{"id":12708,"date":"2023-02-16T10:21:00","date_gmt":"2023-02-16T09:21:00","guid":{"rendered":"https:\/\/www.dm.unipi.it\/?p=12708"},"modified":"2024-07-04T10:22:42","modified_gmt":"2024-07-04T08:22:42","slug":"metodi-di-apprendimento-automatico-su-dataset-multi-tipo-mammut","status":"publish","type":"post","link":"https:\/\/www.dm.unipi.it\/en\/metodi-di-apprendimento-automatico-su-dataset-multi-tipo-mammut\/","title":{"rendered":"Metodi di Apprendimento automatico su dataset MUlti-Tipo (MAmMUT)"},"content":{"rendered":"\n
\"\"<\/figure>\n\n\n\n

Grazie al finanziamento della Regione Toscana nell’ambito del Nuovo Piano Sviluppo e coesione – FSC, sostegno alle attivit\u00e0 collaborative realizzate da aggregazioni pubblico-private per lo sviluppo e la promozione di settori ad alta tecnologia per il sistema regione, il Dipartimento di Matematica annuncia il lancio del progetto MAmMUT, volto a sviluppare avanzati metodi di apprendimento automatico su dataset multi-tipo. Segue una breve descrizione del progetto.<\/p>\n\n\n\n

Un problema di fondamentale importanza in ambito manifatturiero \u00e8 la capacit\u00e0 di predire guasti, necessit\u00e0 di intervento o in generale condizioni critiche. Diventa decisivo poter predire tali accadimenti per anticipare le azioni e le decisioni necessarie a evitare o porre rimedio alle condizioni critiche. Alla base delle predizioni ci sono dati di differente natura (numerici, categoriali, o in forme pi\u00f9 elaborate come immagini) e provenienti da sorgenti differenti (sensoristica, RFID, NFC, dati esterni, sistemi di monitoraggio della produzione, etc.), rilevati in differenti fasi del processo produttivo, in particolare manifatturiero, elaborati da algoritmi matematici\/statistici, nello spirito del paradigma Industria 4.0. Nel panorama attuale dei modelli predittivi automatici, per\u00f2, metodi differenti possono essere ottimali su alcune classi di dati, e solo sub-ottimali su altre. Il problema al centro del progetto \u00e8 di coniugare in un unico modello predittivo dati di natura differente allo scopo di aumentare le capacit\u00e0 predittive, e di razionalizzare la raccolta e la gestione dei dati. Nel corso dello svolgimento del progetto si esamineranno diverse strategie per affrontare il problema, eventualmente producendo nuove tipologie di modelli, per identificare quale tra i metodi che saranno esaminati risulti il pi\u00f9 efficace, testandoli su casi studio di interesse aziendale nel settore manifatturiero. Le ricadute del progetto non si computano solo in termini economici, grazie all’atteso aumento della capacit\u00e0 predittiva, ma anche in termini di sostenibilit\u00e0 economica e ambientale, grazie alle opportunit\u00e0 di ri-uso e integrazione dei dati raccolti.<\/p>\n","protected":false},"excerpt":{"rendered":"

Grazie al finanziamento della Regione Toscana nell’ambito del Nuovo Piano Sviluppo e coesione – FSC, sostegno alle attivit\u00e0 collaborative realizzate…<\/p>\n

Read More…<\/a><\/p>\n","protected":false},"author":166,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[141,202],"tags":[],"class_list":["post-12708","post","type-post","status-publish","format-standard","hentry","category-news","category-research"],"acf":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"publishpress_future_action":{"enabled":false,"date":"2026-04-11 14:34:25","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/posts\/12708","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/users\/166"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/comments?post=12708"}],"version-history":[{"count":1,"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/posts\/12708\/revisions"}],"predecessor-version":[{"id":12709,"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/posts\/12708\/revisions\/12709"}],"wp:attachment":[{"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/media?parent=12708"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/categories?post=12708"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dm.unipi.it\/en\/wp-json\/wp\/v2\/tags?post=12708"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}