della piattaforma, rispondendo alle esigenze individuali dei clienti
Caratteristiche distintive
Le caratteristiche peculiari del progetto InCoP includono:
– L’utilizzo del paradigma Internet of Everything (IoE) per connettere persone, processi e dati in un ecosistema unico e interoperante.
– Lo sviluppo di un modulo per l’esecuzione intelligente dei task, a supporto dei lavoratori e della loro sicurezza.
– La creazione di un modulo di personalizzazione di massa per il beneficio del cliente e la riduzione degli sprechi di risorse.
– L’impiego di metodologie scientifiche avanzate per l’analisi di fattibilità, l’analisi dei dati (come CRISP-DM e la modellazione con Answer Set Programming – ASP) e la progettazione (come il Design Thinking e l’approccio Agile).
– La previsione di un significativo incremento dell’efficienza operativa del 40% ed una riduzione dei costi di produzione per prodotto del 20% per l’azienda sperimentatrice
Il caso applicativo
La piattaforma InCop si basa su metodologie basate su AI, Internet of Everything (IoE) e automazione industriale intelligente ed è stata validata in un ambito applicativo: Target S.p.A., un’azienda che opera nell’area di Catanzaro ed è specializzata nella produzione di prodotti panificati quali pane, pizza, focacce e snack.
Le tecniche allo Stato dell’Arte utilizzate nel progetto ricadono nelle aree: Internet of Everything, Machine Learning e Deep Learning, Ragionamento automatico.
Internet of Everything
Evoluzione dell’IoT, con l’obiettivo di connettere persone, processi, informazioni e oggetti in un ecosistema unico e interoperante. La complessità e l’eterogeneità delle risorse nell’IoE richiedono architetture in grado di gestire l’interoperabilità a livello tecnico, sintattico, semantico e strutturale. I repository dei dati, basati su tecnologie NoSQL, memorizzano dati eterogenei in un formato comune e accessibile. Tali architetture supportano anche l’analisi e l’estrazione di informazioni utili per il processo decisionale.
Ragionamento automatico
L’uso di programmi logici e di tecniche dell’Answer Set Programming consentirà di supportare il personale di Target nell’esecuzione dei task, tramite indicazioni e suggerimenti personalizzati per ottimizzare l’esecuzione dei suoi compiti, riducendo i tempi di lavoro, migliorando l’efficienza operativa e diminuendo i costi di produzione nonché il rischio di infortuni sul lavoro.
Machine Learning e Deep Learning
Tramite algoritmi descrittivi e predittivi per la personalizzazione di massa, Target riceverà un supporto decisionale nella creazione di prodotti e servizi su misura per ogni cliente.
Piano di Innovazione
Le attività per la realizzazione della piattaforma InCop sono organizzate in 3 macro-fasi
Analisi di Fattibilità
Analisi del processo produttivo e delle attività manuali.
Verifica dell’applicabilità del framework del WP9.6 rispetto al processo produttivo analizzato.
Specifica del caso d’uso
Definizione dei risultati attesi, delle metriche per valutarli e quantificazione dell’impatto potenziale.
Progettazione delle tecniche di ML per la mass-personalization, e delle tecniche di (Stream) Reasoning per supportare il personale nell’esecuzione dei task.
Progettazione della piattaforma per il caso d’uso.
Sviluppo e validazione della piattaforma
Modulo per l’esecuzione intelligente dei task, sulla base dell’analisi dei comportamenti dei dipendenti.
Modulo per la personalizzazione massiva di prodotti, per garantire l’efficienza organizzativa.
