SMACT co-finanzia con 1,8 milioni di euro le aziende che lavorano con i centri di ricerca

DALL’INNEVAMENTO CON IL MACHINE LEARNING AL SOCIAL NETWORK PER VALUTARE I FORNITORI SMACT SOSTIENE IL NORDEST DELL’INNOVAZIONE ECCO I 17 PROGETTI FINANZIATI CON IL PRIMO BANDO

Dughiero: «Stiamo già lavorando al secondo bando, che verrà pubblicato in autunno, e alla costruzione delle Live Demo».

Dall’impianto di innevamento intelligente che sfrutta il machine learning al social network per valutare i fornitori. Dalla visualizzazione in 3D per scoprire difetti nei componenti meccanici alla chiave a radiofrequenza per le flotte di auto in car sharing. Sono alcuni dei 17 i progetti vincitori del Bando Innovazione, Ricerca Industriale e Sviluppo Sperimentale 2019, il primo pubblicato da SMACT Competence Center, il centro di eccellenza per favorire il trasferimento tecnologico creato da 40 partner tra cui le otto Università del Triveneto (Università di Padova, Verona, Ca' Foscari, IUAV, Trento, Bolzano, Udine e SISSA di Trieste), due centri di ricerca (Fondazione Bruno Kessler e Istituto Nazionale di Fisica Nucleare), la Camera di Commercio di Padova, ComoNExT e alcune tra le aziende più innovative del territorio.

I progetti selezionati verranno realizzati con il co-finanziamento del Ministero dello Sviluppo Economico per un totale di 1,8 milioni di euro: per ciascuno di loro il bando ha previsto un contributo fino a 200mila euro per un massimo del 50% del valore. L’investimento complessivo, tra privati e MISE, è di 4 milioni di euro. L’affiancamento tra imprese e laboratori è la specificità di SMACT: ai progetti co-finanziati lavoreranno 24 gruppi di ricerca ed è previsto il deposito di 10 brevetti legati ai progetti.

Ogni impresa aveva la possibilità di candidare fino a due proposte progettuali innovative che, facendo leva su una o più tecnologie ambito di SMACT – Social networks, Mobile Platforms & Apps, Advanced Analytics and Big Data, Cloud computing, Internet of Things –, mirassero all’ottimizzazione dei processi produttivi, al miglioramento e innovazione di prodotto, all’innovazione dei modelli di business e organizzativi.

«La qualità dei progetti approvati è lo specchio di un tessuto di imprese che avverte non solo il bisogno di innovazione tecnologica ma anche quello di un accompagnamento ai rapporti con la ricerca più avanzata che si può trovare nei dipartimenti universitari – commenta Fabrizio Dughiero, presidente del consiglio di gestione del Competence Center –. Stiamo già lavorando al secondo bando, che verrà pubblicato in autunno, e alla costruzione delle Live Demo, la rete di centri tematici che porteranno le tecnologie nei territori: apriranno a Bolzano, Rovereto, Verona, Padova e in diverse sedi in Friuli-Venezia Giulia».

LE AZIENDE E I PROGETTI VINCITORI

Wartsila Italia (Trieste) – Il progetto HMPO di Wartsila Italia Spa, azienda leader nella costruzione di grandi motori, prevede di introdurre nei processi di produzione la manutenzione predittiva grazie all’uso di IoT, analisi di big data e Analytics oltre che Machine Learning. Implementando la possibilità di predire le situazioni di rischio crescono l’affidabilità e la qualità del prodotto finito.

Il secondo progetto di Wartsila, SHEMS, si concentra sull’aumentare l’efficienza dei sistemi ibridi all’interno dei motori navali, in condizioni metereologiche anomale e imprevedibili. Attraverso processi di Machine Learning e simulazioni di modelli fisici il motore è portato a autoregolarsi. Questa autoregolazione permette di compiere le dovute retroazioni ripensando in real time le strategie di lavoro.

SupplHi Srl (Udine) – Il progetto B2BEST di SUPPLHI consiste nello sviluppo di una piattaforma per la gestione dei fornitori, una sorta di social network, all’interno della quale i compratori possono condividere valutazioni esaustive dei loro fornitori industriali. Il coinvolgimento di criteri di qualità, tempistiche di consegna e di gestione della fornitura, oltre a quello del prezzo, valorizzano i punti di forza di ciascun fornitore e rafforzano l’effetto rete tra approvvigionatori di una stessa filiera.

Corvallis (Padova) – Il progetto DNI di Corvallis ha come obiettivo di condensare le informazioni derivanti da sistemi gestionali diversi in una base dati normalizzata per permettere alle PMI di vedere per la prima volta informazioni nascoste nei propri dati con budget limitati, prerogativa ad oggi solo di grandi aziende con grandi budget.

Attualmente le aziende usano strutture dati proprietari differenti che rendono difficoltosa l’analisi: possiedono i dati ma non sono integrati per usarli al meglio. Costruire una base dati standard attraverso la progettazione e lo sviluppo di algoritmi permetterà di snellire il lavoro di reportistica che ad oggi viene svolto per lo più manualmente.

Adige Spa (Levico Terme, TN) – Il progetto EMMA, di Adige, nasce per facilitare le operazioni di collaudo e montaggio delle macchine. La macchina, sfruttando una architettura completamente digitalizzata, sia per quanto riguarda il reperimento delle informazioni di montaggio, che per quanto riguarda le chiamate al materiale di montaggio, si configura ed interagisce con l’ecosistema aziendale mentre viene costruita. Attraverso la digitalizzazione delle istruzioni e l’elaborazione di dati su singoli processi e componenti si velocizza la configurazione e il testing della macchina.

Meccanica del Sarca Spa (Dro, TN) – Il progetto VENEERESULT di Meccanica del Sarca consente, attraverso la scansione 3D, di verificare la qualità del legno di noce in termini di venatura e di decidere razionalmente dove posizionare la sagoma di taglio per dare vita a calciature di fucile e carabina. Il progetto prevede di arricchire un algoritmo di machine learning, già sviluppato della Società, attraverso la tracciatura della venatura al fine di valutare la migliore destinazione del pezzo, traducendo la decisione dell’algoritmo fisicamente sul pezzo da lavorare, attraverso un sistema automatico di marcatura laser e tecnologie abilitanti la ricerca rapida del pezzo medesimo nel magazzino.

Fre Tor (Alpago, BL) – Il progetto FVI desidera creare un nuovo sistema di controlli qualità di difetti visivi micrometrici superficiali su componenti meccanici di elevatissima qualità. L’obiettivo è creare un sistema altamente flessibile, tendente a lotto 1, autoconfigurabile e in autoapprendimento. Attraverso un processo di visualizzazione 3D molto evoluto e performante è possibile ricostruire la morfologia del pezzo, verificando le non conformità rispetto allo standard.

TechnoAlpin (Bolzano) – Il progetto INTC40 si qualifica come un modello di sostenibilità ambientale. Infatti intende far evolvere il sistema di gestione degli impianti di innevamento, dando vita ad una piattaforma che, tramite l’analisi di big data (dati provenienti dagli impianti di innevamento, dalle previsioni meteo, dai gatti delle nevi…), riesca a lavorare con gli algoritmi di machine learning, massimizzando la produzione di neve e ottimizzando l’utilizzo di risorse idriche ed energetiche.

Electrolux Italia (Porcia, PN) – Il progetto ADDA di Electrolux si pone l’obiettivo di contribuire alla progressiva automatizzazione e digitalizzazione dei processi all’interno dell’ambiente di produzione sempre più dedicato allo sviluppo di elettrodomestici intelligenti. Con particolare enfasi su aspetti relativi all’ambito dell’intelligenza artificiale, il progetto ADDA crea una partnership con il mondo della ricerca focalizzandosi su due applicazioni specifiche: self commissioning e computer vision.

Schneider Electric (Padova) – Il progetto SMACTA ha come fine quello di garantire la credibilità e l’inviolabilità dei dati tramite la tecnologia BlockChain per dare vita ad una piattaforma che permetta di erogare servizi su tutta la catena produttiva, dal costruttore fino al consumatore, basati su Smart Contract.

Microtec (Bressanone, BZ) – Il progetto CoNNeCT intende risolvere alcuni problemi legati alla Visione Artificiale implementando delle reti neurali così compatte da poter essere eseguite direttamente sull’hardware della telecamera. In questo modo saranno in grado di svolgere operazioni di Computer Vision in tempo reale e ad elevatissima velocità.

Texa (Monastier di Treviso) – Il progetto VCI2021 è particolarmente innovativo perché intende migliorare la sicurezza nella comunicazione tra il veicolo, il dispositivo di interfaccia e l’interazione con le infrastrutture e gli utenti, anche in previsione dell’aumento dei veicoli a guida autonoma. TEXA è tra i primi ad occuparsi di cybersecurity applicata ai veicoli e risponde così ad un problema che ancora non c’è ma con il quale dovremo confrontarci.

Thetis (Venezia) – Il progetto SAFEST intende rendere più efficiente il monitoraggio e la manutenzione delle strutture in cemento armato, soprattutto piloni di ponti e viadotti, per minimizzare i costi degli interventi e i rischi di dissesto, attraverso strumenti tecnici più efficienti come l’utilizzo di sensoristica leggera montata su droni in grado di effettuare riprese video e multispettrali e la creazione di un framework basato su sistemi di Intelligenza Artificiale in grado di riconoscere automaticamente eventuali ammaloramenti.

Danieli Automation (Udine) – Il progetto Q3-Premium è rivolto allo sviluppo di una soluzione basata su una piattaforma sperimentale integrata IIOT applicata al controllo ed all’analisi della qualità del prodotto nell’industria siderurgica. La piattaforma è progettata per raccogliere elevate quantità di dati da diverse sorgenti e per fornire strumenti per lo sviluppo di analisi statistiche e modelli predittivi sia on-premise che in cloud. L’integrazione degli insights generati dall’analisi dati in un motore di regole eseguite in tempo reale permette quindi il rilevamento tempestivo di potenziali problemi ed un supporto decisionale proattivo per l'implementazione rapida di azioni correttive e preventive.

Save (Venezia) - L’obiettivo del progetto S2T2 di SAVE è quello di applicare algoritmi di Intelligenza Artificiale al sistema di telecamere presente all’interno del terminal al fine di implementare processi di monitoraggio avanzati del flusso dei passeggeri, nel totale rispetto della privacy. Sfruttando il Machine Learning si arriverà ad una gestione complessiva del flusso dei passeggeri volto a monitorare la corretta fruizione dei servizi aeroportuali, prevenendo eventuali affollamenti e accodamenti e situazioni anomale in generale, con importanti benefici a livello sia di sicurezza che di customer experience per i passeggeri.

Keyline (Conegliano, TV) – Unikey è il progetto per semplificare la gestione di flotte di automobili nell’ambito del car sharing o dei parchi auto aziendali. Creare una chiave a radiofrequenza virtualmente compatibile con qualsiasi veicolo aumenterà la capacità smart di gestione e, offrendo una connettività wireless, semplificherà il modo d’uso.

Gruppo PAM (Venezia) – Gruppo PAM ha avviato il progetto DD-Rail con l’obiettivo di creare un framework integrato per la gestione del riordino automatico, ed in generale delle attività di punto vendita e magazzini legate alla supply chain, che utilizzi tutte le fonti dati disponibili, le integri tramite tecniche di data analytics avanzata e di intelligenza artificiale, operi a livello globale, tenendo conto anche di sorgenti dati esterne, e si integri perfettamente nel sistema informativo dell’azienda.