Intelligenza artificiale: come può migliorare i modelli di realizzazione e controllo di produzione

Obiettivi

Capire i concetti basilari di intelligenza artificiale e machine Learning. Individuare le opportunità dell’intelligenza artificiale e quali sono i passi per implementare sistemi di intelligenza artificiale nelle applicazioni industriali. Conoscere le potenzialità dei sistemi di machine learning e i limiti applicativi.

Destinatari

Direzione Tecnica, Direzione Operations, Operational Excellence, Engineering, Industrializzazione.

Durata

1 giorno

Metodologia

Incontri di formazione teorica, presentazione di casi aziendali esterni (immagini, relazioni di analisi/interventi migliorativi/ostacoli) e attività di esercitazione in gruppi di lavoro relativamente ai concetti introdotti. Assieme a una parte dedicata all’analisi critica della propria realtà

Contenuti

1.  Cosa si intende per intelligenza artificiale e machine learning
   Definizione e concetti chiave dell’intelligenza artificiale e del machine learning
2. Storia dell’intelligenza artificiale e la sua evoluzione
   Breve evoluzione storica dell’IA, dalle origini ai giorni nostri
3. Cosa si intende per deep learning e quali sono i metodi di apprendimento delle macchine
   Approfondimento sul deep learning e le tecniche di apprendimento automatico
4. Comprendere le potenzialità dei sistemi di machine learning
   Analisi delle capacità e delle applicazioni pratiche del machine learning nei vari settori industriali
5.  Le principali tecnologie e applicazioni dell’intelligenza artificiale nei processi manifatturieri
   Panoramica delle tecnologie IA utilizzate nei processi di produzione industriale
6. Quali sono i limiti dell’intelligenza artificiale
   Esplorazione delle limitazioni tecniche e applicative dell’IA
7. Sperimentazione
   
   • Profili professionali per la raccolta, l’analisi e la rielaborazione dei dati
     • Panoramica sui principali profili professionali e relativi strumenti software per la gestione complessiva dei dati.
   • Esempi di applicazioni in contesti reali e produttivi:
     • Controllo qualità: Utilizzo di tecniche di machine learning per il miglioramento della qualità dei prodotti.
     • Manutenzione impianti: Applicazioni di IA per la manutenzione predittiva e preventiva.
     • Monitoraggio processi: Implementazione di sistemi di monitoraggio avanzati per l’ottimizzazione dei processi produttivi.
     • Programmazione produzione: Ottimizzazione della programmazione della produzione tramite algoritmi di IA.
   • AI Generativa
     • Definizione e principi
       • Comprendere cosa sia l’intelligenza artificiale generativa e come differisca dalle altre forme di IA.
     • Esempi di applicazione
       • Creazione di contenuti: Come l’AI generativa può essere utilizzata per la creazione automatica di testi, immagini e altri contenuti.
       • Design e prototipazione: Utilizzo dell’IA generativa per accelerare il processo di design e sviluppo di nuovi prodotti.
   • Approfondimento su come i dati possono essere raccolti, analizzati e integrati nei sistemi aziendali per ottenere insight utili e migliorare le decisioni strategiche.
   • Case study su progetti di integrazione di sistemi di intelligenza artificiale in grandi organizzazioni, evidenziando i benefici ottenuti.
   • Esempi di implementazione di sistemi automatizzati nel settore industriale, con un focus sulle soluzioni commerciali disponibili e i loro vantaggi competitivi.