I nostri progetti di impatto
Come la maggior parte dei processi di back-office, nel contesto bancario, l’attività di verifica dei mutui è un compito lento e ripetitivo. Necessita della lettura di atti notarili, di perizie tecniche e di altri documenti corposi per l’estrazione dei dati, attività che richiedono ore.
Grazie alle tecniche di robotizzazione è possibile automatizzare interamente il processo, evitando errori e recuperando l’arretrato accumulato nei mesi.
Risultati
+ 15% FTE* recuperati nell’arco di 9 mesi (*full time equivalent)
+ 100% Atti di mutuo controllati in automatico ogni giorno
Lo sviluppo di soluzioni per la cattura della CO₂ prevede una sperimentazione complessa che spesso viene affidata all’attività manuale e all’esperienza di un operatore. Per rendere più efficace questa fase, è possibile applicare modelli ibridi di AI che velocizzano il processo.
Per migliorare la calibrazione del modello fisico, viene fatta un’integrazione con un modello custom in python (hybrid model) che permette di generare dataset sintetici rappresentativi, utilizzabili per allenare modelli surrogati.
Risultati
– 40% Tempo di simulazione
– 12% Errori di calibrazione
Un’azienda farmaceutica ha la necessità di mantenere sempre puliti i propri apparati produttivi, in ottemperanza alle regolamentazioni sanitarie. La pianificazione dei turni di pulizia può tuttavia andare incontro a molteplici limiti. Avvalersi dell’AI permette di ridurre il tempo dedicato a questa attività e l’eventuale errore annesso, semplificando anche la comunicazione dei turni pianificati.
L’algoritmo di AI programma i turni di pulizia in base alla pianificazione della produzione, nel rispetto dei vincoli di necessità delle pulizie, delle risorse disponibili e delle relative competenze.
Risultati
– 25% FTE* dedicati alla pianificazione dei turni di pulizia (*full time equivalent)
– 100% Errori di pianificazione per sovrapposizione turni (o mancato rispetto dei vincoli)
La maggior parte degli impianti di depurazione in Italia è priva di sistemi per la gestione dell’areazione, spesso caratterizzata da controlli in retroazione o a set-point fisso. Difficilmente si riescono quindi a prevenire i picchi di sostanze inquinanti, con conseguenti sanzioni pecuniarie e penali.
Attraverso il Model Predictive Control (MPC) è possibile controllare il sistema mediante la previsione della sua evoluzione e regolare l’ossigeno in anticipo, in funzione del carico previsto.
Risultati
– 33,7% Livello di Ammoniaca in uscita rispetto al controllore precedente
– 8% Livello di azoto totale rispetto al controllore precedente
– 16% Risparmio energetico ottenuto