IoT PER LA CLASSIFICAZIONE ASSET
I device IoT dislocati sul territorio inviano continuamente informazioni ai gateway, che a loro volta inoltrano le informazioni al network server centrale. Attraverso il network server, è possibile raccogliere le informazioni dei device e, attraverso un set di parametri di controllo, massimizzarne la vita utile e al contempo ottimizzare le performance di comunicazione.
I valori dei parametri di controllo dipendono fortemente dalla tipologia di device. Tuttavia, non è sempre semplice definire con precisione quali valori attribuire ai parametri di controllo in quanto l’informazione sulla tipologia di dispositivo non è direttamente disponibile tra le informazioni inviate attraverso il gateway al network server.
Una divisione di MIPU si è dedicata proprio a questo problema: grazie ad un algoritmo di classificazione, abbiamo potuto strutturare un modello che, leggendo i parametri inviati dai device, è ora in grado di riconoscere – con una percentuale di errore minima – la tipologia di device. Questo senza dover agire sul singolo bene del parco installato per modificare il set di parametri comunicati.
CONTESTO AZIENDALE
Il cliente è una multiutility ai vertici nei settori energia, ambiente, calore, reti e smart city. Attraverso una società del gruppo sviluppa e gestisce le infrastrutture tecnologiche abilitanti per servizi digitali integrati e connessi in rete.
NECESSITA’ DEL CLIENTE
Il cliente necessitava di una soluzione intelligente in grado di riconoscere la tipologia del device in base ai dati inviati, così da ottimizzarne prestazioni e ciclo vita. Prima di testare la soluzione di MIPU, il cliente aveva già testato diversi modelli analitici per la previsione e classificazione della tipologia di device, senza ottenere risultati soddisfacenti.
Il primo passo è stato quello di selezionare i parametri con cui alimentare le intelligenze. Questa selezione è avvenuta attraverso due canali paralleli. Da una parte, in confronto con il cliente, massimo esperto dei device, dall’altra attraverso l’analisi dei dati stessi, che in autonomia sono in grado di fornire informazioni sul grado di correlazione tra i parametri.
Il processo è stato eseguito con l’utilizzo del modulo Builder di Rebecca Artificial Intelligence, la piattaforma di MIPU per l’esplorazione rapida dei dati e la costruzione code-less di intelligenze artificiali. Questo ha consentito a più interlocutori, anche alla prima esperienza di intelligenza artificiale, di collaborare attraverso la piattaforma.
A seguito della pre-analisi, il team di Data Science ha selezionato diversi algoritmi da testare, identificati in base alla caratteristica disomogeneità del dataset. Il problema era infatti molto più simile ad uno studio di anomaly detection piuttosto che ad uno studio di classificazione, in quanto una delle due classi si presentava nettamente preponderante in termini di osservazioni rispetto all’altra.
I vari algoritmi sono stati quindi confrontati in termini di performance, concentrando l’attenzione sulla capacità del modello di identificare correttamente le osservazioni in minoranza. Anche questo processo di testing è stato reso fruibile a tutto il team di lavoro attraverso la piattaforma.
Le varie iterazioni sono state eseguite con un tempo del 60% inferiore rispetto a quanto sarebbe stato possibile svolgere con una programmazione da zero delle intelligenze.
L’algoritmo più promettente è risultato essere un classificatore che automaticamente riequilibra le classi, sovrapponendo diversi test con sampling casuale dalla classe preponderante per massimizzare le performance di previsione.
RISULTATI OTTENUTI
L’intelligenza elaborata in questo primo pilota raggiunge una precisione compresa tra l’80 e il 90% a seconda dei test, su entrambe le classi. Il modello, da migliorare ulteriormente con l’ausilio di algoritmi più complessi che necessitano di un maggior numero di osservazioni, può già essere dunque scaricato dalla piattaforma ed innestato nel sistema di telecontrollo dei device.
Grazie alla piattaforma, la programmazione è stata veloce il doppio rispetto alla “tradizionale” creazione di intelligenze e non si è dovuto agire sul singolo bene del parco installato.
Se questo caso di studio ti ha colpito e anche tu vuoi scoprire come l’Internet of Things e l’Intelligenza Artificiale possono supportare la tua fabbrica, contattaci. Insieme potremo sviluppare un progetto personalizzato per rispondere alle tue esigenze e aiutarti a raggiungere i tuoi obiettivi.
