Anagrafe della ricerca

L’obiettivo principale è garantire la qualità del prodotto finale, ridurre gli scarti e ottimizzare i consumi energetici, promuovendo al contempo una produzione sostenibile ed efficiente. Caratteristiche distintive del progetto 1. Tecnologie avanzate di Knowledge-Guided Machine Learning (KGML) ? Il sistema combina l’analisi dei dati raccolti in produzione con modelli fisici delle proprietà dei materiali e dei processi, garantendo previsioni precise anche in contesti con dati limitati. ? Questa integrazione consente di rilevare in tempo reale eventuali anomalie e difetti nei parametri di processo, migliorando la resilienza produttiva. 2. Soluzioni auto-adattative e human-in-the-loop ? Modelli prescrittivi e auto-adattativi che forniscono suggerimenti operativi agli operatori, supportandoli nelle decisioni in linea e minimizzando l’impatto della discrezionalità umana. ? Un’interfaccia user-friendly facilita l’interazione tra l’operatore e il sistema, promuovendo una supervisione attiva e collaborativa. 3. Riduzione di scarti e consumi ? L’ottimizzazione dei parametri operativi riduce drasticamente la produzione di scarti e il consumo di risorse, con benefici sia economici che ambientali. ? La capacità di prevenire difetti e variazioni non conformi consente di raggiungere standard qualitativi elevati, migliorando la competitività del settore. 4. Impatto sostenibile e replicabilità ? Il progetto mira a introdurre tecnologie scalabili e replicabili in altre filiere industriali, favorendo la transizione verso una produzione più sostenibile e digitale. ? La soluzione è progettata per adattarsi a diversi contesti produttivi, promuovendo un approccio trasversale all’innovazione. Grazie a questa combinazione di intelligenza artificiale, modellazione fisica e interazione uomo-macchina, il progetto rappresenta un passo avanti verso l’industria 4.0, contribuendo a una trasformazione positiva dell’intero settore delle materie plastiche. La soluzione non solo migliorerà l’efficienza produttiva, ma offrirà anche un modello per una produzione più responsabile e resiliente.