Industrial AI Challenge – imprese selezionate 2023

Adige S.p.a – parte del gruppo BLM – è una realtà industriale con sede a Levico Terme, votata alla progettazione, alla costruzione e alla digitalizzazione di impianti per la lavorazione del tubo.

L’azienda è interessata ad ottenere un algoritmo che supporti la pianificazione della produzione suggerendo sia azioni di pianificazione del fabbisogno di materiali sia azioni di rinvio degli acquisti in caso di riduzione dei consumi.

Bonfiglioli è un’azienda italiana a conduzione familiare presente in tutto il mondo che progetta, produce e distribuisce soluzioni efficaci e su misura per tutti i tipi di applicazioni nell’automazione industriale, nelle macchine mobili e nell’energia eolica.

Ad oggi, l’azienda ha già sviluppato algoritmi di ML in grado di prevenire possibili situazioni critiche o malfunzionamenti degli impianti. Tenendo in considerazione lo stato dell’arte, la richiesta è quella di integrare le capacità di comprendere dati non strutturati e di generare codice dei Large Language Models (LLM) nello sviluppo degli algoritmi.

Dolomiti Energia è la società commerciale del Gruppo Dolomiti Energia che fornisce soluzioni di energia e gas a famiglie e imprese.

Analizzare il traffico multicanale inbound del call center di Dolomiti Energia utilizzando il NLP – Natural Language Processing per identificare le varie tipologie di richieste ed esigenze con l’obiettivo di sviluppare suggerimenti per migliorare l’attuale modalità di gestione delle stesse.

Fondata nel 1872, Pirelli è un’azienda dalle profonde radici italiane, un brand riconosciuto in tutto il mondo per le sue tecnologie all’avanguardia, la sua capacità di innovazione e la qualità dei suoi prodotti.

Il progetto proposto dall’azienda si sviluppa nell’area della vulcanizzazione degli pneumatici e mira a costruire un sistema in grado di anticipare i malfunzionamenti della pressa fin dalle fasi iniziali con lo scopo di ridurre gli scarti e le inefficienze produttive, attraverso una logica di Manutenzione Predittiva del guasto.