AES_4 2022

SCENARI Primo piano 30 Maggio 2022 n Automazione e Strumentazione che analizza: in sostanza, il software di ML, sulla base di un insieme di dati di training , è in grado di sviluppare autonomamente un modello previsio- nale capace di trarre conclusioni, prendere decisioni. Più precisamente, si parla di ‘supervised learning’, o apprendimento supervisionato , quando l’algo- ritmo di ML ‘impara’ da un dataset iniziale, costitu- ito da dati già etichettati, ossia dati già classificati e contenenti esempi di ciò che il software deve saper identificare, per fornire una risposta corretta. Appren- dendo dal dataset di esempio, l’algoritmo di ML è poi in grado di restituire risultati, e fornire predizioni corrette, anche sulla base di dati nuovi e sconosciuti. Quando, invece, l’algoritmo apprende direttamente da dati non etichettati, si parla di ‘unsupervised learning’, o appredimento non supervisionato . Il mercato globale del machine learning è previsto passare, secondo la società di ricerca e consulenza Fortune Business Insights , da un valore di 21,17 miliardi di dollari previsti per quest’anno, a 209,91 miliardi di dollari entro il 2029, registrando un tasso di crescita annuale composto (CAGR) pari al 38,8% nel periodo di studio. La crescente adozione del machine learning e dell’intelligenza artificiale (AI) da parte di molti settori industriali, tra cui il mondo dell’assistenza sanitaria, l’automotive, il retail, ed Con la ‘predictive maintenance’, è possibile pianificare in maniera ottimale i programmi d’intervento e riparazione La sinergia tra machine learning e manutenzione predittiva aiuta a massimizzare la vita utile degli asset industriali