PR_437

SKF punta suTorino SKF investe 40 milioni di euro per ampliare e ammodernare il suo stabilimen- to di Airasca (TO), con l’obiettivo di trasferire la produzione di cuscinetti di precisione per applicazioni industriali nel più grande sito produttivo italiano del Gruppo, con la costruzione di un nuovo stabilimento. Ad Airasca verranno installate linee completamente automatizzate per la produzione di cuscinetti di precisione, la prima delle quali dovrebbe essere operativa entro il 2022. Gli investimenti nei processi di produzione automatizzati consentiranno di consolidare gli attuali siti produttivi di SKF in Italia settentrionale, con un im- patto su altri due stabilimenti. Lo stabilimento di Pianezza, ora dedicato alla produzione di cuscinetti di precisione, sarà consolidato nel sito di Airasca. Lo stabilimento di Villar Perosa continuerà la produzione di cuscinetti per le indu- strie ferroviaria e aerospaziale, mentre quella di cuscinetti di precisione sarà trasferita ad Airasca. L’investimento conferma la fiducia di SKF nei confronti dell’Italia e nello specifico del sito di Airasca, dove il consolidamento e il rag- gruppamento delle competenze porterà sinergie, innovazione ed efficienza. AI nei motori aerospace Memorandum d’intesa tra Altair e Rolls- Royce Germany per la convergenza di in- telligenza artificiale e ingegneria nello svi- luppo dei motori aerospaziali Rolls-Royce. La collaborazione riguarderà in particolare l’analisi strutturale e i test, mettendo insie- me grandi quantità di dati di prodotti, storici e in servizio, provenienti da diverse fonti per dar vita a nuovi casi d’uso basati sull’AI, per ridurre tempi e costi di sviluppo mi- gliorando prestazioni e qualità dei prodotti. Rolls-Royce impiega da oltre 20 anni AI e analisi avanzata dei dati nelle sue attività, sia nel servizio di monitoraggio dei motori sia in produzione. Per colmare il divario tra ingegneria e data science, il costruttore per iniziare sfrutterà Altair Knowledge works, piattaforma collaborativa di analisi dei dati end-to-end, per consentire agli ingegneri di applicare metodi di machine learning (ML) usando dati di simulazione, test, produzio- ne e operativi. La soluzione è progettata per dare semplice ed efficiente accesso a diverse fonti e formati di dati in un ambien- te low code/no code, e trasformarli e utiliz- zarli per costruire modelli ML e condividere la conoscenza in tutto il business.