Machine learning

CGT (Compagnia Generale Trattori) e Trigenia hanno instaurato una partnership strategica che combina l'esperienza di CGT nel settore dei macchinari e delle soluzioni energetiche con le competenze di Trigenia nell'efficienza energetica e nella digitalizzazione. L'obiettivo è supportare le aziende nella transizione energetica e digitale, in linea con i principi di Industria 4.0 e 5.0.

Uso di AI e machine learning in casi reali: RSA, residenze universitarie e una conceria. Riduzione dei consumi e miglior controllo

Nel 2023 Surgital, storica azienda italiana leader nel settore di pasta fresca surgelata, ha scelto CGT per il revamping su misura del proprio impianto di trigenerazione: con una potenza di 4,3 MW, l'impianto produce energia elettrica, termica e frigorifera, con una riduzione di CO2 di quasi 2.000 tonnellate all'anno, che arrivano a 2.900 grazie all'integrazione di un impianto fotovoltaico.

Monitoraggio, telecontrollo e ottimizzazione per impianti HVAC e altre applicazioni

L'intelligenza artificiale e il machine learning, supportati da dati operativi in tempo reale, consentono di raggiungere nuovi livelli in termini di regolazione, efficienza e resilienza nella generazione di energia.

Il professor Nicola Gatti è una figura di spicco nel panorama dell'Intelligenza Artificiale (IA) in Italia. Professore associato presso il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano, è co-direttore dell'Osservatorio Artificial Intelligence e del centro di ricerca industriale del Politecnico di Milano, in ELLIS (European Laboratory for Learning and Intelligent Systems) ed è uno dei coordinatori scientifici dell'unità milanese, che mira a rendere Milano un polo di eccellenza europeo nell'IA e nel machine learning.

Negli ultimi anni, l'industria di processo ha assistito a una crescente adozione di tecnologie avanzate di monitoraggio e analisi dei dati per ottimizzare le operazioni e migliorare l'affidabilità delle apparecchiature critiche. Il passaggio dai metodi di manutenzione reattivi a quelli predittivi o proattivi è stato guidato dalla necessità di minimizzare i fermi impianto non pianificati, ridurre i costi di manutenzione e allungare la vita operativa delle apparecchiature.

Midori Connect, società tecnologica italiana di Energy Data Analysis specializzata nella valorizzazione e trasformazione dei dati energetici in servizi innovativi per il controllo e la conoscenza dei consumi energetici, ed E.ON, uno dei principali operatori energetici in Italia, ufficializzano la loro partnership volta a migliorare la consapevolezza dei consumatori sull'uso dell'energia in casa attraverso l'analisi dei dati energetici e la predictive AI (modelli di Machine Learning).

Digital Twin Machine Learning Industry 5.0 IRS: mission & vision (In lingua inglese)

La Manutenzione predittiva Machine Learning nella manutenzione predittiva L'importanza del software

- L'evoluzione della manutenzione preventiva - Il trilemma della manutenzione preventiva - La Diagnostica in manutenzione - Tipologie e terminologie di manutenzione UNI 10147, EN 13306 - Tecnologie predittive & prove non distruttive PnD NORME ISO-CEN-UNI (258) - La Manutenzione 4.0 - L'evoluzione del learning machine

(PDF in lingua inglese) Machine Learning, Artificial Intelligence, and Data: obstacles and potentialities for today's and tomorrow's maintenance.

Durante l'intervento scenderemo nel dettaglio di applicazioni reali per far emergere come le soluzioni proposte da GE Digital e ServiTecno siano legate ai concetti di machine learning e industrial advanced analitycs possono avere un impatto disruptive sui processi produttivi. Il machine learning è una forma di AI che permette a un sistema di imparare attraverso programmi di apprendimento automatico. Le tecniche di machine learning sono necessarie per migliorare l'accuratezza dei modelli predittivi. L'Advanced Analytics affianca alle analisi esplorative dei dati l'uso di tecniche ed algoritmi statistici, che ne rendono ancora più strutturato e profondo l'utilizzo.