L’Intelligenza Artificiale sta trasformando il settore logistico, migliorando l’efficienza operativa e riducendo i costi. In questo talk esploreremo come le moderne tecniche di machine learning possano essere applicate all’ottimizzazione logistica, focalizzandoci su un caso d’uso concreto: la predizione delle parti di ricambio per interventi di manutenzione e riparazione di elettrodomestici.

Esamineremo diverse strategie per la raccomandazione delle parti di ricambio ai tecnici, partendo da un primo approccio basato su Case-Based Reasoning e Natural Language Processing. Vedremo poi come l’integrazione del Deep Learning abbia migliorato significativamente l’accuratezza della predizione, riducendo il numero di visite necessarie per completare una riparazione.

Successivamente introdurremo il Federated Learning, un paradigma proposto da Google che consente di addestrare modelli predittivi più efficaci in modo distribuito, permettendo a più aziende operanti nello stesso settore di collaborare senza condividere dati sensibili. Discuteremo come abbiamo applicato questa tecnologia per migliorare ulteriormente la predizione dei ricambi, ottenendo modelli con migliori capacità di generalizzazione e benefici concreti in scenari reali.

Concluderemo offrendo una breve panoramica sulle attività del Laboratorio IT2PAO, il laboratorio di ricerca congiunto tra l’Università di Pisa e LogObject, dove stiamo esplorando ulteriori applicazioni dell’AI per l’ottimizzazione dei processi logistici e oltre.

Questo talk fornirà una visione chiara sulle sfide e opportunità dell’Intelligenza Artificiale nel mondo della logistica, con un focus sulle tecnologie più recenti e sulle loro implicazioni pratiche.