Co-pilota AI per ERP e pianificazione produzione

Contesto

Dekali fornisce software gestionale a PMI manifatturiere italiane. Vendite, pianificatori di produzione e acquisti dialogavano attraverso il sistema ma di fatto lo aggiravano — lunghi scambi di email, fogli di calcolo, riunioni settimanali per capire dove fossero i materiali e quale ordine avviare per primo. L'obiettivo: rendere l'ERP stesso la risposta.

Assistente LLM

Sviluppo di un assistente basato su LLM, integrato nei flussi operativi aziendali per la gestione di richieste interne su offerte, ordini, materiali e consegne. Il sistema è stato integrato all'interno delle applicazioni aziendali tramite servizi backend in .NET, semplificando la comunicazione tra i reparti vendita e produzione e riducendo i tempi di risposta e gli errori di coordinamento.

Previsione materiali grezzi

Creazione di un modello predittivo per la stima dei materiali grezzi, in grado di analizzare dati storici, vincoli di budget e contratti con i fornitori per proporre il fornitore, la quantità e il prezzo più efficienti, prevedendo anche i tempi di consegna. I risultati del modello sono stati esposti tramite API .NET e resi consultabili tramite interfacce web.

RNN per fasi e costi

Implementazione di modelli RNN (Recurrent Neural Network) per la previsione delle fasi di produzione e dei relativi costi, fornendo a operatori e responsabili indicazioni dinamiche sulle sequenze di lavorazione. Per la visualizzazione e l'interazione con i dati, ho contribuito allo sviluppo di dashboard in Angular, utilizzando HTML e CSS per la presentazione dei risultati.

Scheduler in Reinforcement Learning

Applicazione di tecniche di Reinforcement Learning (RL) alla pianificazione della produzione, considerando competenze degli operatori, priorità e disponibilità delle macchine, per generare pianificazioni dinamiche in tempo reale. Le pianificazioni generate vengono visualizzate e gestite tramite interfacce web sviluppate in Angular.