È la più grande associazione manifatturiera degli Stati Uniti: National Association of Manufactures (NAM) e rappresenta 14.000 aziende. Ogni anno la NAM assegna gli US Manifacturing Leadership Award, premi dedicati a persone e progetti che si sono distinti nell'avanzamento delle capacità di produzione, scelti da una giuria di esperti per i risultati ottenuti. E l'edizione 2021 ha parlato italiano.
Infatti nella categoria Artificial Intelligence and Data Analytics è risultato vincitore il progetto 'Dolphins' sviluppato grazie alla collaborazione partita nel 2018 tra la Università di Torino la multinazionale CNH Industrial, settore capital goods e RADA, azienda di Rivoli che si occupa di soluzioni informatiche. Ma di che cosa si tratta? 'Dolphins' è un software che "utilizza l'apprendimento automatico (machine learning) e l'analisi dei big data ai fini della manutenzione predittiva reale all'interno del processo manifatturiero".
Il progetto 'Dolphins' è già funzionante nello stabilimento IVECO di Brescia fornendo ai tecnici della manutenzione informazioni in grado di prevedere, con diverse ore di anticipo, qualsiasi potenziale problema che potrebbe causare un'interruzione della linea di produzione. E nell'impianto di Brescia ha fornito un livello di affidabilità che ha raggiunto il 90%.
"Questo progetto - ha spiegato il prof. Marcello Baricco, docente del Dipartimento di Chimica UniTo e partner di 'Dolphins' - rappresenta un bell'esempio di sinergica e produttiva collaborazione tra il nostro ateneo, una piccola-media azienda del territorio e una multinazionale. Partendo dalle conoscenze sviluppate nella nostra università, siamo riusciti a intercettare le esigenze del mondo produttivo e a trovare con loro, in breve tempo, una soluzione innovativa. Abbiamo l'intenzione di estendere il progetto su lavori futuri che potranno vedere coinvolti strumentazioni e impianti anche di altre aziende che desiderino evolvere verso l'ambizioso obiettivo dell'industria 4.0".
Un grande passo avanti della tecnologia firmato dalla Università di Torino. "Grazie a questo approccio - ha spiegato il dott. Eugenio Alladio ricercatore del Dipartimento di chimica di UniTo - gli operatori sono in grado di sapere in anticipo, da 30 minuti a 8 ore, dove intervenire sugli impianti evitando fermi di macchine e perdite di processo indesiderate".
