Vai al contenuto

Agentic AI

AI, Smart Glasses e Knowledge Graph per l’Intralogistica del Futuro

Come un’azienda manifatturiera leader ha ripensato la gestione dell’intralogistica con AI, agenti e semantica per controllare flotte di AMR e dati di magazzino in tempo reale.

Settore
Manifattura, Logistica

AI, Agenti e Semantica per L'Intralogistica del Futuro

La gestione dell’intralogistica moderna richiede di governare sistemi sempre più eterogenei, dati distribuiti e robot autonomi di marche diverse. Questa sperimentazione nasce per rendere l’intero magazzino interrogabile e governabile in linguaggio naturale, unendo AI conversazionale, Knowledge Graph e agenti specializzati.

Il cliente

Un’industria manifatturiera ad alta specializzazione, leader nel proprio settore, con processi logistici complessi e un ampio utilizzo di Autonomous Mobile Robot all’interno di magazzini e linee di produzione.

La sfida

L’azienda si trovava a dover ripensare la gestione delle flotte di AMR e dei dati logistici:

  • Presenza di robot di modelli diversi, ciascuno governato da sistemi differenti
  • Dati di magazzino frammentati e accessibili solo puntualmente
  • Necessità di gestire sia dati real time sia informazioni complesse e non strutturate, come la manualistica
  • Mancanza di una vista unificata e interrogabile dell’intero ecosistema logistico

La soluzione

BitBang ha sviluppato una soluzione avanzata che combina Smart Glasses, LLM, Knowledge Graph e AI Agents.

La soluzione abilita:

  • Selezione dei robot tramite Smart Glasses e invio di comandi vocali indipendentemente dal rumore ambientale
  • Traduzione dei comandi in linguaggio naturale nel linguaggio specifico degli AMR tramite LLM
  • Un Knowledge Graph per modellare la struttura del magazzino, la distribuzione dei dati e le osservazioni in tempo reale
  • Repository dati specializzati: VectorDB per i contenuti non strutturati e database SQL per dati tabellari e near real time
  • Agenti dedicati a compiti specifici per garantire efficienza, affidabilità e controllo del contesto

I risultati

  • Possibilità di interrogare l’intero magazzino in linguaggio naturale
  • Accesso immediato allo stato corrente e allo storico operativo
  • Supporto a Monitoring, Anomaly Detection, Predictive Maintenance e What if Analysis
  • Riduzione del rischio di allucinazioni grazie all’uso guidato degli LLM e del Knowledge Graph
  • Gestione più solida del contesto e dei dati near real time

Parliamone

Hai una sfida simile? Raccontacela: partiamo da lì.

Altri Case Studies