Professore Associato presso Università degli Studi di Firenze, afferente al Dipartimento di Ingegneria Industriale. Laureato in Ingegneria Meccanica e Dottore di Ricerca in Progetto e Costruzione di Macchine presso L’Università degli Studi di Firenze. Presso lo stesso Ateneo tiene i corsi di “Ottimizzazione ed Innovazione dei Processi Produttivi”, “Studio del Prodotto e del Processo”, “Tecnologia Meccanica”. Ha partecipato come coordinatore della sede a vari progetti Europei (FP7 e H2020) sul tema della digitalizzazione dei processi produttivi. Si occupa di attività di trasferimento tecnologico e ricerca conto terzi per aziende nel settore della produzione meccanica, con particolare focus sull’ottimizzazione dei processi di produzione e la loro sensorizzazione. E’ attivo nella promozione e sviluppo di soluzioni Industria 4.0 ed afferisce sia al centro di competenze regionale che al distretto Advanced Manufacturing 4.0. Oltre ai processi tradizionali di produzione, negli ultimi anni ha sviluppato delle soluzioni innovative per la produzione di componenti meccanici con tecniche ibride additive-sottrattive. Da anni si occupa delle tematiche legate alla modellazione, simulazione ed ottimizzazione dei processi, anche grazie all’adozione di tecnologie Industria 4.0. I suoi recenti studi lo hanno portato ad ottimizzare non solo le prestazioni in termini di produttività ma anche in termini di impatto ambientale ed energetico dei processi, sviluppando modelli per la stima ed ottimizzazione di processi di asportazione di truciolo ed Additive Manufacturing per metalli.

AMBITI DI SPECIALIZZAZIONE:

Additive Manufacturing

Applicazioni tecnologie Industria 4.0

Lavorazioni ibride

Modellazione ed ottimizzazione processi produttivi

I moduli:

9 Ore

Digitalizzazione e Intelligenza Artificiale

La digitalizzazione e l'implementazione dell'Intelligenza Artificiale (AI) stanno trasformando i processi aziendali, offrendo opportunità senza precedenti per migliorare l'efficienza e generare valore. L'AI può essere applicata in diversi ambiti, grazie allo sviluppo di reti neurali personalizzate e addestrate su casi d'uso specifici. Dalla manutenzione predittiva in ambito industriale, che previene i guasti prima che si verifichino, all'ottimizzazione delle catene logistiche tramite algoritmi di machine learning, l'impatto è concreto e misurabile. A monte, il successo di questi strumenti passa per una stretta collaborazione tra team tecnici e reparti operativi, al fine di identificare e definire i dati più rilevanti da utilizzare per l'addestramento dei modelli. A valle, invece, il cambiamento si manifesta nei processi decisionali, resi più agili e informati grazie alla capacità dell'AI di analizzare enormi quantità di informazioni in tempo reale. Per questo motivo, l'adozione di tecnologie avanzate deve essere accompagnata da un cambio culturale all'interno dell'azienda, che renda la digitalizzazione una competenza diffusa e parte integrante della strategia aziendale.