INFORMS Business Analytics Conference 2021

INFORMS Business Analytics Conference

INFORMS Business Analytics Conference è un evento annuale che mette in connessione centinaia di professionisti di analitica leader ed esperti del settore. Quest’anno la conferenza sarà virtuale, si terrà dal 12 al 14 aprile e riunirà oltre 800 esperti di analitica per esplorare le migliori pratiche e condividere le idee in applicazioni innovative, incluso il settore sanitario, la robotica e l’intelligenza artificiale, l’etica dei dati e il ruolo della scienza dei dati nei media e nel luogo di lavoro.

Quale leader nella trasformazione digitale del contesto industriale, il Gruppo Engineering si impegna a fornire soluzioni tecnologiche per aiutare i nostri clienti a sfruttare le potenzialità dei dati per ottimizzare i loro processi, monetizzare i dati provenienti dalle loro aree produttive e perseguire e promuovere continui miglioramenti nella loro catena di fornitura, nelle attività di produzione e nei processi aziendali. Engineering Industries eXcellence sponsorizzerà INFORMS Business Analytics 2021, e diversi nostri esperti di Digital Twin, simulazione, apprendimento automatico e scienza dei dati parleranno all’evento. Unitevi a noi!

Unitevi a Engineering Industries eXcellence & Pathmind online

Vantando una delle poche divisioni tecnologiche nel Nord America dedicate alla simulazione industriale e alcuni dei massimi esperti di Industria 4.0 al mondo alla sua guida, Engineering Industries eXcellence è in grado di offrire un prezioso apporto in termini di conoscenze ed esperienze in questo ambito. Prendete parte alle sessioni di Engineering Industries eXcellence e del partner Pathmind nell'ambito di INFORMS Business Analytics 2021.

Sessione 1:

Apprendimento per rinforzo profondo e applicazioni di apprendimento automatico per l’Industria 4.0

Tipo: presentazione professionale

Oratore: Luigi Manca

Traccia: apprendimento automatico

Data/ora: martedì 13 aprile, 15:35-16:15 EDT

Riepilogo: Prendere la decisione giusta ora considerando tutte le possibili variabili future non è un compito semplice. I Digital Twin sono utili strumenti di supporto per esplorare il potenziale impatto delle conclusioni da una prospettiva sistemica. Questi si avvalgono di tecniche di modellazione di simulazione e in genere si basano sull’euristica per replicare il comportamento e la logica della modalità in cui si evolvono i sistemi. Ma quando si tratta di cercare una soluzione ottimale, in particolare quando l’obiettivo prevede ancora molte fasi decisionali future, vi è l’esigenza di esplorare l’ambito risolutivo. Senza un approccio automatizzato tutto ciò è quasi impossibile; tecniche di ottimizzazione matematiche possono essere avvincenti, ma sono estremamente difficili da attuare quando si tratta di prendere decisioni a lungo termine e in caso di un ambiente ricco di incertezze. In questo ambito sta attirando l'attenzione il metodo di apprendimento per rinforzo profondo (RL/DRL). Perché? Perché può fornire una strategia di processo decisionale sequenziale anche per l’ambiente più complesso e non lineare. I due casi reali presentati puntano a mettere in risalto i vantaggi che può portare una strategia DRL rispetto all’euristica consolidata. Nel primo caso analizziamo l’applicazione di DRL per identificare una strategia di funzionamento e manutenzione ottimale per una centrale eolica dotata di funzioni di prognostica e gestione della salute. Nel secondo caso esaminiamo il modo in cui l’applicazione di metodologie DRL permette a un distributore di alimenti e bevande di prendere decisioni più intelligenti sul sequenziamento degli ordini di produzione, riducendo i tempi di lavorazione del 16%. Clicca qui per avere maggiori informazioni su questa sessione.

Sessione 2:

Risolvere problemi commerciali complessi con la simulazione e l’intelligenza artificiale di Pathmind

Tipo: vetrina tecnologica

Oratori: Luigi Manca, Sahar Esmaeilzadeh

Data/ora: lunedì 12 aprile, 10-10:40

Riepilogo: Engineering Industries eXcellence presenta il partner tecnologico Pathmind. Le aziende che utilizzano il modello di simulazione per risolvere i problemi hanno bisogno di un metodo di ottimizzazione in grado di gestire le complessità e la variabilità delle operazioni nel mondo reale. Quando ottimizzatori tradizionali ed euristica non danno i risultati sperati, l’intelligenza artificiale di Pathmind può venire in aiuto. Usando un ramo dell’Intelligenza artificiale chiamato apprendimento per rinforzo (RL), Pathmind può battere qualsiasi euristica e offrire nuovi spunti e conoscenze nella velocità e redditività. Pathmind rende semplice l’adozione dell’apprendimento per rinforzo, anche per i team che non dispongono di esperti in intelligenza artificiale o di esperienza con le reti neurali. Durante questa presentazione apprenderete i termini chiave relativi a RL, esaminerete come viene implementato un RL di Pathmind in un modello, vedrete i passaggi di caricamento di un modello su Pathmind e l'addestramento di una strategia di intelligenza artificiale e confronterete le prestazioni e il funzionamento di una strategia di intelligenza artificiale di Pathmind rispetto all’approccio euristico. Tutti i partecipanti saranno invitati a creare un account Pathmind gratuito. Clicca qui per avere maggiori informazioni su questa vetrina tecnologica.

Sessione 3:

Sfruttare l’apprendimento per rinforzo profondo per coordinare veicoli a guida automatica

Tipo: presentazione professionale

Oratore: Johnny Davenport

Data/ora: lunedì 12 aprile, 13:45-14:25 EDT

Riepilogo: Pathmind presenta una strategia di apprendimento per rinforzo profondo (DRL), che è stata addestrata per controllare una flotta di veicoli a guida automatica (AGV). La strategia stabilisce le attività di carico e scarico dei veicoli AGV nella movimentazione di prodotti all'interno di una fabbrica. L’obiettivo di questa strategia è massimizzare la resa del prodotto. In particolare, la strategia mostra un miglioramento del 50% nella resa su una euristica con accodamento più breve, riducendo al contempo l’utilizzo di AGV del 15%. Attribuiamo tale miglioramento alla gestione intelligente della congestione da parte della strategia. Aspetto interessante, la strategia sceglie di “nascondere” i veicoli AGV dal centro dell’area produttiva, il che porta a un minore utilizzo di AGV e a una minore congestione. Questa presentazione fornirà i dettagli sull'adattamento della simulazione di AGV come problema DRL, sul processo di addestramento della strategia e sui risultati quantitativi. Inoltre discuteremo in merito a come lo stesso flusso di lavoro può essere facilmente applicato a una serie di altri casi concreti. Clicca qui per avere maggiori informazioni su questa sessione.

Vuoi saperne di più su questo evento? Contattaci all’indirizzo info@indx.com.