MILA supera la revisione ufficiale con esito positivo
La scorsa settimana ha segnato un momento chiave per il progetto MILA, con il meeting ufficiale di revisione. L’incontro FAIR con i revisori ha confermato che tutte le attività stanno procedendo come previsto e che il progetto sta raggiungendo gli ambiziosi obiettivi prefissati.
Coordinato da Optit nell’ambito del programma FAIR – Spoke 8 “Pervasive AI” – il progetto è incentrato su modelli di supporto decisionale ibridi applicati ai settori della logistica e dell’ambiente.
Il feedback positivo ricevuto riconosce la solidità e la coerenza del lavoro svolto, evidenziando come il progetto stia contribuendo sia all’avanzamento scientifico sia alle applicazioni pratiche.
Dal concept al prototipo: cosa abbiamo realizzato finora
Dall’inizio del 2025, il progetto è passato dall’analisi di fattibilità alla progettazione, prototipazione e parziale integrazione di modelli ibridi che combinano metodi simbolici e tecniche di machine learning.
Tra i risultati più rilevanti di MILA, fino a qui, ci sono:
- un prototipo in grado di correggere e inferire master data, migliorando l’accuratezza degli algoritmi di routing;
- un dimostratore per stimare la velocità stradale a partire dai dati GPS, utile per affinare i modelli di rete;
- moduli di previsione capaci di gestire anomalie e dati mancanti nelle serie temporali, garantendo analisi più affidabili.
Questi risultati hanno già portato all’integrazione di nuove funzionalità nella piattaforma di dispatching di Optit e alla creazione di dimostratori per il workforce planning e l’ottimizzazione dei carichi.
Abbiamo inoltre presentato una pubblicazione scientifica, sviluppata in collaborazione con l’Università di Milano, alla conferenza ISC 2025, uno degli eventi internazionali di riferimento per il calcolo ad alte prestazioni e le sue applicazioni.
Il lavoro si concentra sull’uso di modelli LSTM per apprendere le preferenze dei decision maker nel routing, portando l’AI ibrida sempre più vicino alle esigenze reali delle operations.
Impatto concreto: casi d’uso nella logistica e nel waste management
I casi d’uso sviluppati durante il progetto mettono in evidenza il potenziale dell’Intelligenza Artificiale ibrida nel migliorare le decisioni operative.
Nel settore della logistica retail abbiamo sviluppato modelli di machine learning capaci di calcolare in automatico le finestre di consegna e di identificare quali veicoli sono compatibili con le nuove sedi dei clienti.
Per il load building, invece, abbiamo introdotto un metodo di tuning intelligente degli algoritmi metaeuristici, che ha permesso di velocizzare i calcoli di 3,5 volte e di ottenere risultati di ottimizzazione migliori, senza aumentare i tempi di elaborazione.
Nel settore waste, abbiamo sperimentato approcci di clustering ibrido per suddividere le aree urbane in zone di raccolta efficienti e progettato soluzioni per migliorare la modellazione della rete stradale basata su dati GPS.
Questi esempi dimostrano che l’AI ibrida non è solo una direzione di ricerca promettente, ma un potente abilitatore di operazioni più intelligenti, efficienti e sostenibili.
Con l’ingresso nella fase finale del progetto, i risultati raggiunti rappresentano una base solida per continuare a innovare, spingendo sull’integrazione tra metodi simbolici e data-driven, e aprendo nuove opportunità per l’adozione industriale e la collaborazione accademica.
Il progetto MILA è finanziato nell’ambito del programma FAIR (codice PE00000013), parte del Piano Nazionale di Ripresa e Resilienza (PNRR), con fondi dell’Unione Europea – NextGenerationEU.
