Borse di dottorato di ricerca PNRR: 18 borse per dottorati innovativi Technology, Innovation and Management
I progetti
• System Identification e Machine Learning per soluzioni eHealth market-oriented a supporto della decisione clinica, al fine di migliorare precisione diagnostica e personalizzazione dei trattamenti
• L’intelligenza artificiale nell’evoluzione degli ecosistemi nelle offerte di soluzioni prodotto-servizio
• Sviluppo delle competenze 5.0 in ambito logistico supportato da attrezzature didattiche di laboratorio
• Digitalizzare la Progettazione sostenibile
• Analisi multimodale di contenuti di Online Social Networks attraverso tecniche di Intelligenza Artificiale
• Studio e sviluppo di metodologie di progettazione per additive manufacturing (DfAM) con ottimizzazioni di geometrie complesse con obiettivi in termini di prestazioni, sostenibilità e riduzione del carbon footprint
• Studio, sviluppo e messa a punto di processi manifatturieri digitali e sostenibili mediante deposizione additiva di materiali metallici differenti, in forma di filo e polvere, per la realizzazione di strutture tailored ad elevate prestazioni e ridotto impatto ambientale
System
Identification e Machine Learning per soluzioni eHealth market-oriented a supporto
della decisione clinica, al fine di migliorare precisione diagnostica e personalizzazione dei trattamenti
Impresa convenzionata: Net-Medicare SRL
Docente referente: Prof. Fabio Previdi, Università degli studi di Bergamo
Nel campo in continua evoluzione della medicina digitale, le soluzioni avanzate di eHealth sono essenziali per supportare il processo decisionale clinico, migliorare l’accuratezza diagnostica e consentire trattamenti personalizzati.
Questo progetto di ricerca mira a sviluppare tali soluzioni integrando tecnologie di System Identification come manutenzione predittiva, sistemi adattativi e monitoraggio in tempo reale.
L’obiettivo del progetto è creare modelli destinabili al mercato delle dinamiche di salute dei pazienti per supportare lo sviluppo di algoritmi predittivi.
Questi algoritmi, addestrati tramite Machine Learning, identificheranno modelli nei dati dei pazienti, migliorando la precisione diagnostica.
Inoltre, il progetto implementerà sistemi di apprendimento adattivo che si aggiornano continuamente sulla base dei nuovi dati dei pazienti, personalizzando i piani di trattamento in tempo reale.
L’attenzione del progetto sulla medicina personalizzata rivoluzionerà il modo in cui i trattamenti vengono adattati ai singoli pazienti e metterà alla prova i suoi risultati in applicazioni nella vita reale.
Sfruttando algoritmi predittivi e sistemi di apprendimento adattativo, gli operatori sanitari saranno in grado di sviluppare piani di trattamento specificamente progettati per soddisfare le esigenze specifiche di ciascun paziente.
Inoltre, l’uso di tecnologie di monitoraggio in tempo reale consentirà la
raccolta continua di dati dal Fascicolo Sanitario Elettronico di pazienti affetti da malattie croniche, consentendo agli operatori sanitari di apportare modifiche tempestive ai piani di trattamento per l’assistenza continua.
Il progetto si baserà su un approccio dinamico e pratico garantendo che ogni paziente possa ricevere le cure più appropriate ed efficaci, migliorando i risultati sanitari complessivi e la soddisfazione del paziente e orientando le soluzioni create verso le realtà aziendali sul mercato.
Colmando il divario tra la ricerca innovativa e le esigenze commerciali, il rilascio di soluzioni scalabili di sanità elettronica migliorerà significativamente la cura dei pazienti.
L’intelligenza artificiale nell’evoluzione degli ecosistemi nelle offerte di soluzioni prodotto-
servizio
Impresa convenzionata: Consorzio Intellimech
Docenti referenti: Prof.ssa Fabiana Pirola, Prof.ssa Giuditta
Pezzotta, Università degli studi di Bergamo
Le aziende manufatturiere stanno sempre più ampliando l’offerta di prodotto con servizi a valore aggiunto per i propri clienti, con l’obiettivo, da un lato, di ottenere benefici economici e, dall’altro, di ridurre l’impatto ambientale grazie all’estensione del ciclo di vita dei prodotti.
Parallelamente, l’evoluzione tecnologica e, in particolare, dell’Intelligenza Artificiale (IA), sta consentendo di migliorare ulteriormente il servizio offerto, grazie alle potenzialità di analisi e di predizione di dati e testi.
Il progetto di dottorato, svolto in collaborazione con Intellimech, un consorzio di ricerca privato no-profit che promuove la collaborazione tra aziende di diverse dimensioni e di vari ambiti industriali, si pone come obiettivo l’analisi dell’impatto dell’IA nell’offerta di prodotto-servizi e nelle relazioni all’interno dell’ecosistema di attori coinvolti.
Partendo quindi dall’analisi dello stato dell’arte e dei bisogni delle aziende, il progetto prevede l’identificazione delle potenzialità offerte dall’IA nell’offerta di servizi, in termini sia di applicazioni che di tecnologie, delle barriere per la sua adozione e dei cambiamenti organizzativi necessari per la sua implementazione, sia dal punto di vista del prodotto che dei processi di erogazione del servizio.
Step finale del progetto consiste nello sviluppo di una soluzione prodottoservizio abilitata dall’intelligenza artificiale in un caso aziendale.
Sviluppo
delle competenze 5.0 in ambito logistico supportato da attrezzature didattiche di laboratorio
Impresa convenzionata: Fondazione ITS Mobilità SostenibileMobilità delle persone e delle merci
Docenti referenti: Prof.ssa Alexandra Lagorio, Prof. Roberto Pinto, Università degli studi di Bergamo
L’incremento della popolazione urbana, la digitalizzazione, l’invecchiamento della forza lavoro, il boom dell’e-commerce, le sfide date dalla necessità di avere filiere di approvvigionamento sempre più resilienti ed una sempre maggiore attenzione alla transizione ecologica e alle tematiche relative alla sostenibilità rappresentano una grande sfida per le aziende che operano nel settore della logistica.
La necessità di affrontare queste sfide attraverso una logistica 5.0 (digitale, umano-centrica, resiliente e sostenibile) implica il bisogno di nuove competenze nel mondo logistico che non sempre è facile trovare sul territorio.
La carenza di risorse con le competenze adeguate (skill shortage) fa a sua volta nascere la necessità di sviluppare programmi di formazione innovativa per i diversi target interessati (studenti universitari, studenti ITS, studenti di master, lavoratori e lavoratori anziani).
Questo progetto di dottorato si pone il duplice obiettivo di:
• investigare quali sono le nuove competenze richieste dalla Logistica 5.0;
• comprendere attraverso quali percorsi, metodi e strumenti possano essere sviluppate a seconda dei diversi target e dei diversi obiettivi formativi.
Il progetto di ricerca prevede lo sviluppo di metodi e percorsi per la formazione a partire da un’analisi del ruolo delle tecnologie a supporto dei lavoratori della logistica e degli impatti che esse hanno sulle principali attività da svolgere e sui profili lavorativi.
Queste analisi saranno sviluppate attraverso la collaborazione di una rete di laboratori in cui sono installate learning factory e tecnologie industriali che hanno applicazione nel campo della logistica.
Digitalizzare la Progettazione sostenibile
Impresa convenzionata: Warrant Hub Spa
Docente referente: Prof. Davide Russo, Università degli studi di Bergamo
L’avvento dei nuovi strumenti di Intelligenza Artificiale sta rivoluzionando il modo in cui le aziende affrontano le attività legate alla sostenibilità, come la stesura di rapporti di LCA, l’analisi delle criticità e le attività migliorative in ottica green.
In questo progetto, è interessante approfondire le attività di R&D legate alla sostenibilità, che solitamente richiedono un grande dispendio di tempo e risorse.
L’obiettivo primario di questo progetto è la costruzione di infrastrutture AI-based, integrabili con nuove basi di conoscenza per creare una nuova generazione di strumenti a supporto del design for sustainability.
Grazie a questo connubio, sarà possibile analizzare grandissime moli di dati in tempi rapidi, elaborare strategie di ecodesign data driven , percorsi di circolarità degli scarti produttivi, nuovi scenari di second life dei prodotti, automatizzare la raccolta di informazioni per LCA, carbon footprint o ESG, agevolare la stesura di report tecnici, EPD, LCA ed identificare trend di prospective LCA.
Analisi multimodale di contenuti di
Online Social Networks attraverso tecniche di Intelligenza
Artificiale
Impresa convenzionata: CINI - Consorzio Interuniversitario
Nazionale per l’Informatica
Docente referente: Prof. Vincenzo Moscato, Università degli Studi di Napoli “Federico II”
Il progetto di ricerca si focalizza sull’analisi multimediale dei contenuti delle reti sociali online utilizzando tecniche di Intelligenza Artificiale.
L’obiettivo è sviluppare e applicare algoritmi avanzati per comprendere, classificare e interpretare testi, immagini e video presenti sui social media.
Attraverso queste analisi, si intende poi migliorare la comprensione delle dinamiche sociali, delle interazioni online e delle tendenze emergenti sulla base di modelli che tengano in considerazione il contenuto multimediali.
Inoltre, il progetto mira a identificare pattern di comportamento, influenze culturali e potenziali rischi legati alla diffusione di informazioni false o fuorvianti che possano essere di supporto per le moderne applicazioni di Social Network Analysis.
Studio e sviluppo di metodologie di progettazione per additive manufacturing (DfAM) con
ottimizzazioni di geometrie complesse con obiettivi in termini di prestazioni, sostenibilità e riduzione del carbon footprint
Impresa convenzionata: 3 DnA Srl
Docenti referenti: Prof. Antonio Lanzotti, Prof. Massimo Martorelli, Università degli Studi di Napoli “Federico II”
La ricerca mira a fornire un ulteriore approfondimento nella progettazione e sviluppo di dispositivi avanzati e leggeri realizzati mediante manifattura additiva, nonché di soluzioni tecnologiche innovative/integrate nel campo industriale.
Studio, sviluppo e messa a punto di processi manifatturieri digitali e sostenibili mediante
deposizione additiva di materiali metallici differenti, in forma di filo e polvere, per la realizzazione di strutture tailored ad elevate prestazioni e ridotto impatto ambientale
Impresa convenzionata: 3 DnA Srl
Docente referente: Prof. Antonio Squillace, Università degli Studi di Napoli “Federico II”
Il progetto di ricerca proposto si prefigge lo studio, lo sviluppo e la messa a punto di processi manifatturieri digitali e sostenibili mediante deposizione additiva di materiali metallici differenti, anche per composizione chimica, in forma di filo (Wire Arc Additive Manufacturing via Cold Metal Transfer) e polvere (Selective Laser Melting), per la realizzazione di strutture tailored ad elevate prestazioni e ridotto impatto ambientale per applicazioni industriali avanzate.