# Intelligenza artificiale per la produzione: previsioni, costi e pianificazione

> Modelli predittivi e di ottimizzazione costruiti sui dati storici della tua azienda: quanto costerà una commessa, quando sarà consegnata, come pianificare la produzione. Integrati nell'ERP che ufficio tecnico e produzione usano ogni giorno.

- URL: https://mojtabaamini.com/servizi/ai-manifattura
- Language: it
- Author: Mojtaba Amini, AI Software Engineer (Verona, Italy)

## Dati che l'azienda ha già, usati per decidere meglio

Le aziende manifatturiere producono ogni giorno dati preziosi (ordini, distinte base, fasi di lavorazione, tempi, costi) che raramente vengono usati per prevedere. Ho lavorato con aziende manifatturiere italiane portando in produzione modelli che trasformano questi dati in previsioni e decisioni.

## Cosa realizzo

- **Previsione di tempi e date di consegna** a partire dalla distinta base e dallo storico delle lavorazioni.
- **Stima dei costi** di una commessa prima che venga prodotta.
- **Pianificazione della produzione** con reinforcement learning, che impara dai dati invece di seguire regole scritte a mano.
- **Configuratori intelligenti** che trasformano le specifiche tecniche del cliente in configurazione, distinta base e data di consegna.
- **Previsione della fase** in cui si trova una commessa e dei materiali necessari.
- **Assistenti AI dentro l'ERP** per ridurre i tempi di coordinamento tra reparti.

## Come funziona

1. **Raccolta e pulizia dei dati**: Si parte dai dati di ERP, MES e fogli di lavoro, spesso incompleti: metà del lavoro è renderli affidabili.
2. **Il modello adatto al problema**: Reti neurali ricorrenti per le serie temporali, reti neurali su grafo per le distinte base, reinforcement learning per la pianificazione: il modello si sceglie in base al problema, non alla moda.
3. **Integrazione nell'ERP**: I modelli in Python vengono esposti tramite API e usati direttamente nell'ERP (ad esempio .NET e Angular), con tempi di risposta adatti all'uso quotidiano.
4. **Verifica sul campo**: Le previsioni vengono confrontate con i risultati reali, e il modello migliora con i nuovi dati.

## Casi reali

Per Extrema, un configuratore con reti neurali su grafo stima tempi di lavorazione e data di consegna in meno di dieci minuti. Per Dekali, un assistente LLM e uno scheduler basato su reinforcement learning, integrati nell'ERP, hanno ridotto il coordinamento tra reparti da ore a secondi.

- [Configuratore montascale con GNN per costi e tempi di consegna](https://mojtabaamini.com/projects/extrema) (Extrema · Mar 2024 — Dec 2025): DNN + GNN trasformano le specifiche del cliente in una distinta base completa e in una data di consegna affidabile in pochi minuti. Il chatbot LLM riduce i tempi di risposta interni del 60%.
- [Co-pilota AI per ERP e pianificazione produzione](https://mojtabaamini.com/projects/dekali) (Dekali (ex Virevo) · Jul 2023 — Sep 2026): Assistente LLM + scheduler RL integrati in un ERP manifatturiero. Riduce il coordinamento tra reparti da ore a secondi.
- [Analisi CAN-bus delle batterie e certificazione test automatica](https://mojtabaamini.com/projects/voltfang) (Voltfang GmbH · Mar 2023 — Aug 2023): Lettore CAN-bus e certificazione automatica dei test batteria per la pipeline di accettazione di Voltfang.

## Tecnologie

Python, PyTorch, TensorFlow, RNN, GNN, Reinforcement Learning, .NET, Angular, Azure, SQL

## Approfondimenti

- [Perché l'RL batte le euristiche in produzione](https://mojtabaamini.com/writing/rl-beats-heuristics) (Articolo · Apr 2026): Una retrospettiva sulla sostituzione di uno scheduler basato su regole in Dekali con una policy RL — e sulle regole tacite che nessuno aveva mai scritto.
- [Una RNN che ha imparato il ritmo di una fabbrica italiana](https://mojtabaamini.com/writing/rnn-factory-rhythm) (Articolo · Mar 2025): Prevedere in quale fase si trova un job e quanto costerà al momento della spedizione, partendo da telemetria che nessuno aveva mai conservato.
- [Una GNN che ha imparato la nostra distinta base](https://mojtabaamini.com/writing/gnn-bom) (Articolo · Nov 2025): Come abbiamo codificato i componenti dei montascale come grafo e usato il message-passing per prevedere tempo di processo e data di consegna in meno di dieci minuti.
- [Dalla specifica alla BOM in 90 secondi: il configuratore che chiude i preventivi](https://mojtabaamini.com/writing/spec-to-bom) (Articolo · Jan 2025): Una rete neurale profonda che trasforma le specifiche tecniche del cliente nella configurazione ottimale del montascale, nella distinta base completa e in una data di consegna su cui il commerciale può davvero impegnarsi.

## Domande frequenti

**Servono tanti dati per partire?**

Servono dati storici coerenti più che enormi. La prima fase del progetto verifica proprio la qualità e la quantità dei dati disponibili, prima di scegliere il modello.

**Funziona con il nostro ERP?**

I modelli vengono esposti tramite API e possono essere integrati nella maggior parte dei gestionali. Nei progetti che ho seguito l'integrazione è avvenuta in ERP basati su .NET e Angular.

**Il reinforcement learning è adatto a una PMI?**

Può esserlo quando le regole di pianificazione sono molte, cambiano spesso e sono in parte non scritte. In quei casi un modello che impara dai dati storici può superare le euristiche costruite a mano.

**Quanto sono affidabili le previsioni?**

Si misura sui dati reali dell'azienda, confrontando nel tempo previsioni e risultati. Le previsioni vengono presentate con il loro grado di incertezza, così l'ufficio tecnico sa quando fidarsi e quando verificare.

## Parliamo del tuo progetto

Raccontami il processo che vuoi migliorare: ti rispondo con una prima valutazione di dove l'AI può aiutare e da dove partire.