Preventivazione rapida per lavorazioni meccaniche tramite AI

CLIENTE

CAMNGO SRL

Soluzione innovativa per l’automazione della preventivazione industriale, basata sull’integrazione di algoritmi di ML e sull’analisi avanzata di file CAD 3D.

DATI DEL PROGETTO

CLIENTE

CAMNGO SRL


INIZIO PROGETTO

08.07.2024





DESCRIZIONE DEL PROGETTO

CSMT Innovation Hub ha sviluppato, insieme a CAMnGO, un progetto strategico finalizzato alla digitalizzazione e automazione tramite intelligenza artificiale del processo di preventivazione rapida delle lavorazioni meccaniche su macchina utensile.

La stima di tempi e costi di produzione rappresenta una delle attività critiche per le aziende manifatturiere: è spesso basata su analisi manuali, richiede tempi elevati e margini di errore difficilmente controllabili, con conseguente variabilità nei risultati. Il progetto nasce per superare questi limiti, introducendo un sistema intelligente in grado di generare automaticamente stime economiche a partire dai modelli CAD 3D e dai dati di processo, migliorando la velocità di risposta e la qualità delle decisioni.

L’iniziativa si inserisce in un percorso evolutivo già avviato, che ha incluso una fase preliminare di validazione tecnologica, durante la quale è stata verificata la correlazione tra caratteristiche geometriche del pezzo e costo di produzione, oltre alla definizione di una prima architettura della soluzione.

L’intervento copre l’intero ciclo di vita della soluzione AI: dall’analisi dei requisiti e dei dati disponibili, alla progettazione dei modelli predittivi, fino alla definizione delle logiche di deployment e governance in ambiente produttivo. Le attività sono state sviluppate da un team multidisciplinare composto da data scientist, software developer ed esperti di lavorazioni meccaniche, per trasformare dati tecnici complessi in uno strumento di preventivazione più rapido, affidabile e coerente.


LA SOLUZIONE

La soluzione sviluppata consiste in una piattaforma intelligente capace di analizzare automaticamente le caratteristiche geometriche e tecnologiche dei componenti meccanici partendo dai modelli CAD 3D (pezzo finito e grezzo) e generare una stima completa del costo di produzione.

Il sistema integra:
  • analisi automatica del CAD 3D
    estrazione delle caratteristiche geometriche e delle feature che determinano la complessità del componente
  • integrazione dati di processo
    informazioni su materiali, tolleranze, trattamenti, dimensione del lotto e condizioni operative
  • modelli predittivi multi-livello
    algoritmi di machine learning per la stima delle diverse componenti di costo (base, lavorazioni, trattamenti);
  • indicatore di confidenza
    valutazione dell’affidabilità della stima sulla base della similarità con casi storici;
  • architettura scalabile e integrabile
    sviluppo di API e moduli software per l’integrazione nei sistemi aziendali e la gestione dei flussi di inferenza e training.

Il sistema è progettato per essere adattabile alle specificità delle singole aziende, con possibilità di addestramento e aggiornamento continuo dei modelli sulla base dei dati storici.

Il progetto è stato sviluppato secondo un approccio strutturato e iterativo, articolato lungo l’intero ciclo di vita dell’intelligenza artificiale, dalla gestione dei dati fino alla messa in produzione della soluzione. Le attività sono state organizzate in work package progressivi e interconnessi, con cicli di sviluppo e test iterativi per ottimizzare le performance e favorire l’adozione industriale.


LE FASI DEL PROGETTO

1. Data engineering e feature extraction


Estrazione delle caratteristiche geometriche dai modelli CAD 3D e integrazione con dati di processo.

2. Design e training dei modelli AI


Sviluppo dei modelli predittivi per la stima delle diverse componenti di costo e definizione delle metriche di valutazione.

3. Test e validazione delle performance


Verifica di accuratezza, robustezza e scalabilità dei modelli in ambienti controllati e reali.

4. Progettazione dell’infrastruttura


Definizione dell’architettura IT, delle modalità di integrazione e dell’esperienza utente.

5. Sviluppo e integrazione applicativa


Realizzazione delle API e dei moduli software per l’integrazione nei sistemi aziendali.
E infine validazione end-to-end: test completo della soluzione in ambiente operativo per garantirne affidabilità e utilizzabilità.

I BENEFICI

L’adozione della soluzione consente vantaggi concreti e misurabili lungo l’intero processo di preventivazione e gestione delle lavorazioni:

  • riduzione dei tempi di preventivazione
    passaggio da analisi manuali che possono richiedere ore a stime generate in pochi minuti o secondi, con un impatto diretto sulla velocità di risposta al cliente
  • maggiore precisione e coerenza delle stime
    utilizzo di modelli matematici basati su dati storici e feature geometriche, che riducono la variabilità legata all’esperienza del singolo operatore
  • riduzione degli errori e delle inefficienze
    eliminazione delle criticità tipiche dei processi manuali, con minori scostamenti tra preventivo e costo reale di produzione
  • incremento della competitività commerciale
    possibilità di generare un numero maggiore di offerte in tempi ridotti, aumentando le probabilità di acquisizione del cliente e migliorando il posizionamento sul mercato
  • ottimizzazione delle risorse interne
    riduzione del tempo dedicato dal personale esperto alla preventivazione, con riallocazione su attività a maggiore valore aggiunto
  • scalabilità del processo e nuovi modelli operativi
    capacità di gestire volumi elevati di richieste e supportare modelli di business basati su preventivazione automatizzata e servizi digitali
  • migliore pianificazione produttiva
    maggiore visibilità sui costi e sulle lavorazioni, con impatti positivi sull’organizzazione delle risorse e sull’efficienza complessiva del processo


REFERENTE DEL PROGETTO

Viola Nicolardi

Trasferimento Tecnologico

CSMT

Technology Transfer Engineering and Project Manager

MOBILE

335 6044069


TELEFONO

030 6595125




PARTNER DEL PROGETTO