Project Description

  • Start date: 01/10/2018

  • End date: 30/04/2020

  • Durata (mesi): 30

  • Total budget: € 9.830.000

  • Lab Budget: € 1.300.000

  • Numero di partner: 9

  • Partner: Università del Salento, Università di Palermo, CNR, CEFRIEL, TERA, EKA srl, CALEF, GE Avio srl, SACMI.

OK-INSAID propone innovazione scientifica, tecnologica e applicativa grazie all’introduzione delle Big Data Analytics nel contesto industriale, contribuendo a ridisegnare i processi di produzione e i modelli di business. Inoltre, propone un nuovo approccio alle analitiche, basato sulla coordinazione, collaborazione e sincronizzazione di quelle esistenti a livello cloud e a livello edge. Tale approccio sarà supportato dall’adozione di un’architettura di riferimento e da una sua implementazione, finalizzate allo sviluppo di nuove analitiche ibride “cloud-edge” per l’Industria 4.0.

  • Nuovi modelli e metodi per l’acquisizione e l’integrazione di dati industriali provenienti da numerose sorgenti eterogenee, per creare industrial data space a livello enterprise;
  • Nuovi algoritmi e metodi di data science per la generazione di valore e di conoscenza operativa dai big data provenienti dalle suddette fonti;
  • Nuovi servizi di industrial analytics, ottenuti integrando gli algoritmi sviluppati in applicazioni che sfruttino il modello distribuito di elaborazione e analisi dei dati degli industrial data space;
  • Metodi avanzati per la sicurezza dei dati industriali, finalizzati a valutare possibili vulnerabilità dei dati industriali e implementare adeguate misure e contromisure di protezione.
  1. Identificare e valutare i dark data nel sistemi industriali complessi.
  2. Descrizione di nuovi scenari di analisi dei dati industriale e di business.
  3. Analisi dei requisiti e definizione degli use case industriali.
  4. Definizione di modelli di business per l’industria 4.0 basata sull’analisi dei dati industriali.
  5. Definizione di metodologie da adottare nell’analisi industriale.
  6. Definizione di nuovi modelli e tools per estrarre ed integrare dati industriali.
  7. Definizione dell’infrastruttura Big Data per edge-cloud analytics.
  8. Definizione di metodi analitici descrittivi, diagnostici, predittivi, e prescrittivi basati su dati industriali.
  9. Industry data privacy.
  10. Definizione e implementazione di user interaction come chatbot e realtà aumentata.
  11. Big Data nel PLM.

Per maggiori informazioni si prega di contattare: Mariangela Lazoi (mariangela.lazoi@unisalento.it)