Banco di prova Industrial Internet Consortium su Machine Learning

Pubblicato il 23 ottobre 2019

L’Industrial Internet Consortium (IIC™) ha annunciato che sono state completate con successo le fasi 1 e 2 del banco di prova sul machine learning in ambito smart factory per la manutenzione predittiva; il progetto entra ora nella terza fase di vita rappresentata dalla sua distribuzione commerciale. Questo banco di prova è in uso presso un OEM automobilistico di primario livello, ha ottenuto due brevetti negli Stati Uniti, è stato pubblicato in un recente libro e i risultati ottenuti sono stati profilati in due riviste tecniche, i cui contenuti sono stati esaminati da esperti di settore.

I membri dell’IIC Aingura IIoT e Xilinx hanno sviluppato il banco di prova per valutare e convalidare le tecniche di machine learning per la manutenzione predittiva di macchine di produzione dedicate ad alti volumi di carico. Il banco di prova è stato impiegato con successo in ambienti manifatturieri presso stabilimenti di lavorazione e produzione OEM del settore automobilistico. Le tecniche di apprendimento delle macchine consentono a strutture dotate di macchinari specialistici per alti volumi di passare dalla manutenzione preventiva regolarmente programmata alla manutenzione predittiva, e ottimizzare così il funzionamento del sistema e l’utilizzo delle risorse.

“L’attuale metodologia di manutenzione preventiva non è efficiente in termini di costi e non risolve i problemi che portano al guasto del sistema”, ha dichiarato Dan Isaacs, Testbed Lead all’interno dell’IIC e Director of Customer Marketing di Xilinx. “Con la manutenzione predittiva, gli operatori possono essere allertati prima che il guasto del sistema si verifichi e, in alcuni casi, senza l’interazione dell’operatore, vengono evitati dispendiosi fermi linea non pianificati, migliorando l’efficienza energetica. Con Zynq UltraScale+ MPSoC al centro del sistema Aingura Insights di Aingura IIoT, il sensor hub, il Time Sensitive Networking (TSN) e le funzionalità di machine learning vengono eseguiti in modo efficiente ed efficace in un unico dispositivo”.

“Questo banco di prova si concentra sull’esplorazione dell’applicazione di tecniche di apprendimento automatico e di approcci algoritmici che utilizzano nuove tecnologie innovative”, ha detto Javier Díaz, Testbed Lead dell’IIC e CTO di Aingura IIoT. “Con un’analisi adeguata, le informazioni possono fornire una vasta gamma di dettagli sull’operatività di un sistema aziendale e sui costi complessivi di gestione e manutenzione. Inoltre, le aziende possono  far beneficiare i loro clienti dei risparmi ottenuti durante la produzione dei prodotti”.

Il team del banco prova ha ottenuto due brevetti statunitensi, US10031500 e US20190258232A1 per “Dispositivo e sistema comprendente più dispositivi per la supervisione e il controllo di macchine in installazioni industriali”, l’uno relativo al dispositivo stesso e l’altro all’architettura. Il banco di prova è anche menzionato nel libro dal titolo “Applicazioni industriali di Machine Learning“, di cui Díaz è l’autore. I risultati del banco di prova sono pubblicati anche nel Giornale dell’Innovazione dell’IIC, “Rendere le fabbriche più intelligenti attraverso il machine learning“, e nel Giornale dell’IEEE, “Clustering dei flussi di dati con modelli dinamici di mixaggio gaussiano: Un’applicazione dell’Internet delle Cose nei processi industriali“, 24 maggio 2018.



Contenuti correlati

  • Anipla TechTalk: sensori smart e inferenziali

    È possibile iscriversi gratuitamente a un nuovo TechTalk, un’occasione utile e veloce offerta da Anipla per approfondire un tema tecnologico, che in questo caso saranno i ‘sensori smart’. L’appuntamento sarà online, giovedì 15 settembre 2022 alle ore...

  • Intelligenza artificiale, l’Italia eccelle nella ricerca, ma le aziende restano indietro

    L’intelligenza artificiale è oggi uno dei temi più caldi, a livello macroeconomico mondiale. E l’Italia sta giocando le sue carte, in particolare nel mondo della ricerca. È tra i primi dieci Paesi al mondo in tema di...

  • Opyn Maurizio Diana fintech
    Opyn, i dati sono la gallina dalle uova d’oro della finanza

    Anno 2022: i dati sono la più grande risorsa per le aziende, o il “nuovo petrolio”, per dirla come Clive Humby, data scientist e matematico inglese, che aveva coniato questa definizione nell’ormai lontano 2006. Sono passati oltre...

  • zero trust_1
    Zero Trust semplifica l’ETL e accellera machine learning e AI

    L’intelligenza artificiale e il machine learning stanno trasformando le pratiche di business, ma solo se le organizzazioni possono vincere la sfida dell’accesso e aggregazione dei dati tra i vari silo e fonti in un unico pool di...

  • Proteggere il machine learning by design

    Anche gli algoritmi di intelligenza artificiale, specialmente quelli utili in ambito biomedicale, hanno bisogno di essere difesi da contraffazione, manipolazione, sabotaggi, spionaggio industriale. Wibu-Systems ha realizzato una soluzione in grado di proteggere le applicazioni di machine learning...

  • E4 Federico Pinca HPC
    Cybersicurezza nazionale, l’HPC avrà un ruolo chiave

    Federico Pinca, HPC Architect di E4 Computer Engineering, spiega come il calcolo ad alte prestazioni possa giocare un ruolo importante in tema di innovazione e sicurezza Noi che siamo nativi digitali (nati negli anni ‘80) almeno una...

  • Una difesa efficace

    Un sistema Siem per il monitoraggio centralizzato dei sistemi di sicurezza cyber, fisici e cyber-fisici Leggi l’articolo

  • Sotto il cofano dell’intelligenza artificiale

    La moderna intelligenza artificiale è caratterizzata da un’ampia varietà di approcci, stili e metodi di programmazione Leggi l’articolo

  • Robotic Process Automation, questa sconosciuta di cui tutti parlano

    La tecnologia RPA (Robotic Process Automation) è l’automazione di processi soggetti a sistemi informatici. Come i robot industriali automatizzano le operazioni iterative e alienanti della produzione, i software della RPA automatizzano azioni ripetitive tipiche degli altri processi...

  • Apprendimento automatico per la manutenzione predittiva

    Adottare il machine learning nei progetti di predictive maintenance incrementa benefici che si estendono, dalla maggior produttività degli asset, alla riduzione dei costi complessivi di manutenzione. Leggi l’articolo

Scopri le novità scelte per te x