La sfida e il problema
In settori industriali complessi come l’automotive, l’aerospaziale e la meccanica, la fase iniziale di un progetto inizia spesso con la ricezione di una Request for Quotation (RFQ). Storicamente, l’analisi di questi documenti è stata un processo manuale, dispendioso in termini di tempo e soggetto a errori. I requisiti tecnici sono solitamente contenuti in formati non strutturati come PDF, documenti Word, file Excel, rendendo difficile mantenere la coerenza e garantire la tracciabilità delle informazioni durante tutto il processo. La mancanza di automazione rende inoltre complesso l’inserimento rapido e accurato dei dati nei sistemi di gestione aziendale.
Per affrontare queste inefficienze, MADE4.0, Solution Hub e Erre Quadro, grazie ad AI Matters hanno sviluppato due progetti interconnessi che sfruttano l’Intelligenza Artificiale per automatizzare l’estrazione e la gestione del ciclo di vita di questi requisiti critici.
La soluzione
Entrambi i progetti si basano sull’integrazione della tecnologia Tech Reveal, una soluzione di Document Intelligence che applica modelli avanzati di IA per estrarre, classificare e interpretare informazioni da documenti tecnici complessi.
Grazie ad AI matters la soluzione sarà testata in ambiente realistico ottimizzando l’estrazione automatica dei requisiti tecnici da documenti RFQ, riducendo i tempi di analisi e migliorando la qualità delle informazioni gestite.
Progetto 1: Estrazione automatizzata e ingestione nel sistema RM
Il primo progetto si focalizza sull’interpretazione semantica dei requisiti tecnici contenuti nei documenti RFQ. Configurando modelli di machine learning specifici per il parsing, il sistema è in grado di identificare automaticamente i dati tecnici chiave indipendentemente dal formato originale del file.
- Integrazione fluida: Grazie all’utilizzo di middleware e API, i dati estratti vengono trasformati e inseriti direttamente nei sistemi di Requirement Management (RM), nello specifico Jama Connect.
- Standardizzazione: Il progetto include lo sviluppo di un modulo Tech Reveal che normalizza l’output dell’estrazione, assicurando che i dati siano organizzati secondo le specifiche tassonomie aziendali.
Progetto 2: Tracciabilità end-to-end e archiviazione PLM
Il secondo progetto estende questa automazione all’intero ciclo di vita del prodotto, garantendo coerenza e conformità. È stato definito un workflow integrato che traccia una RFQ dal momento del suo arrivo fino all’archiviazione finale nei sistemi di Product Lifecycle Management (PLM).
- Orchestrazione del flusso: Attraverso l’uso di API per l’orchestrazione, il progetto assicura che ogni requisito sia storicizzato e pienamente tracciabile lungo tutto il flusso informativo.
- Allineamento: Questa integrazione garantisce un allineamento continuo tra i requisiti del cliente e lo sviluppo del prodotto, riducendo drasticamente il rischio di perdita di informazioni nel passaggio tra l’area commerciale e quella ingegneristica.
L’Impatto: Efficienza, Accuratezza e Competitività
L’implementazione di queste soluzioni basate sull’IA, sviluppata con la collaborazione di AI-Matters, MADE4.0, Solution Hub e Erre Quadro, offre vantaggi competitivi tangibili:
- Drastico risparmio di tempo: L’automazione riduce significativamente i tempi necessari per l’analisi tecnica e la risposta alle RFQ.
- Maggiore qualità e precisione: L’estrazione automatizzata migliora l’accuratezza dei requisiti gestiti, portando a offerte tecniche di qualità superiore e riducendo gli errori manuali.
- Piena visibilità: Le aziende ottengono una visibilità totale sul ciclo di vita della RFQ, migliorando l’integrazione e la collaborazione tra i reparti commerciali e quelli di ingegneria.
- Aumento della competitività: Grazie alla riduzione dei tempi di gestione e dei rischi informativi, le aziende possono gestire un volume maggiore di richieste con superiore efficienza e coerenza.
Attraverso queste iniziative, la trasformazione dei dati non strutturati in informazioni digitali e interoperabili diventa una realtà operativa, favorendo un ecosistema manifatturiero più agile e guidato dai dati.