Il progetto Energy Master rappresenta un miglioramento significativo negli ambiti dell’efficienza energetica e della sostenibilità. Sfruttando la tecnologia AI, il progetto mira a ottimizzare l’autoconsumo dell’energia generata dai pannelli solari installati sul tetto delle sedi di TEC Eurolab. Il sistema AI prevederà con precisione l’uso e la produzione di energia, allineando il funzionamento dei macchinari ad alto consumo energetico con i periodi di massima produzione di energia solare. Questa sincronizzazione strategica migliora l’utilizzo dell’energia solare, avvicinando così TEC Eurolab ai suoi obiettivi di sostenibilità e riducendo la dipendenza dalle fonti energetiche esterne, in generale non rinnovabili. Questo approccio innovativo non solo massimizza i benefici provenienti dalle energie green, ma contribuisce anche significativamente agli obiettivi generali dell’azienda in termini di responsabilità ambientale ed efficienza operativa.

Predictive Q+ è una piattaforma software avanzata per l’ottimizzazione dei processi produttivi. Nata dall’industria automobilistica e delle leghe, funge da stazione di controllo completo dei processi, monitorando, rilevando e prevedendo i problemi operativi e di qualità. Sviluppata dalla startup PredictiveDataScience in collaborazione con i partner del settore e alimentata dall’intelligenza artificiale, offre strumenti per l’analisi dettagliata, la previsione delle interruzioni e l’ottimizzazione, migliorando la qualità e l’efficienza delle risorse. La sua interfaccia versatile consente di gestire diverse fonti di dati, adattandosi a qualsiasi azienda manifatturiera. Collaborando con i partner del consorzio, Predictive Q+ espande le sue capacità ad altri settori. TEC Eurolab sfrutta la piattaforma per migliorare la manutenzione predittiva dei tomografi industriali. NV Bekaert SA beneficia della manutenzione predittiva per le linee e i sistemi di brevettazione e zincatura e per il controllo qualità dei prodotti in filo metallico. INNOVAPLAST utilizzerà la piattaforma per ottimizzare i parametri di processo nella produzione di materie prime bioplastiche a base di ria. Attraverso le collaborazioni, Predictive Q+ dimostra la sua capacità di guidare l’innovazione e di affrontare le sfide specifiche del settore. Le sue funzioni versatili e potenti, combinate con un’interfaccia di facile utilizzo, consentono alle aziende manifatturiere di raggiungere agilità, efficienza e competitività. Consente alle aziende di ottimizzare i processi produttivi, rispondere alle richieste del mercato e rimanere competitive in un ambiente economico dinamico.

Molti processi industriali sono difficili da ottimizzare a causa della mancanza di definizione degli indici di performance, dell’indisponibilità di sensori (e quindi di misure) e della difficoltà di impostare funzioni obiettivo. In questi scenari, le conoscenze degli operatori esperti guidano la fase di messa a punto dei processi industriali/applicazioni. In effetti, un approccio privo di programmazione per trasferire tali conoscenze umane all’impianto di produzione può essere implementato per consentire a qualsiasi operatore di trasferire naturalmente/intuitivamente le proprie competenze alla macchina/robot di destinazione.

Il Kick-off Meeting del progetto di ricerca industriale CAMPRES è stato realizzato nell’ambito del “Bando per progetti strategici di ricerca industriale finalizzati alle aree prioritarie della Smart Specialization Strategy 2023-2024”, Azione 1.1.2 “Sostegno alla ricerca collaborativa di laboratori di ricerca e università con le imprese” della Regione Emilia-Romagna (PR-FESR EMILIA ROMAGNA 2021-2027).

CAMPRES si concentra sullo sviluppo di una famiglia di materiali compositi innovativi per il contenimento di elementi di batterie per l’accumulo di energia statica e/o portatile adatti alla produzione di massa con tecnologie avanzate di stampaggio a iniezione.

Lo sviluppo di leghe innovative dotate di proprietà resistenziali ad alta temperatura rimane un imperativo nella ricerca in ambito ingegneria dei materiali. Dovendo trovare applicazione nella costruzione di componenti per turbine, queste leghe devono presentare elevata resistenza a fatica, a creep, a ossidazione e corrosione a temperature estreme. La nuova generazione di leghe ad alta entropia mostra un potenziale per sviluppare prestazioni ottimali nell’ambito di tali componenti. Queste leghe si basano su cinque o più elementi principali, che formano strutture in soluzione solida stabili a temperature elevate. Ad oggi, i componenti prodotti con leghe ad alta entropia sono perlopiù realizzati mediante tecniche convenzionali, che richiedono ulteriori trattamenti dopo la fabbricazione. 

GIMCANA è un progetto co-finanziato dall’Unione Europea che svilupperà una nuova tecnologia di giunzione multimateriale, da applicare a una vasta gamma di componenti strutturali di qualsiasi settore industriale, al fine di promuovere la sostituzione del metallo a favore di un polimero fibrorinforzato (PFR) e la conseguente estrema riduzione del peso. La tecnologia innovativa, ovvero SLIM2CORE (Standalone Lattice Insert for Metal-COmposite COnnection REinforcement), si basa su inserti realizzati mediante Additive Manufacturing (AM) a basso costo e ad alto valore aggiunto, che consentiranno una connessione più forte tra metallo e PFR. Il progetto copre l’intera catena del valore della tecnologia innovativa, dai materiali, al design, alla produzione, test e controllo di qualità, valutando il suo potenziale su un caso d’uso e il grande impatto della sua adozione. GIMCANA si svilupperà anche coerentemente ai principi di Economia Circolare, mostrando come sia possibile ottenere un componente metallo-PFR ad alte prestazioni utilizzando per quest’ultimo fibre di carbonio riciclate, ed effettuandone un analisi del ciclo di vita (LCA). Il progetto ha una durata di 30 mesi.

X-RAI è un progetto cofinanziato dall’Europa con un contributo di 1.148.723 euro da parte di EIT Manufacturing. TEC Eurolab, insieme agli altri partecipanti Volkswagen AG, Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V., Loamics, Technische Universität Braunschweig e Tvarit GmbH, lavorerà sull’ottimizzazione del processo di fusione utilizzando l’ispezione a raggi X per determinare la qualità del prodotto.

L’industria della fonderia è una delle industrie a maggior consumo energetico in Germania. Pertanto, l’ottimizzazione dei processi con la conseguente riduzione dei difetti di produzione è essenziale per uno sviluppo sostenibile dell’industria. Un modo per ottimizzare i processi di fusione è l’uso di strumenti digitali per identificare le dipendenze non lineari e multicriteriali nei processi, che complicano notevolmente l’ottimizzazione. Per ricavare queste dipendenze non lineari e multicriteriali sono necessari strumenti di analisi dei dati provenienti dal processo di produzione e dalle ispezioni di qualità.