DEVICE IOT: UN NUOVO MODO DI COMUNICARE

APPLICAZIONI DI IOT AL MONDO DEI COSTRUTTORI DI MACCHINE

“Il classificatore è in grado di fornire le informazioni utili all’ottimizzazione delle impostazioni dei device, in modo da massimizzarne la vita utile, garantendo al contempo le performance di comunicazione”

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 rispondere con un set di parametri di controllo tali da massimizzare la vita utile e al contempo ottimizzare le performance di comunicazione.

I valori dei parametri di controllo dipendono fortemente dalla tipologia di device, differenziato in fisso e mobile.
Tuttavia, l’informazione sulla tipologia di dispositivo non è direttamente disponibile tra le informazioni inviate attraverso il gateway al network server, per cui non è sempre semplice definire con precisione quali valori attribuire ai parametri di controllo dei devices.
Grazie ad un algoritmo di classificazione, è stato possibile strutturare un modello che, leggendo i parametri inviati dai device, è in grado di riconoscere con una percentuale di errore minima la tipologia di device, senza dover agire sul singolo device per modificare il set di parametri comunicati.

Profilo del cliente
Il cliente che ha beneficiato della soluzione di classificazione implementata da MIPU è una società del gruppo di una grossa azienda
che si occupa della costruzione di macchine

Necessità del cliente
Il cliente necessita di una soluzione intelligente in grado di riconoscere, in base ai dati inviati dai device, la tipologia del device stesso, differenziato in fisso e mobile, in modo da ottimizzarne prestazioni e ciclo vita.
Prima di testare la soluzione di MIPU, il cliente ha già testato diversi modelli analitici per la previsione e classificazione della tipologia di device, senza ottenere risultati soddisfacenti.

La soluzione MIPU
MIPU implementa soluzioni predittive in ambito industriale e di facility management dal 2008, grazie allo sviluppo di strumenti software per l’integrazione ed automatizzazione del flusso dei dati dal campo e la formazione industriale dei suoi ingegneri.
Il cliente, dopo aver testato metodi analitici per classificare correttamente i suoi device, si è rivolto a

MIPU, per sviluppare una soluzione a livello di tecnologia superiore.

Il team di data scientist di MIPU ha quindi scaricato i dati del cliente ricevuti dal network server, e attraverso una preanalisi qualitativa e quantitativa, ha selezionato i parametri di interesse per la soluzione.
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.

A seguito della preanalisi, 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 uno studio di classificazione, in quanto una delle due classi si presentava nettamente preponderante in termini di osservazioni rispetto all’altra.
I vari algoritmi, inseriti in modelli di classificazione, sono stati quindi confrontati in termini di performances, concentrando l’attenzione sulla capacità del modello di identificare correttamente le osservazioni in minoranza. 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.
numero di osservazioni, può essere dunque caricato sul software a supporto del cliente, per interrogare i singoli devices e identificarne la tipologia.
Uno sviluppo ulteriore può prevedere un’integrazione dell’output del modello nel sistema di telecontrollo dei devices, in modo da chiudere il flusso di informazioni e massimizzare durata di batteria e performances del device in modo completamente automatizzato.

Altre Case History:

Inserisci i tuoi dati qui sotto per continuare a leggere il contenuto: