Il Futuro delle Strutture Autoportanti in Acciaio: Design Innovativi e Sostenibilità

L’intelligenza artificiale sta rivoluzionando il modo in cui le imprese operano, offrendo opportunità di ottimizzazione dei processi, miglioramento della produttività e creazione di nuovi prodotti e servizi. Tuttavia, per sfruttare appieno il potenziale dell’intelligenza artificiale, è necessario disporre di esperti qualificati in grado di sviluppare e implementare soluzioni innovative.

Il dibattito a Parma si concentra sull’importanza di formare più esperti in intelligenza artificiale per soddisfare la crescente domanda delle imprese. Le grandi aziende hanno già avviato progetti di integrazione dell’intelligenza artificiale nei loro processi, ma le piccole e medie imprese spesso faticano a seguire il ritmo a causa della mancanza di competenze interne.

Per ridurre questa disparità, è essenziale promuovere la collaborazione tra i centri di ricerca, le università e le imprese del settore privato. In questo modo, sarà possibile creare programmi formativi mirati, offrire opportunità di stage e favorire lo scambio di conoscenze e competenze tra i diversi attori coinvolti.

Investire nella formazione di esperti in intelligenza artificiale non solo aiuterà le imprese a rimanere competitive sul mercato, ma contribuirà anche a stimolare l’innovazione e lo sviluppo economico del territorio. È quindi fondamentale agire con determinazione per garantire che le imprese italiane siano pronte ad affrontare le sfide e cogliere le opportunità offerte dall’intelligenza artificiale.

Il CEO di Generali, Philippe Donnet, ha sottolineato l’importanza della resilienza e della velocità di reazione per affrontare le sfide attuali e future. In particolare, Donnet ha dichiarato che l’azienda affronterà con determinazione le difficoltà causate dai dazi americani, dimostrando la capacità di adattamento e la prontezza nel rispondere ai cambiamenti del mercato.

Generali è una delle principali compagnie assicurative a livello globale, con una lunga storia di leadership nel settore. Fondata nel 1831 a Trieste, l’azienda ha una presenza in oltre 50 paesi e offre una vasta gamma di prodotti assicurativi e servizi finanziari.

La strategia di Generali si basa sulla diversificazione geografica e sul continuo miglioramento dell’efficienza operativa. Inoltre, l’azienda è impegnata a promuovere la sostenibilità e l’inclusione sociale attraverso iniziative e progetti a livello globale.

Nel contesto attuale di incertezza economica e politica, la capacità di adattamento e la prontezza nel rispondere alle sfide sono diventate fondamentali per le imprese. Generali, guidata da Philippe Donnet, si pone l’obiettivo di mantenere la propria leadership nel settore assicurativo, investendo in innovazione e digitalizzazione per offrire soluzioni sempre più efficaci e personalizzate ai propri clienti.

Quando si valuta una pressa piegatrice per lamiera, l’attenzione di solito si concentra su tonnellaggio, corsa utile e tipo di controllo numerico.
Eppure, tra le caratteristiche più utili ma spesso trascurate, ce n’è una che ha un impatto diretto sulla produttività quotidiana: la velocità di ritorno del pistone (ram return speed).

Cos’è la velocità di ritorno?

Dopo ogni piegatura, il pistone della pressa deve risalire alla posizione iniziale per permettere l’estrazione del pezzo e il posizionamento del successivo.
La velocità di ritorno misura quanto rapidamente questo movimento avviene.

Una macchina lenta nel ritorno impiega secondi preziosi tra una piega e l’altra — secondi che, su centinaia o migliaia di pezzi, fanno una differenza enorme nel tempo di produzione.

Qual è il vantaggio di una velocità di ritorno elevata?

• Riduzione dei tempi ciclo senza sacrificare la qualità della piega.
• Maggiore produttività, soprattutto nelle serie lunghe.
• Meno stress per l’operatore, che lavora con un ritmo più fluido.
• Ottimizzazione delle risorse: meno ore-macchina, più commesse evase.

In molti casi, una differenza di soli 2–3 secondi per pezzo può tradursi in diverse ore risparmiate su una giornata di produzione.

Perché viene spesso ignorata?

Spesso si dà per scontato che tutte le presse abbiano velocità di ritorno simili, o si ritiene che conti poco rispetto ad altre specifiche più “nobili”, come la precisione degli assi o la gestione CNC.
In realtà, soprattutto in produzioni medio-grandi, una macchina lenta nel ritorno rischia di essere un collo di bottiglia invisibile.

Un consiglio pratico

Quando valuti una nuova pressa, chiedi sempre non solo la velocità di discesa e piegatura, ma anche quella di ritorno.
E se possibile, provala di persona: una macchina fluida e rapida nel ritorno si riconosce subito.

Charlotte Mitha scelta per succedere a Chris O’Riley come capo di BC Hydro

9 maggio 2025 – Charlotte Mitha diventerà la prossima presidente e CEO di BC Hydro a partire dal 1 agosto, succedendo a Chris O’Riley, che si ritira dopo 35 anni con l’azienda.

Mitha possiede tre decenni di esperienza nel settore dell’energia della Columbia Britannica, inclusi più di cinque anni come vicepresidente esecutivo delle operazioni di BC Hydro, dove ha guidato una forza lavoro di 3.000 persone.

Attualmente ricopre il ruolo di consulente del consiglio per Yukon Energy e membro del consiglio del Western Energy Institute. Prima di entrare in BC Hydro, ha lavorato come ingegnere meccanico su progetti di generazione idroelettrica e infrastrutture nella Columbia Britannica.

Ingegnere professionista registrata presso Engineers and Geoscientists BC, Charlotte possiede anche un Master in Business Administration presso l’Università di Londra.

Lo scorso autunno è stata premiata con il premio Women in Electricity di Electricity Canada (2024) per leadership e contributi al settore elettrico del Canada.

Come presidente e CEO di BC Hydro, guiderà iniziative che supportano la transizione verso l’energia pulita della provincia, inclusa l’espansione delle capacità di generazione e trasmissione di BC Hydro, il potenziamento della resilienza della rete e l’espansione dei servizi e programmi dell’azienda per aiutare i clienti a conservare energia.

Intel AI Scopre i Difetti Nascosti nei Chip dei Data Center

Nei data center di grandi dimensioni, i chip ad alte prestazioni possono avere dei difetti nascosti che possono passare inosservati durante i controlli di qualità convenzionali. Intel ha presentato una tecnica basata sull’apprendimento per rinforzo per individuare più rapidamente questi errori silenziosi, garantendo la qualità dei suoi processori Xeon.

Quando si verifica un errore in un data center, gli operatori possono decidere se sostituire un nodo o utilizzare il sistema difettoso per calcoli meno critici. Tuttavia, sarebbe molto meglio individuare gli errori in anticipo, prima che il chip venga incorporato in un sistema informatico, quando è possibile apportare correzioni di progettazione o di produzione per evitare che gli errori si ripetano in futuro.

“In un laptop, non noteresti errori. Nei data center, con nodi molto densi, c’è una grande probabilità che si verifichi un errore.” —Manu Shamsa, Intel

Individuare questi difetti non è semplice. Gli ingegneri hanno faticato a capirli e hanno scherzato sul fatto che potessero essere dovuti a azioni spettrali a distanza, come diceva Einstein. Tuttavia, Shamsa ha passato anni a caratterizzarli e ha identificato le cause di questi errori, principalmente dovuti a variazioni infinitesimali nella produzione.

Anche se miliardi di transistor su ciascun chip sono funzionali, non sono completamente identici tra loro. Piccole differenze nella risposta di un transistor ai cambiamenti di temperatura, tensione o frequenza possono causare un errore.

Queste sottigliezze sono molto più probabili nei grandi data center a causa del ritmo di calcolo e della vasta quantità di silicio coinvolta. Alcuni errori possono manifestarsi solo dopo che un chip è stato installato in un data center e ha operato per mesi. Variazioni nelle proprietà dei transistor possono causarne il deterioramento nel tempo.

Apprendimento Automatico per individuare i difetti

La nuova tecnica si basa su un insieme esistente di metodi per individuare errori silenziosi, chiamati test Eigen. Questi test fanno eseguire al chip problemi matematici complessi ripetutamente nel tempo, nella speranza di rendere evidenti gli errori silenziosi. Coinvolgono operazioni su diverse dimensioni di matrici riempite di dati casuali.

Ci sono molti test Eigen. Eseguirli tutti richiederebbe troppo tempo, quindi i produttori di chip utilizzano un approccio casuale per generare un insieme gestibile di test. Questo risparmia tempo ma lascia errori non rilevati. Shamsa voleva trovare un modo per guidare la selezione in modo che un numero relativamente piccolo di test potesse individuare più errori.

Il team di Intel ha utilizzato l’apprendimento per rinforzo per sviluppare test per la parte del chip Xeon CPU che esegue la moltiplicazione di matrici utilizzando le istruzioni fuse-multiply-add (FMA). Dopo circa 500 cicli di test, l’algoritmo ha imparato quali test Eigen ottimizzavano il tasso di rilevamento degli errori per la regione FMA.

Shamsa afferma che questa tecnica è cinque volte più probabile nel rilevare un difetto rispetto ai test Eigen casuali. I test Eigen sono open source, parte dell’openDCDiag per i data center. Altri utenti dovrebbero essere in grado di utilizzare l’apprendimento per rinforzo per modificare questi test per i propri sistemi.

In definitiva, i difetti silenziosi e sottili sono una parte inevitabile del processo di produzione, ma Intel sta cercando di utilizzare questa ricerca per individuare più rapidamente i precursori che portano agli errori di dati silenziosi. Sta esaminando se ci sono segnali di avvertimento che potrebbero fornire un avviso precoce di futuri errori e se è possibile modificare le ricette o i design dei chip per gestirli.