Negli ultimi anni, l'applicazione delle tecnologie Big Data e Machine Learning nell'ambito dell'Industria 5.0 ha fatto progressi significativi, anche grazie alla partecipazione a progetti di ricerca come BD4M e DEEPMON finanziati dal centro di competenza Bi-Rex. I partner di progetto hanno acquisito un notevole know-how sulle metodologie di analisi dei Big Data e sugli strumenti principali di Machine Learning, sviluppando una piattaforma personalizzabile basata su soluzioni open source all'avanguardia, testata in contesti reali sia in laboratori tecnologici che in linee di produzione effettive. Tuttavia, si sono riscontrate specifiche problematiche nelle applicazioni industriali, come dataset sbilanciati, etichettatura errata e alta dimensionalità dei dati, necessità di effettuare inferenze in tempo reale utilizzando solo un subset iniziale di dati, gestione della riservatezza dei dati e limitata maturità delle soluzioni IT per supportare l'implementazione di processi produttivi adattativi basati sui dati. Queste sfide richiedono soluzioni innovative, che questa proposta intende sviluppare per migliorare e innovare i processi produttivi, aumentando così la competitività delle imprese.
Il progetto NGA4M si propone di affrontare le sfide nell'analisi dei dati dei processi produttivi nell'Industria 5.0 attraverso lo sviluppo di metodologie e strumenti innovativi. Si concentra su problemi come dataset sbilanciati e ad alta dimensionalità, proponendo l'adozione del paradigma data-centric AI e l'uso di generazione sintetica di dati. Intende anche implementare processi manifatturieri intelligenti e adattativi, utilizzando una piattaforma IT basata su tecnologie all'avanguardia e testandola su use case industriali reali.
Il progetto mira a sviluppare una piattaforma di Big Data analytics per affrontare le sfide nell'analisi dei dati dei processi produttivi manifatturieri. Si concentrerà su metodologie e strumenti di Machine Learning per dataset sbilanciati e etichettati in modo errato, real-time inference, generazione di dataset sintetici e ottimizzazione di processi adattabili. La piattaforma sposerà il paradigma MLOps, utilizzando tecnologie Open Source consolidate basate su microservizi. I servizi saranno testati su use case reali e la piattaforma finale sarà altamente personalizzabile per diversi contesti, riducendo i costi e i tempi di sviluppo delle soluzioni specifiche.
Il partenariato prevede la seguente tipologia di attori coinvolti:
4 aziende partner industriali di progetto:
2 PMI fornitrici di tecnologie e/o servizi
1 ente di ricerca in qualità di subcontraente