METODOLOGIE E TECNICHE DI MACHINE LEARNING PER SCENARI DI INDUSTRIA 4.0: UN CASO DI STUDIO CON IBM CLOUD

Nowadays we live the 4th industrial revolution. In this historical period, an ever-increasing number of companies are understanding the importance of the Data; these are a source of information that can be used efficiently for company choices, no longer as information to throw away once read. The main goal of this thesis work is to develop a prototype useful for the company; so that, it can take smarter decisions analyzing the data that it can collect every day during its production process. Specifically, I analyze the data that an important local company, leader in the production of flour and in the import and export of wheat, has made available. After understanding its business, the study's question is as follows: How can the data provided by the company be used to optimize the production process and machine maintenance? In order to answer this question, the possible correlations between the data were identified, and then the Machine Learning algorithms best suited to the scenario were used. In this regard, the concepts underlying the developed prototype, the Machine Learning algorithms touched, the IBM Cloud platform used for the implementation of the prototype itself and the results obtained are exposed. The thesis work continued by touching on another typology of Machine Learning algorithms, used in the recommendation systems. In this part of the work, one of the most recurrent algorithms in these systems and a new approach to the problem is exposed. The new one uses a more transversal algorithm for the recommendations, it is usually used in page ranking problems.

Al giorno d’oggi viviamo quella che è la 4^ rivoluzione industriale. In questo particolare periodo storico, un numero sempre crescente di aziende sta comprendendo l’importanza del Dato; questo viene visto come fonte di informazioni da poter sfruttare in modo efficiente per le scelte aziendali, non più come contenuto informativo fine a sé stesso da scartare una volta letto. L’obiettivo principale di questo lavoro di tesi è quello di sviluppare un prototipo che valorizzi e renda utile l’informazione insita nei dati che ogni giorno un’azienda è in grado di raccogliere durante il suo processo produttivo. Nello specifico, si analizzano i dati che un’importante azienda locale, leader nella produzione di farine e nell’import ed export di grano, ha reso disponibili. Dopo la comprensione del suo Business, la domanda dello studio è la seguente: In che modo i dati forniti dall’azienda possono essere utilizzati per ottimizzare il processo produttivo e la manutenzione dei macchinari? Per poter rispondere a tale quesito, si sono individuate le possibili correlazioni fra i dati, per poi utilizzare gli algoritmi di Machine Learning più adatti allo scenario. A tal proposito, vengono esposti i concetti alla base del prototipo sviluppato, gli algoritmi di Machine Learning toccati, la piattaforma Cloud di IBM utilizzata per l’implementazione del prototipo stesso, nonché i risultati ottenuti. Il lavoro di tesi è continuato toccando un’altra tipologia di algoritmi di Machine Learning, utilizzati nei sistemi di raccomandazione. In questa parte del lavoro, viene esposto uno degli algoritmi più ricorrenti in questi sistemi e un nuovo approccio al problema, utilizzando un algoritmo più trasversale per le raccomandazioni; quest’ultimo è solitamente usato nel page ranking.