Percorso AI e Industrial Intelligence Destinatari e Obiettivi
0
Obiettivi
- Comprendere il ruolo strategico dell'AI industriale – acquisire una visione chiara di come intelligenza artificiale, Machine Learning e Generative AI possano generare valore concreto nei processi produttivi, di manutenzione e di qualità
- Costruire solide fondamenta sui dati – apprendere architetture, strumenti e metodologie per raccogliere, integrare, storicizzare e trasformare i dati industriali in modo affidabile e scalabile
- Applicare metodologie statistiche e di Machine Learning ai processi industriali – utilizzare tecniche di analisi statistica, modelli predittivi e di anomaly detection per migliorare qualità, manutenzione e produttività
- Sfruttare la Generative AI e l'Agentic AI in ambito industriale – progettare assistenti intelligenti, sistemi RAG e workflow agentici a supporto di operatori, manutentori e tecnici qualità
- Collegare l'AI ai risultati di business – saper tradurre i progetti di intelligenza artificiale in impatti misurabili su qualità, produttività, manutenzione e decisioni strategiche aziendali
Sarete in grado di
- Definire una roadmap AI industriale selezionando i casi d'uso a maggior valore e fattibilità per la propria azienda
- Progettare l'architettura dati più adatta (data warehouse, data lake, edge/cloud) per raccogliere, integrare e storicizzare dati industriali
- Applicare tecniche statistiche avanzate (SPC, DoE, MSA) per il controllo e il miglioramento della qualità di processo
- Sviluppare e validare modelli di Machine Learning per manutenzione predittiva, controllo qualità e anomaly detection
- Costruire soluzioni di Generative AI (RAG, assistenti virtuali) per la gestione della conoscenza tecnica e documentale
- Progettare workflow agentici per automatizzare attività di manutenzione, qualità e pianificazione con il giusto livello di supervisione umana
- Valutare rischi, governance e compliance (AI Act, sicurezza, privacy) nei progetti di intelligenza artificiale industriale
- Applicare quanto appreso su un caso reale attraverso il project work conclusivo del percorso
S
h
a
r
e