Futura AI
en

Industria e Manufacturing

Manuali, distinte base e conoscenza tecnica concentrata su pochi esperti: qui l’AI riduce tempi di ricerca e dipendenza dalle persone.

Problemi

  • Centinaia di manuali tecnici, distinte base e procedure qualità dispersi tra formati diversi
  • Tempi lunghi di ricerca informazioni in produzione e assistenza tecnica
  • Conoscenza critica concentrata su pochi tecnici esperti, a rischio in caso di turnover
  • Errori o fermi legati a informazioni tecniche non aggiornate o difficili da reperire

Sistemi rilevanti

  • Document Intelligence su manualistica tecnica e distinte base
  • Enterprise Search su procedure, qualità e documentazione storica
  • AI Agents come assistenti tecnici per operatori e assistenza
  • AI Integration con sistemi MES ed ERP già in uso

KPI

  • Tempo di ricerca delle informazioni tecniche
  • Riduzione di fermi ed errori legati alla documentazione
  • Tempo di formazione dei nuovi operatori
  • Percentuale di documentazione tecnica digitalizzata e interrogabile

Caso studio correlato

Industria2025–2026Progetto verificato

Estrazione automatica delle quote da tavole CAD e verifica di conformità alle normative ISO

Un'azienda manifatturiera di componenti meccanici di precisione riceve tavole tecniche CAD in formati e standard grafici non uniformi tra clienti e fornitori. La lettura delle quote dimensionali, delle tolleranze e il controllo di conformità alle normative ISO, EN e DIN applicabili viene fatta manualmente dagli uffici tecnici: un lavoro lento, ripetitivo e soggetto a errori di trascrizione con impatto diretto su preventivazione e qualità.

Analisi

Censimento delle tipologie di tavole tecniche in ingresso, dei formati grafici utilizzati e delle normative ISO, EN e DIN rilevanti per settore prodotto. Identificazione dei campi dimensionali critici (quote, tolleranze, finiture) e dei punti in cui l'errore di lettura ha il maggiore impatto a valle, in preventivazione e in produzione.

Soluzione

Pipeline di lettura automatica delle tavole CAD basata su OCR e modelli Vision-Language, che estrae quote dimensionali e tolleranze direttamente dal disegno tecnico e le confronta con i requisiti delle normative ISO, EN e DIN pertinenti, segnalando scostamenti e casi dubbi per revisione da parte dell'ufficio tecnico.

Architettura

Modelli Vision-Language per l'interpretazione del disegno tecnico, OCR per il testo e le tabelle presenti in tavola, base di conoscenza strutturata delle normative ISO, EN e DIN applicabili per il confronto automatico, integrazione con l'ERP SAP già in uso per i dati di preventivazione e produzione, e interfaccia di revisione per la conferma umana dei casi a bassa confidenza.

Implementazione

Avvio su un sottoinsieme di tavole e normative più frequenti, validazione dell'accuratezza con l'ufficio tecnico su un campione di disegni reali, calibrazione del sistema sui casi di errore rilevati ed estensione progressiva ad altre famiglie di prodotto.

Risultati misurati

  • 86% di accuratezza nell'estrazione automatica delle quote dimensionali dalle tavole CAD, misurata sui disegni tecnici reali del cliente
  • Tempo di preparazione di un preventivo ridotto da 4-5 ore-persona a pochi minuti, con verifica automatica delle normative applicabili e accesso alla memoria aziendale centralizzata via ERP SAP
  • Minori errori di trascrizione delle quote nella fase di preventivazione
  • Verifica di conformità ISO, EN e DIN più sistematica, con i casi dubbi segnalati invece che persi nel controllo manuale

ROI: Il valore si misura nelle ore-persona liberate dalla preparazione dei preventivi — da 4-5 ore a pochi minuti per preventivo — oltre alla riduzione del rischio di non conformità rilevate tardivamente in produzione.

Perimetro e metodo di misurazione

  • Perimetro: sottoinsieme delle tavole tecniche più ricorrenti e delle normative ISO applicabili alle famiglie di prodotto selezionate per l'avvio.
  • Insieme di valutazione: un campione di disegni tecnici reali del cliente, con le quote lette e verificate manualmente dall'ufficio tecnico come riferimento di confronto.
  • Metrica: quote dimensionali estratte correttamente sul totale delle quote presenti nel campione. Il denominatore comprende anche le quote che il sistema non ha letto, non solo quelle su cui si è espresso.
  • Casi a bassa confidenza: segnalati per revisione dell'ufficio tecnico e conteggiati come non estratti, non esclusi dal calcolo.
  • Il 14% residuo è la ragione per cui la revisione umana sui casi incerti fa parte dell'architettura e non è un ripiego.

Cliente: Progetto realizzato per Gruppo SAG. sagtubi.saggroup.com/en/

Architettura di riferimento

Fonti autorizzate
Classificazione, OCR, RAG
Guardrail
Operatore
Sistema aziendale
Audit trail

Compliance e governance

Gestione dei dati

Classificazione dei dati trattati, minimizzazione, nessun addestramento sui dati del cliente senza autorizzazione esplicita, segregazione tra ambienti e clienti.

Audit trail

Ogni fonte consultata, azione eseguita e decisione assistita viene registrata in modo verificabile, con riferimento al dato di origine.

Human-in-the-loop

Le azioni ad alto impatto restano soggette a conferma umana esplicita; il sistema segnala i casi dubbi invece di decidere al posto delle persone.

AI Act

Classificazione del rischio del sistema, documentazione tecnica e requisiti di trasparenza allineati al framework normativo europeo, gestiti fin dalla fase di design.

Verifica se il tuo archivio tecnico è pronto per Enterprise Search.

Richiedi un Assessment AI