DISSEM -Data-driven IT Services for Sustainable and Efficient Manufacturing

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.

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.