Il numero di ottobre/novembre 2024 della rivista Sistemi & Impresa, punto di riferimento per innovazione e digitalizzazione in ambito aziendale, ospita un contributo di Quin sul tema cruciale dell’estrazione della conoscenza da processi aziendali non standardizzati.

L’articolo “Estrarre conoscenza aziendale da processi non standardizzati”, scritto da un team di Research Fellow del Dipartimento di Ingegneria dell’Innovazione dell’Università del Salento, esplora come le tecnologie digitali possano trasformare le imprese, aumentando efficienza e competitività. Il pezzo si concentra sulla gestione dei processi non strutturati, caratterizzati da complessità elevata e un importante know-how tacito, e sulle opportunità offerte per valorizzarli.

In questo contesto, Quin è stata invitata a offrire il proprio punto di vista, approfondendo il valore dell’integrazione tra Process Mining e Machine Learning per l’ottimizzazione dei processi aziendali.

L’intervento di Alberto Aureliano Annoni, Machine Learning Engineer di Quin, ha illustrato come l’unione di metodologie quali il Business Process Management e tecnologie avanzate consenta non solo di mappare e ottimizzare i processi complessi, ma anche di valorizzare il patrimonio di conoscenza interna. Annoni ha spiegato come il Process Mining analizzi i dati operativi reali per individuare colli di bottiglia, inefficienze e scostamenti dai modelli ideali, mentre l’integrazione con il Machine Learning aggiunge capacità predittive e automatizzate. Questo approccio permette di stimare la durata delle attività, prevedere l’andamento della domanda e simulare scenari futuri, superando i limiti dei metodi tradizionali.

Grazie a questo modello, le imprese possono massimizzare l’efficienza operativa, rendendo i flussi più prevedibili, adattabili e competitivi, come dimostrano casi concreti nel settore manifatturiero.

Leggi l’articolo completo e il nostro contributo nell’ultimo numero di Sistemi & Impresa!