Applicazione dell’Intelligenza Artificiale alla produzione e alla manutenzione

PROGRAMMA DIDATTICO:

Lezione 1 – AI industriale e casi d’uso in produzione

• Definizioni essenziali: automazione tradizionale, AI predittiva, Machine Learning e AI generativa.
• Dati industriali: PLC, SCADA, MES, ERP, CMMS, sensori IoT, log macchina, dati qualità ed energia.
• Dal dato all’insight: anomaly detection, classificazione, regressione, raccomandazione e pattern recognition.
• Use case in produzione: ottimizzazione parametri, riduzione scarti, previsione difetti, controllo qualità e miglioramento OEE.
• KPI: produttività, disponibilità, performance, qualità, tempi ciclo, scarti e rilavorazioni.
• Demo guidata su dati industriali fittizi per individuare anomalie, correlazioni e possibili azioni.

Lezione 2 – AI applicata alla manutenzione: dalla preventiva alla predittiva

• Evoluzione della manutenzione: reattiva, preventiva, condition-based, predittiva e prescrittiva.
• Segnali deboli, soglie dinamiche, rischio guasto, Remaining Useful Life e priorità di intervento.
• Fonti dati: vibrazioni, temperature, pressioni, assorbimenti, allarmi, ticket, ordini di lavoro e storico guasti.
• Use case su pompe, motori, compressori, chiller, HVAC, quadri elettrici, ascensori e linee produttive.
• Analisi di ticket e guasti ricorrenti: cluster, cause probabili, ricorrenze, costi e impatto sugli SLA.
• Demo su CSV fittizio per classificare asset critici, anomalie e interventi prioritari.

Lezione 3 – AI generativa, assistenti operativi e governance

• AI generativa per ricerca nei manuali, troubleshooting, checklist, procedure, report di intervento e RCA.
• Progettazione di un assistente virtuale: missione, perimetro, fonti, istruzioni, prompt, controlli e limiti.
• Preparazione iniziale dei dati: export da CMMS/ERP, manuali PDF, procedure, checklist, log e ticket.
• Data governance, ownership, validazione tecnica, human oversight e tracciabilità delle decisioni.
• Cybersecurity in ambiente OT: accessi, dati sensibili, segregazione, sistemi cyber-fisici e rischio operativo.
• Workshop guidato per progettare un caso d’uso AI per produzione o manutenzione.

Lezione 4 – Digital Twin, Computer Vision, cybersecurity e roadmap avanzata

• Digital Twin e asset intelligence: rappresentazione digitale, stato di salute, storico, simulazioni e scenari.
• Computer Vision: controllo difetti, corrosione, perdite, termografia, DPI, ispezioni e sicurezza.
• AI nei sistemi cyber-fisici: continuità operativa, sicurezza fisica e affidabilità delle raccomandazioni.
• Cybersecurity industriale: segmentazione IT/OT, accessi remoti, hardening, logging, incident response e business continuity.
• ROI e business case: fermi evitati, costi, produttività, scarti, sicurezza e sostenibilità.
• Esercitazione finale: roadmap completa con problema, dati, modello, processo, KPI, owner, rischi e piano di scaling.