25 Marzo 2019 - Automazione, News

Machine learning o apprendimento automatico. La manutenzione predittiva diventa realtà

Le aziende stanno accumulando enormi quantità di dati grazie al numero crescente di sensori e integrati in automobili, aerei, treni ed edifici. Utilizzando le abilità di riconoscimento dei pattern fornite dalle soluzioni di apprendimento automatico, un sottoinsieme dell’intelligenza artificiale, il prodotto connesso diventa la leva per l’erogazione di nuovo servizi. Gli esempi di Siemens e  Thyssenkrupp.

Internet of Trains è il progetto sviluppato da Siemens che sfrutta il potere della logica IoT in funzione della manutenzione predittiva. Nell’ambito del progetto, Siemens ha incorporato sensori in treni e binari in località selezionate – in Spagna, Russia e Tailandia – per poi utilizzare i dati per formare modelli di apprendimento automatico in grado di rivelare possibili usure fonte di malfunzionamenti o guasti.

Avere una conoscenza dettagliata dello stato di salute di rete ferroviaria o treni ha permesso a Siemens di effettuare una “manutenzione predittiva” delle infrastrutture e dei mezzi di trasporto. Tutto questo permette di garantire un’operatività always on con percentuali di disservizio prossime allo zero.

Altro esempio di azienda che ha associato i dati di sensori IoT a i modelli di apprendimento automatico è Thyssenkrupp società che gestisce 1,1 milioni di ascensori in tutto il mondo. Da diversi anni il machine learning è così diventato la leva per un nuovo modello di business associato alla qualità di servizio.

Algoritmica predittiva permette aggiornamenti in tempo reale sullo stato degli ascensori dando la possibilità di prevedere comenti a rischio di deterioramento, indirizzando la manutenzione laddove è necessaria, riducendo così le interruzioni del servizio e permettendo di risparmiare riducendo gli interventi inutili. Stessa logica è stata applicata da Rolls-Royce ai propri motori.

L’applicazione dell’apprendimento automatico ai dati dell’Industrial Internet of Things (IIoT) non riguarda però solo la manutenzione predittiva. La sua applicazione può essere estesa anche nell’ambito dell’agricoltura. Grazie a una visione computerizzata è possibile automatizzare l’applicazione di diserbanti distinguendo tra piante coltivate e piante infestanti. L’obiettivo è quindi quello di avere impianti e attrezzature smart per massimizzare il rendimento dei raccolti.

In un recente report Idc, si afferma che l’applicazione dell’intelligenza artificiale sta già offrendo vantaggi comprovati alle aziende. I casi d’uso più comuni  sono riferibili alla manutenzione predittiva, all’analisi della sorveglianza CCTV, alla smart home, al marketing di prossimità fino ad arrivare ai sistemi di trasporto.

Amazon, Microsoft, Google, Ibm. Tutte questo aziende rendono disponibili in cloud piattaforme IoT che permettono di applicare la logica di apprendimento automatico rendendo disponibili interfacce smart per la visualizzazione delle informazioni. Tuttavia, la creazione di un ecosistema di questo tipo non è affato semplice. Occorre sapere quali sono i dati da valorizzare, quali modelli implementare e perché. Tutto questo richiede collaborazione tra data scientist e la componente delle operation.

È necessario quindi avere un team di analisti di dati in grado di dialogare con l’azienda nel suo complesso per capire quali sono i requisiti aziendali, i punti critici  e i problemi che si vogliono risolvere con i big data. Le aziende – avvertono gli esperti – devono avere in mente un chiaro obiettivo aziendale (es. manutenzione predittiva) prima di iniziare qualsiasi progetto di questo tipo.

 

Tags : , , ,