English
Machine Learning e manutenzione predittiva
Machine Learning e manutenzione predittiva: perché i Dati della Sensoristica non bastano
Jacopo Piana - Quick Algorithm Analytics
Sommario
Data driven è un processo o attività che viene stimolato dai dati, invece di essere guidato da una mera intuizione o esperienza personale. In altre parole, la decisione viene presa con prove empiriche concrete e non speculazioni o sensazioni. Data driven per tecnici dà voce a "beni silenziosi":
- Rilevamento risorse intelligenza artificiale.
- Raccolta dati a basso sforzo;
- Condivisione di documenti e video;
- Attività di manutenzione e formazione.
Machine Learning
Il machine learning, l'apprendimento automatico, nasce dalla teoria che i computer possono imparare ad eseguire compiti specifici senza essere programmati per farlo, grazie al riconoscimento di schemi tra i dati.
Il machine learning utilizza algoritmi che imparano dai dati in modo iterativo.
Possiamo dire che i Big-Data sono petrolio, lo Smart-Data la benzina, il machine-Learning il motore e l'intelligenza artificiale Application la macchina.
ML è l'acronimo di machine learning che può essere supervisionato. Le risorse vengono rilevate. L'algoritmo impara da esempi. Ha bisogno di abbastanza dimostrazioni. L'essere umano, prima della macchina, apprende figure e nomi per potere fare previsioni.
Il machine learning non supervisionato è in grado di rilevare anomalie. I data point sono analizzati automaticamente. L'algoritmo apprende dai dati.
Gli esseri umani devono stabilire:
. La pertinenza;
. Gli effetti.
L'intelligenza artificiale e la manutenzione predittiva vedono contrapposte le funzioni cognitive e la conoscenza. Insieme raggiungono la prestazione predittiva.
Se le sfide di ieri dovevano fare fronte ad una mancanza di sensori, oggi occorre confrontarsi con una mancanza di competenze, con una pochezza di tracce digitali dell'attività umana, con uno scarso feedback umano agli algoritmi e con i criteri della convergenza e con il quadro generale.
Le esigenze della manutenzione 4.0 sono:
- Un ecosistema dati: integrazioni con soluzioni, IoT e Hardware;
- Intelligenza artificiale e machine learning : avvisi guidati dall'intelligenza artificiale, raccomandazioni & automazione;
- Aumento delle attività: migliorare le competenze digitali delle risorse;
- Monitoraggio delle attività umane: i dati dei sensori sono aumentati con la raccolta dati dell'attività umana per migliorare la precisione degli algoritmi.
Il machine learning utilizza algoritmi che imparano dai dati in modo iterativo.
Possiamo dire che i Big-Data sono petrolio, lo Smart-Data la benzina, il machine-Learning il motore e l'intelligenza artificiale Application la macchina.
ML è l'acronimo di machine learning che può essere supervisionato. Le risorse vengono rilevate. L'algoritmo impara da esempi. Ha bisogno di abbastanza dimostrazioni. L'essere umano, prima della macchina, apprende figure e nomi per potere fare previsioni.
Il machine learning non supervisionato è in grado di rilevare anomalie. I data point sono analizzati automaticamente. L'algoritmo apprende dai dati.
Gli esseri umani devono stabilire:
. La pertinenza;
. Gli effetti.
L'intelligenza artificiale e la manutenzione predittiva vedono contrapposte le funzioni cognitive e la conoscenza. Insieme raggiungono la prestazione predittiva.
Se le sfide di ieri dovevano fare fronte ad una mancanza di sensori, oggi occorre confrontarsi con una mancanza di competenze, con una pochezza di tracce digitali dell'attività umana, con uno scarso feedback umano agli algoritmi e con i criteri della convergenza e con il quadro generale.
Le esigenze della manutenzione 4.0 sono:
- Un ecosistema dati: integrazioni con soluzioni, IoT e Hardware;
- Intelligenza artificiale e machine learning : avvisi guidati dall'intelligenza artificiale, raccomandazioni & automazione;
- Aumento delle attività: migliorare le competenze digitali delle risorse;
- Monitoraggio delle attività umane: i dati dei sensori sono aumentati con la raccolta dati dell'attività umana per migliorare la precisione degli algoritmi.
Video
Intelligenza artificiale nel settore industriale
Gli strumenti basati sull'Intelligenza Artificiale aiutano le aziende a ottenere un vantaggio competitivo elaborando istantaneamente i dati per creare prodotti e servizi migliori e su misura per i propri clienti, riducendo il rischio di guasti o tempi di inattività, riducendo i costi grazie alla manutenzione predittiva.
Conclusioni
Le funzioni cognitive e la conoscenza sono la chiave.
Il tracciamento dell'attività umana aumenta la prestazione predittiva.
Il software dovrebbe tracciare le attività, aggregare dati e consentire il feedback umano.
Leggi tutto
Fonte: MCM 4.0 Web Edition aprile 2021 La manutenzione nella transizione industriale: soluzioni 4.0 e tecnologie predittive
Settori: Automazione industriale, Big Data, Industria 4.0, Informatica, Intelligenza artificiale, Reti di comunicazione, Sensoristica, Software industriale, Strumentazione industriale
Mercati: Manutenzione industriale
Parole chiave: Acquisizione dati, AI Intelligenza artificiale per l'industria, Data Science, Machine learning, Sensoristica
