Abstract
La manifattura sostenibile è il mantra delle applicazioni Industria 5.0. Si vuole migliorare la qualità dei processi per abilitare Zero Defect Manufacturing (ZDM) e Zero Waste Manufacturing (ZWM), e produrre con zero difetti e zero rifiuti. ZDM e ZWM richiedono innovative soluzioni Big Data e Machine Learning (ML). Il progetto intende affrontare il problema estendendo le piattaforme IT già sviluppate dal partenariato introducendo nuove metodologie e strumenti. In ambito ML, si affronteranno i temi dell’inferenza real-time, della qualità dei dati generati dagli apparati produttivi e dell’apprendimento bordo macchina. In ambito Big Data, si realizzeranno soluzioni MLOps per mantenere aggiornati ed efficienti i modelli ML al variare dei processi produttivi e abilitare l’apprendimento dinamico e contestuale. Per realizzare questi ambiziosi obiettivi, il progetto si avvarrà di un partenariato di laboratori e imprese motivati e di provate competenze. I servizi Big Data e ML realizzati dal progetto verranno validati in use case reali forniti dalle aziende del partenariato e appositamente selezionati perché fortemente rappresentativi. Con DISSEM, le imprese dell'Emilia-Romagna disporranno di un “semilavorato” ad alto TRL facilmente personalizzabile per i propri processi produttivi.
Obiettivi e risultati attesi
Anche grazie al fatto che il partenariato ha precedentemente sviluppato know-how e strumenti di grande valore in ambito Big Data e Machine Learning, si ambisce ad arrivare a fine progetto con una piattaforma di servizi IT a TRL 6, che consenta di realizzare soluzioni Zero Defect Manufacturing (ZDM) e Zero Waste Management (ZWM), e sia facilmente riconfigurabile per essere adattata a un ampio spettro di use case delle aziende manifatturiere emiliano-romagnole. Risultati previsti: 1) Nuove metodologie data-driven per l’apprendimento di modelli di machine learning (ML), pensate per dati ad alta dimensionalità, dataset sbilanciati e/o incorrettamente etichettati; 2) Prototipo di piattaforma DISSEM in grado di istanziare e gestire in modo dinamico servizi di Big Data analytics implementando il paradigma MLOps; 3) Prototipo di servizio di orchestrazione per on-device / distributed learning, in grado di ridistribuire dinamicamente la computazione ai fini dell’apprendimento di modelli ML; 4) Laboratorio dimostrativo della piattaforma DISSEM, inclusivo di dimostratori di servizi di supporto alle decisioni real-time modellati sugli use case industriali. Inoltre ci si attende che il progetto porti a risultati non tangibili ma di grande valore come un aumento del know-how, sia a livello metodologico che pratico, nella realizzazione di soluzioni ZDM e ZWM e nella formazione di ricercatori junior che al termine del progetto potranno poi essere impiegati nelle imprese.Dettagli del progetto
Responsabile scientifico: Antonio Corradi
Strutture Unibo coinvolte:
Centro Interdipartimentale di Ricerca Industriale su ICT
Coordinatore:
Università degli Studi di Ferrara - IN4 Hub per l'Innovazione nell'Ingegneria e l'Integrazione nell'Industria(Italy)
Partner:
CRIS - Centro di Ricerca Interdipartimentale sulla Sicurezza e Prevenzione dei Rischi - Università dgli Studi di Modena e Reggio Emilia
(Italy)
ALMA MATER STUDIORUM - Università di Bologna
(Italy)
Clust-Er Innovazione Dei Servizi
(Italy)
Costo totale di progetto: Euro (EUR) 695.785,71
Contributo totale di progetto: Euro (EUR) 496.049,99
Costo totale Unibo: Euro (EUR) 207.142,86
Contributo totale Unibo: Euro (EUR) 145.000,00
Durata del progetto in mesi: 30
Data di inizio
01/02/2024
Data di fine:
31/07/2026
Il progetto è realizzato grazie ai Fondi europei della Regione Emilia-Romagna