Engineering: AI, digital twin e thread al servizio dell’industria. Per Fashion,Gdo, Pharma e…

Migliorare la capacità produttiva e competitività di aziende del Fashion, della Gdo, del Consumer Goods, del Pharma. Tutto questo è oggi possibile con informazioni che vengono acquisite dalle linee di produzione. Prevedere fermi produttivi, gestire interruzioni e ritardi negli approvvigionamenti, comprendere cosa si sta producendo, con quale modalità e a quali costi, con quale efficienza. «Sono le esigenze che manifestano le aziende dei più diversi settori e non solo nel manifatturiero tradizionale. Oggi il dato è sempre più diffuso, l’informazione può essere trovata, analizzata e verificata con velocità e accuratezza. Come dire, in tutte le aziende esistono dei giacimenti d’oro, dati da cui estrarre informazioni di valore con il combinato disposto di IoT, sensoristica, intelligenza artificiale, digital twin e digital thread», afferma Fabio De Angelis, Executive Director Retail, Fashion, Gdo, Cpg & Pharma di Engineering.

Un percorso in continua evoluzione, ora focalizzato sull’IA generativa, tecnologia sulla quale il Gruppo ha investito sviluppando EngGpt, un proprio Large Language Model che permette di realizzare soluzioni dedicate e verticali ad ogni segmento di industry. Gli investimenti in innovazione sono da sempre un tratto distintivo del Gruppo, Engineering si occupa, infatti, di intelligenza artificiale dal 1987, da quando venne aperto il primo laboratorio sull’IA. Oggi la Technology Business Line AI&Data di Eng conta più di 400 professionisti, che supportano oltre 150 clienti nell’adozione di applicazioni AI, GenAI e Data Analytics. Inoltre, si avvale di un team di ricercatori che dal 2020 al 2025 ha sviluppato oltre 110 progetti di Ricerca & Innovazione che hanno adottato tecnologie AI e Advanced Analytics, di cui circa 40 presentano un forte focus sull’AI applicata a settori strategici quali Energy, Manifattura, Pubblica Amministrazione, Sanità con un investimento complessivo nei cinque anni superiore a 32 milioni di euro. Tecnologie e soluzioni AI in rapido sviluppo in tutti i settori: dal Fashion, alla Gdo, Consumer Goods e Pharma.

Digital twin, digital thread, intelligenza artificiale. In Engineering, la più importante digital company in Italia con un fatturato di 1,7 miliardi, capitanata dal Ceo Maximo Ibarra, il digital manufacturing ottimizza l’efficienza operativa e rende flessibile l’aggiornamento e la creazione di nuove linee, migliora la tracciabilità di processo-prodotto e dà vita a supply chain resilienti nei singoli mercati verticali.

«Progettare una nuova linea, introdurre delle modifiche o valutare una diversa intralogistica con una movimentazione automatizzata: sono tutte cose che si possono simulare per arrivare alla soluzione ottimale» attraverso il diigital twin osserva De Angelis. Digital twin, dunque, come strumento di progettazione “simulation driven” di una linea, in grado di sostenere evoluzioni coerenti con i cambiamenti produttivi. E digital twin per rivedere le logiche di costruzione del layout di produzione. «Aggiornare una linea produttiva perché si è saturata la capacità produttiva, creare nuovi plant? La simulazione consente di comprendere la capacità produttiva aggiuntiva necessaria, stimando l’investimento già in fase di design», dice De Angelis. «Grazie al “digital twin as a service”, le aziende manifatturiere possono identificare inefficienze, prevedere guasti e adottare strategie di analisi predittiva, ottimizzando le operazioni industriali, lungo tutto il ciclo di vita di un prodotto, dal design, alla produzione, integrando sia dati interni che quelli ottenuti lungo tutto la supply chain. Lavoriamo in questa direzione anche nel progetto Avant, lanciato da Engineering nell’ambito dell’Ipcei Cis (infrastrutture e servizicCloud). Un’iniziativa strategica europea volta a sviluppare infrastrutture e servizi cloud di nuova generazione. Inoltre, a Chicago abbiamo un centro di eccellenza costruito con Siemens e altri partner, dove i più grandi clienti possono toccare con mano cosa significa realizzare un digital twin, cosa significa ottimizzare la fabbrica produttiva. Le simulazioni gestiscono in modo predittivo la pianificazione di produzione e gestione magazzino, la logistica e la domanda».

Digital Thread per analizzare i dati in tempo reale, identificare inefficienze e ottimizzare i processi produttivi. Come creare le migliori condizioni per avere una catena del valore più efficiente e reattiva

Digital thread. Si può chiamare così una delle principali sfide tecnologiche per le aziende di tutti i settori, dalla produzione di macchine utensili e automatiche alla componentistica auto, dalla chimica alla farmaceutica, dal food al fashion. Digital Thread, un’espressione apparentemente molto tecnica con la quale il Gruppo Engineering intende il sistema nervoso digitale che interconnette tutte le fasi della value chain di un’impresa, rendendo possibile il fluire dei dati e il loro utilizzo in tempo reale per ottenere una visione integrata delle operations. Come spiega De Angelis, «Con il digital thread si crea un unico flusso di dati creando le basi per il Digital Manufacturing». Digital thread, quindi, per trasformare i dati da materia prima in conoscenza, rendendo disponibili informazioni sull’intera catena del valore e per i singoli profili di utilizzatori, dal field al top management. «ad esempio, con le nostre attività di automazione della progettazione supportiamo anche le aziende nel settore aerospaziale ad automatizzare la simulazione di prodotto aiutando ad identificare rapidamente la soluzione ottimale, questo eseguendo migliaia di iterazioni di progettazione in pochi minuti. Questo approccio consente di ridurre in modo significativo i tempi, migliorare la qualità e contenere i costi complessivi, oltre a minimizzare il rischio di problemi produttivi già nelle prime fasi del processo di design» aggiunge De Angelis.

Supply chain – Come analizzare l’impatto delle variazioni della domanda, delle interruzioni dei fornitori, dei ritardi nel trasporto e valutare diverse configurazioni della rete di approvvigionamento

Sfruttando le capacità di simulazione e le tecniche di modellazione (basate anche su algoritmi di machine learning), è possibile sviluppare una consapevolezza che permette di affrontare e superare rischi ed imprevisti, minimizzare gli effetti che possono derivare dalla mancanza di materie prime, dall’aumento dei costi delle forniture, dalle disfunzionalità che si creano per effetto di una mancata sincronizzazione tra tutte le attività della filiera logistica e produttiva. «Importante è riuscire ad allineare gli approvvigionamenti alla velocità del business» afferma De Angelis. «Grazie a strumenti di pianificazione è oggi possibile avere una previsione più attendibile della domanda di acquisto così da determinare la domanda stimata dei prodotti». Gli investimenti in IT tendono quindi a migliorare la gestione della logistica e accelerare il processo di digitalizzazione complessivo per acquisire più efficienza e produttività. «Le aziende stanno lavorando per identificare casi d’uso specifici dedicati a migliorare l’efficienza e la produttività. Per ottimizzare la supply chain e velocizzare i tempi di distribuzione dei prodotti, per esempio, riducendo l’indisponibilità della merce nei punti vendita, prevenendo lo stock-out», dice De Angelis.

Digital manufacturing: esempi pratici applicati al Fashion, alla Gdo e al Pharma. Controllo qualità, gestione della domanda e automazione di processo basato su sensoristica evoluta

«Per un importante cliente del settore stiamo rivedendo l’intero ciclo produttivo della produzione di accessori in pelle, che hanno specifiche caratteristiche, racconta De Angelis. Si sono resi conto di una serie di criticità a livello produttivo. Cosa succedeva? Uscivano accessori non corretti, che di conseguenza venivano rifiutati dai negozi. Ecco, con un processo di Digital Manufacturing, basato su sensoristica evoluta, riusciamo ad avere un controllo della qualità del prodotto, sull’intero ciclo di produzione, verificando che la lavorazione corrisponda esattamente a quella richiesta», dice De Angelis. Nella Gdo, progetti di digital manufacturing sono invece associati al controllo qualità del prodotto in ambito “Fresco”. «Oggi si lavora molto sul fresco ed è lì che esiste una delle maggiori criticità. Lavoriamo, quindi, per una gestione rapida ed efficiente della messa a scaffale», dice De Angelis. E si deve essere anche capaci di far fronte a una domanda intermittente, che può variare a seconda della stagione, delle condizioni meteorologiche e delle tendenze dei consumatori». Ecco, quindi, soluzioni per affrontare questi problemi con strategie innovative basate su analisi dati e previsione della domanda. Infine, il Pharma. «In questo settore, l’analisi e l’ottimizzazione della schedulazione permette di utilizzare al meglio le macchine all’interno delle linee produttive, con un conseguente beneficio su tutta la catena del valore, afferma De Angelis. Per un’importante azienda stiamo rivedendo l’intero ciclo produttivo, e stiamo spingendo l’IA per automatizzare una serie di processi.

L’uso dell’intelligenza artificiale si sta evolvendo in modo significativo, con un focus crescente su applicazioni pratiche e concrete.

Le aziende stanno diventando sempre più consapevoli dell’importanza dell’IA e stanno iniziando a utilizzare modelli specifici per applicazioni pratiche. Non è più vista come una novità o un gioco, ma come un elemento fondamentale per migliorare l’efficienza e ottimizzare i processi produttivi. Aumentano gli investimenti, soprattutto nell’IA generativa, riconoscendo che essa rappresenta una componente essenziale per il business. Un cambiamento guidato dalla necessità di migliorare l’operatività e ridurre gli errori. «L’IA viene utilizzata per analizzare dati di produzione, ottimizzare processi e migliorare la gestione della qualità», dice De Angelis. «Gli algoritmi risolvono problemi specifici, come la gestione degli allarmi in produzione e l’ottimizzazione delle linee produttive». Tecnologia che viene integrata con altre tecnologie, come il digital twin, per simulare e ottimizzare i processi produttivi. Un approccio che consente di prevedere e gestire meglio le operazioni, migliorando la sostenibilità e l’efficienza delle linee produttive.