-
Quali dati mi servono per questa soluzione di AI industriale?
Per selezionare i dati giusti, è necessario chiedersi prima di tutto cosa si vuole ottenere. In base alla risposta, si seleziona il parametro target – il nostro output – e si analizza il sistema da modellare. L’analisi si basa sul perimetro, da cui entrano ed escono flussi, regolazioni ed interazioni.
-
Quanto mi costi? Stimare il ROI di un progetto di AI industriale
Per valutare il ROI bisogna avere ben chiaro quanto stiamo spendendo oggi in energia, manutenzione, gestione di processo, risorse sprecate e tempo delle persone. A partire da questa fotografia, si valuta per ogni voce di costo cosa potrebbe migliorare con l’AI, oltre al costo del mancato investimento
-
Predire i guasti con l’AI senza avere guasti nel passato
It’s some kind of magic… Ci sono molti modi di fare manutenzione predittiva data-driven. Alcuni […]
-
L’AI apprende, l’AI predice… Ma cosa vuol dire in concreto?
L’AI fa predizioni generalizzando informazioni che ha già visto nel passato, in base alla situazione che sta osservando nel momento presente. In particolare, in industria osservare la situazione del momento presente significa elaborare in real-time i dati dal campo – temperatura, pressione, portata, ma anche immagini superficiali o di altro tipo. Questi diventano gli input…
-
Perché l’80% del progetti AI fallisce? Strategie di sopravvivenza nella giungla dell’AI
Tra il 2018 e il 2022 sono state fatte diverse ricerche sul tasso di successo o fallimento di progetti di advanced analystics e AI. Tutti concordano nel dire che solo il 20-30% di questi progetti si rivelano in grado di portare benefici ed essere scalato. Ma come mai?
-
Industrial AI power team: chi ti serve per costruire soluzioni e non problemi
Il team di data science: un asset da valorizzare In un futuro non molto lontano […]
-
10 parole strane che usano i data scientists
Il data scientist è una fugra mitologica, con competenze che spaziano dalla porgrammazione all’analisi dei dati alla statistica applicata alla creazione di viste e reportistica d’effetto. Spoiler: di solito non esiste il data scientist, ma piuttosto il team di data science: un isnieme di professionisti che lavorano insieme per raggiungere il risultato. Sia come sia,…
-
Piccola guida per comunicare con un data scientist
Una delle grandi sfide dell’implementazione di soluzioni di intelligenza artificiale industriale è farsi capire da chi deve sviluppare il modello.
-
AI industriale e PMI: si può fare!
Nel contesto italiano le piccole e medie aziende rappresentano la colonna dorsale dell’industria.
-
Quando l’intelligenza artificiale è stupida, e come evitare che ci rovini i piani
Mi dispiace deludere i lettori, purtroppo l’AI non è infallibile. Lo so, prendetevi il tempo che vi serve per elaborare il lutto. Infatti, i modelli di machine learning e di deep learning, imparando solo dai dati senza senso critico, spesso replicano quello che hanno osservato in modo errato, o non sanno gestire alcune situazioni.
Categoria: AI
Archivio
Categorie
- AI
- Altro
- Anomaly detection
- Applicazioni dell'AI industriale
- Apprendimento
- Benefici
- CER
- Data science
- Energia
- Generative AI
- Industria
- Intelligenza artificiale industriale
- Manutenzione predittiva
- Monitoraggio delle performance
- Monitoraggio di processo
- Non supervisionato
- Ottimizzazione di processo
- Per rinforzo
- Processo
- Rinnovabili
- Smart Cities
- Sostenibilità
- Supervisionato
