AUTOMAZIONE OGGI 369
SOLUZIONI SOFTWARE PER L’INDUSTRIA 113
S
SI
Big Data e Business Intelligence
firma di un apparato (per firma si intende l’andamento di
un determinato parametro al ripetersi di un’operazione
nota, ad esempio l’andamento della coppia di un posizio-
natore di una valvola on/off al comando di apertura/chiu-
sura in figura 7.b). Scostamento della firma dalla sua forma
solita sono indice di insorgenza di una modifica funzionale
che deve essere investigata; analisi delle anomalie, anche
in questo caso operando su un orizzonte temporale il più
lungo possibile, per evidenziare aumenti repentini o lenti
di eventi o parametri riconducibili ad anomalie.
- l’analisi mista del database è applicabile a tutte le mac-
chine/sistemi ed è più che altro rivolta al progettista della
macchina/impianto o a chi ne utilizza o gestisce più di
uno. L’analisi mista può essere condotta su parametri di-
versi della stessa macchina/impianto (misto-verticale)
o anche di macchine diverse (misto-incrociato). Scopo
fondamentale dell’analisi mista è quello di evidenziare
correlazioni tra parametri o eventi diversi, identificando
comportamenti non immediatamente o preventivamente
noti. Le tecniche statistiche adottate in prevalenza per
queste analisi sono regressione e correlazione. Regres-
sione: si tratta di determinare una funzione matematica
che esprima la relazione tra le variabili scelte,
dopo un’analisi di ragionevolezza del loro
presunto legame (l’analisi di regressione tra
variabili eterogenee può portare a risultati
assurdi. Si ricordi il legame trovato, in epoca
vittoriana, tra l’incidenza della tisi e l’uso del
cappello a tuba).
La funzione di regressione è il più delle volte
ottenuta utilizzando il metodo dei minimi
quadrati. Correlazione: la correlazione tra
due (o più) variabili si misura mediante indici
che esprimono l’intensità del loro legame,
solitamente normalizzati nel range da -1
(correlazione perfetta negativa) a +1 (corre-
lazione perfetta positiva). L’indice più comunemente uti-
lizzato è il coefficiente di correlazione di Pearson, espresso
con la lettera ‘r’ o ‘r’. Come mostra la figura 8, nel caso di
due variabili, già la semplice rappresentazione nel piano
cartesiano può mostrare l’esistenza di correlazioni.
Nella ricerca di correlazioni tra variabili diverse occorre
prestare molta attenzione al fenomeno delle ‘correlazioni
indirette’, dove cioè due variabili sono correlate attraverso
una terza non esplicita (tipico esempio: il numero delle vit-
time in un incendio - variabile X1 - è correlato direttamente
al numero di pompieri impiegati per spegnerlo - variabile
X2 -, da cui sembrerebbe logico mandare pochi pompieri a
spegnere gli incendi. In realtà X1 e X2 dipendono entrambe
dalla terza variabile nascosta ‘dimensione dell’incendio’).
Un esempio applicativo
Alcune delle semplici tecniche di analisi statistica viste
sono state implementate nell’ambito di un progetto di ri-
cerca finanziato dalla Regione Liguria (PO CRO FSE 2007-
2013, Asse IV) per analizzare i dati diagnostici raccolti dai
locomotori E483 della Bombardier operanti in Europa. Ogni
secondo ciascun veicolo raccoglie circa 5.000 parametri di
funzionamento tra variabili di stato, allarmi e misure analo-
giche. Per ridurre la mole di dati immagazzinata, le variabili
digitali vengono memorizzate solo in caso di variazione, e
le variabili analogiche solo quando escono da una banda
di insensibilità attorno al valore precedente (exception re-
port). I dati di ciascun locomotore sono trasmessi via sa-
tellite o attraverso la rete di telefonia mobile a un centro
di raccolta a Vado Ligure (SV) dove sono immagazzinati in
un database Oracle. Poiché la flotta si compone di circa 700
locomotori, anche con queste tecniche di compressione
dei dati, si tratta di una mole di informazioni imponente.
Non siamo nel campo dei Big Data, ma certamente si tratta
di una delle applicazioni industriali dalle maggiori dimen-
sioni.
È stato sviluppato in ambiente Matlab uno strumento per
l’analisi dei dati, il cosiddetto data mining, che funziona
off-line, ed è finalizzato, per il momento, all’analisi verti-
Fig. 7 - Esempio di analisi verticale
Fig. 8 - Esempio di correlazione d due variabili (X, Y)
