Maggio 19, 2025

KME è oggi uno dei principali produttori europei di semilavorati in rame e leghe. Nel sito storico di Fornaci di Barga, circondato dalle montagne lucchesi, migliaia di tonnellate di ottone e rame vengono fuse, laminate, ricotte e trasformate in coils: nastri larghi poco più di un metro, lunghi chilometri, destinati a connettori elettrici, scambiatori di calore, rivestimenti architettonici e componenti idraulici. Ogni fase di lavoro richiede molta energia. Negli ultimi anni il portafoglio ordini si è ampliato da poche decine a centinaia di articoli speciali, le cui caratteristiche sono definite in modo personalizzato sulle esigenze del singolo cliente. Questo fatto, unitamente all’uso sempre crescente di rottami e scarti da riciclo di metallo, nell’ottica del concetto di economia circolare della quale il settore metallurgico del rame è stato uno dei precursori storici, fa sì che i processi produttivi siano molto complessi da eseguire, monitorare e analizzare nel dettaglio e, quindi, da ottimizzare. Il progetto KME e i suoi obiettivi Controllare la qualità solo a fine linea non basta più: un difetto scoperto tardi costringe a produrre d’urgenza un nuovo coil per creare un lotto sostitutivo. L’azienda aveva quindi bisogno di strumenti per analizzare nel dettaglio i processi e le loro relazioni, misurare quanta energia viene utilizzata per produrre ogni coil e di individuare i parametri e i pattern di processo che compromettono resa e qualità. Per rispondere a queste esigenze è nato «KME 5.0 – Transizione Ecologica e Digitale», progetto cofinanziato dal bando ARTES 4.0 (PNRR). Undici impianti complessi, di età e tecnologie diverse, vengono collegati a una nuova piattaforma dati: dei gateway Industrial IoT Alleantia leggono migliaia di variabili dai diversi PLC e le inviano, ogni pochi secondi, a server virtualizzati. Un database Oracle integra dati gestionali su ordini, ricette, difetti, mentre la piattaforma SAS Viya gestisce la “data ingestion”, modellazione, analisi e presentazione dati. L’obiettivo del progetto è ridurre del 30 % gli scarti in tre anni, tagliare del 5 % il consumo specifico di energia e fornire a ogni bobina il suo passaporto ambientale. Le complessità realizzative Gli impianti produttivi di KME utilizzano diverse tecnologie: trattandosi di un settore industriale “capital intensive”, alcuni di essi risalgono a più di 30 anni orsono e sono quindi stati oggetto di revamping e modifiche in tempi diversi, con la stratificazione di logiche di automazione di processo e modifiche di strutture dati nella quali, spesso, non è facile districarsi per identificare i dati attuali e rilevanti rispetto ai requisiti di analisi richieste. Conseguentemente, una delle difficoltà principali è stata l’interconnessione degli impianti, più che per le tecnologie (la piattaforma IoT di Alleantia permette l’interfacciamento veloce con dispositivi delle più disparate tipologie), quanto per la riconciliazione dei dati gestiti dai PLC di impianto, per mapparli sui processi di produzione, sugli stati di lavorazione e sui parametri principali, sullo stato dell’impianto e per avere la corretta associazione ai prodotti dei consumi energetici, elettrici e di gas naturale. Questo ha richiesto la ricostruzione dei processi produttivi rispetto ai dati IoT e dei gestionali, e la loro documentazione (stati della macchine, condizioni di anomalia ecc.), con sostanzioso supporto dei team operativi di KME e, in alcuni casi, riprogrammazioni parziali dei PLC per ottenere dati consistenti con gli output richiesti. Questo ha anche permesso di ottimizzare l’architettura di “data ingestion”, riducendo il numero tags acquisiti dagli impianti di un ordine di grandezza rispetto al totale tags gestiti (circa 3000 tags utilizzati rispetto agli oltre 40mila complessivi), potendo quindi accelerare la frequenza di acquisizione dati, per avere dei data set molto ‘fini’ a supporto di analisi puntuali sulle anomalie di prodotto e di lavorazione. La seconda difficoltà è nell’implementazione della “data reconciliation”, dove ogni impianto ha i propri processi di produzione, proprie logiche e programmazione, e dove la gestione operativa comporta diverse casistiche di gestione, e quindi analisi e test plurimi per ottenere i dati corretti e consistenti con le diverse lavorazioni effettuate. Il controllo della qualità dei dati ha poi richiesto “rework” e controlli aggiuntivi, e anche la modifica di processi di lavorazione e indicazioni operative per fornire i dati necessari. La terza e non meno importante difficoltà è quella di riuscire a creare strumenti di analisi (report, sinottici, tools di front-end) realmente fruibili e utili per l’uso quotidiano da parte di personale non esperto ICT. Questo richiede uno sforzo coordinato fra personale operativo e team di sviluppo, con il supporto della Direzione. L’utilizzo di Data Platform nel mondo industriale richiede infatti di creare strumenti di ‘data science’ usabili non da data scientists, ma da esperti di processi produttivi, ingegneri metallurgici, elettrici e gestionali. Le realizzazioni ad oggi L’interconnessione IoT è completata per 8 impianti su 11, e la Data Platform è completa per 6 impianti, con realizzati gli strumenti per le analisi di base su scarti / difetti, consumi energetici, efficienza produttiva e monitoraggi specifici per i singoli impianti. Sono stati implementati i primi algoritmi di analisi complessiva del processo produttivo. Specificamente, sono stati adottati algoritmi di correlazione multivariata di Shapley e di Kendall per l’identificazione delle dipendenze fra anomalie di spessore nella fase finale di produzione e le lavorazioni effettuate nei diversi impianti, con le potenziali anomalie identificate. Questi algoritmi saranno ulteriormente testati e validati nel seguito del progetto, ed estesi per altri prodotti lavorati negli impianti che saranno connessi nelle prossime settimane. Parallelamente, sono stati utilizzati gli algoritmi di correlazione per il controllo delle distorsioni armoniche della rete elettrica KME (allaccio a 132 kV rete elettrica nazionale e 20 MW di carico) determinato dai carichi dei diversi impianti (fino a 3,5 Mw per singolo carico), che causano problemi che vanno da una riduzione dell’efficienza energetica a danni anche importanti ai sistemi. La migliore conoscenza di carichi e distorsioni potrà guidare interventi di ottimizzazione, riduzione consumi e riduzione di costi di manutenzione. Infine, è stata impostata l’analisi per cercare di caratterizzare le diverse tipologie di materia prima utilizzate dalla fonderia ai fini della resa metallo, della produttività oraria e del consumo energetico nel processo di fusione, I prossimi passi Il progetto vedrà il completamento delle interconnessioni degli ultimi due impianti entro il mese di giugno, il completamento della Data Platform e la realizzazione degli algoritmi di analisi di processo per l’analisi su un numero più ampio di prodotti (possibilmente la totalità), sia per l’analisi delle correlazioni su scarti e difetti, che l’analisi dei consumi energetici per prodotto, con il consolidamento e l’estensione delle realizzazioni avviate nel secondo semestre. Si inizierà quindi il percorso di ottimizzazione continua per l’ottenimento dei benefici tangibili dell’utilizzo della Data Platform, in particolare puntando all’analisi delle cause delle anomalie di spessore che determinano scarti di prodotto nella fase finale di preparazione, quindi con massimo impatto di costo. «KME 5.0» dimostra che, anche nel metallurgico pesante, la transizione digitale è possibile e redditizia. Far dialogare automazione, data science e know-how di processo trasforma dati grezzi in un asset strategico, allineando competitività industriale e sostenibilità. In un momento in cui l’Europa spinge verso una manifattura più verde, l’esperienza di Fornaci di Barga offre un modello replicabile e racconta la storia di persone che, con gli strumenti giusti, fanno cooperare macchinari di oltre trent’anni fa e intelligenza artificiale.

Maggio 15, 2025

Nel panorama della manutenzione ferroviaria, la tutela della sicurezza degli operatori è una sfida prioritaria e complessa. I contesti di lavoro in cui sono effettuate le ispezioni del materiale rotabile, come le fosse di ispezione, inevitabilmente espongono il personale a rischi in ambito salute e sicurezza che vanno propriamente gestiti. In risposta a questa esigenza nasce il progetto COSMO, promosso da Next Generation Robotics nell’ambito del progetto BIT-INAIL, un sistema di sicurezza anticollisione intelligente pensato per essere integrato in ARGO, un robot collaborativo a guida autonoma per l’ispezione del sottocassa dei treni. Questo progetto si pone l’obiettivo di aumentare il grado di sicurezza della tecnologia ARGO pensata per la digitalizzazione dei processi di ispezione dei rotabili ferroviari, sfruttando le più recenti tecnologie dell’Industria 4.0. ARGO: il robot collaborativo che automatizza l’ispezione dei rotabili ferroviari ARGO è un robot sviluppato per muoversi autonomamente tra le rotaie e sotto il treno e raccogliere immagini del sottocassa mediante un sistema di camere ad alta risoluzione. In questo modo consente di effettuare ispezioni visive in modalità remota, migliorando l’efficienza delle operazioni e riducendo l’esposizione diretta degli operatori ai rischi fisici dovuti alla permanenza nelle fosse di ispezione. Grazie ad ARGO, compiti ripetitivi e pericolosi, come le ispezioni in fossa, possono essere affidati alla macchina, risparmiando tempo e aumentando la qualità del monitoraggio. Ma affinché il robot possa essere impiegato in ambienti condivisi con l’uomo, come accade nella realtà operativa ferroviaria, è indispensabile dotarlo di sistemi di sicurezza avanzati. COSMO: un sistema di sicurezza ridondante per la collaborazione uomo-macchina Il cuore tecnologico della proposta è il sistema COSMO (COllision Sensing and MOnitoring), che integra due componenti complementari: un LiDAR, ovvero un sensore laser di rilevamento tridimensionale; una camera RGB, i cui dati sono elaborati tramite algoritmi di visione artificiale e reti neurali per riconoscere la presenza umana in tempo reale. Queste due tecnologie, operando in parallelo e in modo autonomo, garantiscono una ridondanza funzionale, fondamentale per mantenere alti standard di sicurezza anche in caso di guasto di uno dei due sottosistemi. Il sistema è inoltre in grado di determinare la posizione dell’operatore nello spazio, valutando la pericolosità della situazione e attivando misure preventive come segnali acustici e luminosi, oltre all’arresto d’emergenza. Questa logica avanzata supera la semplice dicotomia “presenza/assenza” di ostacoli, abilitando una gestione intelligente e proattiva del rischio, in linea con i principi dell’Industria 4.0. Contesto normativo e sfide tecniche Nel contesto industriale, i robot collaborativi sono oggetto di normative dedicate: ad esempio, la ISO 15066:2016 per i manipolatori e la ISO 3691–4:2020 per i veicoli a guida autonoma in ambienti chiusi. Tuttavia non esiste ancora una normativa specifica per robot leggeri ferroviari a guida autonoma, come ARGO. Di conseguenza il progetto COSMO si propone come iniziativa pionieristica, adottando i principi di sicurezza più avanzati disponibili applicandoli all’ambito ferroviario. Rendere sicura la coesistenza tra robot e operatori in ambito ferroviario non solo previene infortuni, ma abilita l’impiego sistematico e diffuso di robot mobili leggeri, riducendo l’esposizione umana ai rischi della manutenzione, come urti, cadute e investimenti accidentali. Stato dell’arte e innovazione tecnologica Negli ultimi anni, lo sviluppo della visione artificiale per robot collaborativi ha avuto una forte accelerazione grazie alla spinta dell’Industria 4.0. La letteratura scientifica mostra come i sistemi più diffusi siano basati su camere in grado di fornire informazioni di profondità, come le camere RGBD, TOF o di profondità stereoscopica. Tuttavia, l’utilizzo di camere RGB tradizionali per applicazioni anticollisione in ambito industriale è ancora poco diffuso. Inoltre, attualmente non esistono soluzioni general purpose o facilmente integrabili (“plug and play”) per la sicurezza visiva di robot mobili industriali. La maggior parte delle applicazioni richiede un addestramento mirato degli algoritmi sulle immagini del contesto specifico, al fine di ottenere prestazioni affidabili. Nel mercato la sicurezza degli AGV (Automated Guided Vehicles) è garantita prevalentemente da sistemi LiDAR multipli, con costi rilevanti. COSMO, invece, propone un’alternativa più economica, flessibile e intelligente, che sfrutta la complementarità tra LiDAR e camera RGB, abbinando affidabilità e accuratezza. Obiettivi progettuali e risultati attesi Il progetto ha come obiettivo lo sviluppo di un prototipo dimostrativo di ARGO equipaggiato con COSMO, testato in scenari realistici di manutenzione ferroviaria, realizzando un PoC della tecnologia che possa poi essere scalato nelle piattaforme robotiche sviluppate e commercializzate da NGR. Tecnologie 4.0 e competenze coinvolte Il progetto fa leva su tecnologie abilitanti dell’Industria 4.0: robotica collaborativa per l’interazione sicura tra macchina e operatore; visione artificiale e machine learning per il riconoscimento di oggetti e persone; controllo remoto e automazione per la guida autonoma; digitalizzazione dei processi di ispezione e manutenzione predittiva. La società promotrice, Next Generation Robotics, possiede una solida esperienza nella progettazione e produzione di robot per il settore ferroviario, con competenze avanzate in robotica di servizio, automazione industriale, analisi dei dati, progettazione meccanica e software embedded. Un impatto concreto sulla sicurezza ferroviaria L’integrazione di COSMO in ARGO rappresenta un passo concreto verso la trasformazione digitale della manutenzione ferroviaria, migliorando la sicurezza, riducendo i costi e aumentando la qualità del servizio. La possibilità di estendere la tecnologia a più piattaforme robotiche lo rende un sistema scalabile e adattabile, pronto per contribuire a una manutenzione ferroviaria più sicura, efficiente e moderna. In un’epoca in cui la sostenibilità e la tutela del lavoro umano sono temi centrali, progetti come questo dimostrano che l’innovazione tecnologica può essere al servizio delle persone.

Aprile 27, 2025

Il progetto MUSAI, portato avanti da Cubit Innovation Labs, socio del Centro di Competenza ARTES 4.0, continua a registrare importanti progressi nelle fasi di sviluppo. Negli ultimi mesi ha raggiunto una nuova fase di validazione sul campo. Dopo le prime sperimentazioni in ambiente controllato, il sistema è stato testato per la prima volta in mare aperto, con l’obiettivo di verificare il comportamento del prototipo in condizioni operative reali. Le prove in mare: un banco di prova fondamentale Dopo una fase iniziale di sviluppo e test condotti presso la Piscina Comunale di Pontedera, il progetto MUSAI è entrato in una nuova fase con le prime prove in mare. Questa transizione è essenziale per validare il funzionamento del sistema in un ambiente complesso e dinamico, dove variabili come la corrente, la visibilità ridotta e la pressione incidono sulle prestazioni dell’intelligenza artificiale e dei sistemi di sensor fusion. Durante questa fase, il team ha condotto una serie di test mirati a: validare il layout del sistema in immersione prolungata; ottimizzare la trasmissione dei dati tra il sistema e le piattaforme di supporto, assicurando una comunicazione efficace; validare gli algoritmi di riconoscimento e classificazione dei rifiuti marini, per affinare la capacità del sistema di individuare e catalogare elementi sommersi. Parallelamente alle prove in mare, il team di MUSAI ha completato un altro traguardo importante: l’integrazione meccanica del prototipo con la piattaforma operativa. Questi sviluppi consolidano la modularità del sistema, consentendone l’adattabilità a diversi scenari operativi. I risultati delle prove e i prossimi passi di MUSAI Le informazioni raccolte durante le prove in mare hanno fornito dati preziosi per affinare ulteriormente il sistema. In vista delle prossime fasi, il team si concentrerà su: la produzione dei componenti meccanici definitivi; l’ottimizzazione dell’elaborazione dati, per migliorare la precisione dell’intelligenza artificiale e la capacità di riconoscimento degli oggetti; lo studio di fattibilità per il monitoraggio della flora marina, ampliando le applicazioni del sistema a nuovi ambiti di ricerca. MUSAI: un passo avanti nella protezione degli oceani Il completamento delle prime prove in mare rappresenta un traguardo strategico per il progetto MUSAI. Grazie alla combinazione di un’architettura meccanica avanzata, algoritmi di intelligenza artificiale evoluta e un’alta efficienza termica ed energetica, MUSAI si configura come una soluzione innovativa per il monitoraggio e la salvaguardia degli ecosistemi marini. Per rimanere aggiornati sulle novità e i progressi del progetto, è possibile visitare il sito di MUSAI e seguire la pagina LinkedIn.

Marzo 3, 2025

C’è un filo invisibile che lega la tradizione e l’innovazione, la visione e la concretezza. È lungo questo filo che si muove Apulia Software, azienda nata con l’obiettivo di supportare le imprese nel percorso di trasformazione digitale, guidandole con soluzioni su misura e tecnologie all'avanguardia. La storia di Apulia Software, socio del Centro di Competenza ARTES 4.0, è quella di un gruppo di professionisti che ha scelto di mettere le proprie competenze al servizio delle aziende, con un approccio che combina l’innovazione tecnologica con una profonda conoscenza delle dinamiche imprenditoriali. Il punto di partenza è chiaro: la digitalizzazione non è solo una questione di strumenti, ma di strategia e visione. Apulia Software, provider tecnologico per le aziende Apulia Software è più di una software house: siamo un partner tecnologico per le aziende che vogliono evolvere, crescere e rimanere competitive in un mercato in continua trasformazione. Lavoriamo a stretto contatto con le imprese per comprenderne le necessità, analizzare i processi e individuare le soluzioni migliori per ottimizzare il lavoro e migliorare le performance. Ogni progetto per noi è unico. Studiamo il contesto, ascoltiamo le esigenze e creiamo soluzioni personalizzate, capaci di integrarsi perfettamente con l’organizzazione aziendale. La nostra esperienza spazia dalla gestione aziendale all’automazione industriale, fino all’intelligenza artificiale applicata ai processi produttivi e decisionali. Ma quello che ci distingue davvero è il nostro approccio: non vendiamo software, costruiamo soluzioni. La tecnologia è solo un mezzo, il fine è sempre il successo dell’azienda che ci sceglie. Crediamo fermamente che l’innovazione non debba essere un lusso per pochi, ma un’opportunità per tutte le aziende che vogliono migliorarsi. Per questo il nostro obiettivo è rendere la trasformazione digitale accessibile e concreta, aiutando le imprese a superare le complessità tecnologiche e a trarne un reale vantaggio competitivo. Il nostro team è composto da esperti con competenze trasversali, in grado di coniugare sviluppo software, analisi dei dati, automazione dei processi e strategia aziendale. La nostra forza risiede proprio nella capacità di combinare queste competenze per offrire soluzioni non solo tecnologicamente avanzate, ma realmente efficaci e sostenibili. In un mondo in cui la digitalizzazione avanza rapidamente, vogliamo essere un punto di riferimento per le imprese che desiderano innovare con consapevolezza, senza perdersi nella complessità del cambiamento. Per noi, il futuro non è solo qualcosa da prevedere, ma da costruire giorno dopo giorno. Per questo investiamo costantemente nella ricerca e nello sviluppo, esplorando nuove tecnologie e studiando le migliori strategie per supportare le imprese nel loro percorso di crescita. Siamo convinti che il successo di un’azienda non dipenda solo dagli strumenti che utilizza, ma dalla capacità di integrarli in un sistema armonico ed efficiente. Ecco perché ci impegniamo a fornire soluzioni su misura, progettate per durare e adattarsi alle esigenze in continua evoluzione del mercato. Apulia Software è innovazione, esperienza e passione per la tecnologia. Siamo un’azienda che crede nel valore della digitalizzazione e nella sua capacità di migliorare il lavoro e la vita delle persone. La nostra missione è chiara: aiutare le imprese a trasformare le sfide in opportunità, con soluzioni digitali intuitive, potenti e sostenibili.

Gennaio 24, 2025

CUBIT Innovation Labs, socio del Centro di Competenza ARTES 4.0, ha avviato il progetto MUSAI (a Modular Underwater System with Artificial Intelligence to fight marine pollution), vincitore del Bando di Ricerca Industriale e Sviluppo Sperimentale RI&SS N.5 che il Centro di Competenza ha finanziato nell’ambito del Piano Nazionale di Ripresa e Resilienza (PNRR) – Missione 4 Componente 2 “Dalla Ricerca all’Impresa” – Next Generation EU. Nel corso degli ultimi mesi una serie di test e sperimentazioni hanno consentito di registrare progressi significativi nelle fasi di sviluppo. Addestramento della rete neurale e integrazione delle tecnologie I primi traguardi del progetto MUSAI sono stati raggiunti già durante i primi sei mesi di attività, in cui il team di MUSAI ha lavorato su tre aree fondamentali: Il consolidamento dell’architettura di prodotto, per definire una struttura modulare e versatile. L’addestramento della rete neurale, sviluppando algoritmi di riconoscimento per l’individuazione dei rifiuti sottomarini. L’integrazione dei dispositivi tecnologici, al fine di ottenere una visione completa e accurata dei rifiuti marini. Questi filoni di ricerca, avanzando in modo sinergico, hanno portato alla realizzazione di un pre-prototipo stampato in 3D: una soluzione che ha consentito al team di iniziare i primi test sull’integrazione dei componenti, sviluppando un benchmark utile per l’ottimizzazione del progetto nelle sue varie fasi. I primi test in acqua confermano le capacità di detecting del prototipo in ambiente acquatico Una volta pronto il pre-prototipo, il progetto è ora entrato in una fase cruciale di test e sperimentazioni, le cui attività si basano su tre aree principali: Test e sperimentazioni in acqua presso la Piscina Comunale di Pontedera. Integrazione dei componenti elettronici nella struttura meccanica. Addestramento delle reti neurali, fondamentali per migliorare le capacità di riconoscimento autonomo del sistema. Le sperimentazioni in acqua rappresentano una tappa chiave per il perfezionamento del prototipo. Dopo le prime fasi di progettazione, l’attenzione si è spostata sulla simulazione di scenari operativi realistici, essenziali per validare l’addestramento della rete neurale e verificare le prestazioni del sistema. La Piscina Comunale di Pontedera è stata individuata come un ambiente ideale per condurre queste prove. Durante i test, viene utilizzato un ROV (Remotely Operated Vehicle) per simulare il funzionamento del sistema. Il ROV consente di raccogliere dati in tempo reale e trasferirli a un mezzo di supporto, garantendo interventi tempestivi in caso di anomalie. Sebbene il sistema sia attualmente integrato su un ROV, è stato progettato per essere compatibile con diverse piattaforme marine. Dalla simulazione di scenari operativi realistici all’ottimizzazione del controllo e dell’IA I dati raccolti durante le sessioni in piscina hanno fornito informazioni preziose per l’ottimizzazione del software di controllo e dell’intelligenza artificiale. Questi test sono fondamentali per affinare l’addestramento delle reti neurali e preparare il sistema alle future missioni in mare aperto. Tra le prossime attività pianificate: La produzione dei componenti meccanici, con l’obiettivo di completare il prototipo finale entro la primavera del 2025. Uno studio di fattibilità per valutare lo stato di salute della flora marina, una delle applicazioni principali del sistema. Ulteriori test in piscina, che proseguiranno anche dopo la realizzazione del prototipo meccanico, per verificare modularità, tenuta stagna e performance dell’intelligenza artificiale e della sensor fusion. Il progetto MUSAI punta a sviluppare un prototipo affidabile e innovativo, in grado di contribuire concretamente alla salvaguardia degli ecosistemi marini. Gli avanzamenti raggiunti finora rappresentano una solida base per affrontare le sfide future e proseguire verso i prossimi traguardi.