CASE STUDY

INFO CASE STUDY
AGEVOLAZIONE

SD 4.0

DURATA

46 mesi

AUTORI
ABILITÀ

Big Data e Data Analytics

Cloud Computing

Internet of Things (IoT)

Natural Language Processing (NLP)

Sistemi di integrazione orizzontale e verticale

Smart District – SD4.0

Introduzione

Progetto di Ricerca e Sviluppo cofinanziato dal Ministero dello Sviluppo Economico (MISE), in partnership con Noovle (Gruppo TIM).
L’iniziativa prevedeva la realizzazione di un’infrastruttura tecnologica ICT innovativa, con una serie di funzionalità e servizi rivolti principalmente alle PMI operanti nei settori tradizionali del territorio pugliese (Agroalimentare, Tessile-Abbigliamento-Calzaturiero e Meccatronica). Il progetto aveva l’obiettivo di sostenere la digitalizzazione dei processi di filiera (supply chain), favorendo l’evoluzione dei modelli produttivi e organizzativi delle imprese locali.

Metodologia e Risultati

Il progetto ha adottato strumenti di collaborazione digitale su piattaforma cloud, finalizzati al supporto dei processi produttivi e alla cooperazione all’interno delle filiere del Made in Italy.
Sono stati sviluppati nuovi modelli di business e organizzativi coerenti con i principi di Industria 4.0, con l’obiettivo di: massimizzare la flessibilità produttiva e la personalizzazione delle lavorazioni; favorire l’interazione multi-device e in mobilità; migliorare la capacità di risposta al fabbisogno dei clienti finali. Le soluzioni sviluppate includono strumenti per la raccolta, classificazione e analisi dei dati (Big Data), utili alla valutazione delle performance aziendali, alla segmentazione della clientela e alla previsione delle tendenze di mercato.
Inoltre, sono stati integrati sistemi IoT per l’abilitazione di nuovi processi (monitoraggio digitalizzato di parametri di campo) e nuovi prodotti (componenti intelligenti e sensorizzati).

References

Magaletti, N., Massaro, A., Cosoli, G., & Leogrande, A. (2022, July). Smart District 4.0 Project: Validation of Results and Exploitation Perspectives. In International Conference on Web Engineering (pp. 149-159). Cham: Springer Nature Switzerland.

LINK

Massaro, A., Magaletti, N., Cosoli, G., Giardinelli, V. O., & Leogrande, A. (2022). Methods and Metrics for the Prediction of Diabetes. 

LINK

Massaro, A., Cosoli, G., Leogrande, A., & Magaletti, N. (2022). Predictive Maintenance and Engineered Processes in Mechatronic Industry: An Italian Case Study. International Journal of Artificial Intelligence and Applications (IJAIA), 13(1).  

LINK

Magaletti, N., Cosoli, G., Leogrande, A., & Massaro, A. (2022). Process engineering and AI sales prediction: The case study of an Italian small textile company. Available at SSRN 4026183. 

LINK

Cosoli, G., Magaletti, N., Massaro, A., & Leogrande, A. (2022). DSS fertirrigation system: An Italian case study. Available at SSRN 4145202. 

LINK

Massaro, A., Magaletti, N., Cosoli, G.: Project management: radargram plot to validate stakeholder technology implemented in a research project. Zenodo (2022). 

LINK

Massaro, A., Magaletti, N., Cosoli, G., Giardinelli, V., Leogrande, A.: Text mining approaches oriented on customer care efficiency (2022). 

LINK

Massaro, A., Magaletti, N., Cosoli, G., Leogrande, A., Cannone, F.: Use of machine learning to predict the glycemic status of patients with diabetes. In: The 2nd International Electronic Conference on Healthcare (2022)

LINK
EXTERNAL LINK

Contatti

LUM Enterprise: il partner ideale per il tuo business

Come digital partner dell’Università LUM, accompagniamo le PMI in una vera e propria evoluzione digitale.
Contattaci per una consulenza gratuita.