{"id":2332,"date":"2021-01-21T10:57:20","date_gmt":"2021-01-21T10:57:20","guid":{"rendered":"https:\/\/controlloemisura.com\/?p=2332"},"modified":"2025-06-24T15:42:18","modified_gmt":"2025-06-24T15:42:18","slug":"big-data-perche-sono-cosi-importanti","status":"publish","type":"post","link":"https:\/\/www.publiteconline.it\/controlloemisura\/big-data-perche-sono-cosi-importanti\/","title":{"rendered":"Big data: perch\u00e8 sono cos\u00ec importanti"},"content":{"rendered":"\n

Negli impianti manifatturieri o di processo, ogni fase della produzione genera una grande quantit\u00e0 di dati: l\u2019analisi dei big data \u00e8 molto importante per le imprese, perch\u00e9 le aiuta a scoprire informazioni preziose e non ovvie, offrendo nuove opportunit\u00e0<\/h2>\n\n\n\n

I big data sono risorse informative ad alto volume, ad alta velocit\u00e0 e\/o ad alta variet\u00e0 (da cui le tre \u201cV\u201d con le quali vengono spesso identificati) che richiedono forme di elaborazione delle informazioni convenienti e innovative, tali da consentire una migliore comprensione della situazione, un processo decisionale pi\u00f9 efficiente e l\u2019automazione intelligente dei processi. Dal punto di vista informatico, il termine \u201cbig data\u201d si riferisce a un set di dati troppo grande o troppo complesso per essere elaborato dai normali dispositivi informatici. In quanto tale, esso \u00e8 relativo alla potenza di calcolo disponibile sul mercato. Se si guarda alla storia recente dei dati, nel 1999 avevamo nel mondo un totale di 1,5 exabyte di dati e 1 gigabyte era gi\u00e0 considerato \u201cbig data\u201d.
Secondo un\u2019altra definizione, i big data sono dati che superano la capacit\u00e0 di elaborazione dei sistemi di database convenzionali. I dati sono troppo grandi, si muovono troppo velocemente o non si adattano alle strutture delle architetture del database. Per ottenere valore da questi dati, \u00e8 quindi necessario trovare un modo alternativo per elaborarli. Rientrano nel novero dei big data i grandi volumi di dati strutturati, semi-strutturati e non strutturati, acquisiti da una variet\u00e0 di fonti eterogenee. In genere si presume che questi dati contengano informazioni preziose nascoste, che rendono necessari sforzi e risorse sostanziali per scoprirli.<\/p>\n\n\n\n

\"Grazie
Grazie all\u2019analisi dei dati, l\u2019industria mineraria pu\u00f2 \nvalutare la qualit\u00e0 dell\u2019output finale.\n<\/figcaption><\/figure>\n\n\n\n

I benefici per il mondo industriale<\/h3>\n\n\n\n

Perch\u00e9 l\u2019analisi dei big data \u00e8 cos\u00ec importante nel mondo industriale? Perch\u00e9 aiuta le imprese a sfruttare i propri dati e utilizzarli per identificare nuove opportunit\u00e0. Ci\u00f2, a sua volta, porta a decisioni aziendali pi\u00f9 intelligenti, operazioni pi\u00f9 efficienti, profitti pi\u00f9 elevati e clienti pi\u00f9 soddisfatti. Oggi, quindi, i big data sono la frontiera della capacit\u00e0 di un\u2019impresa di archiviare, elaborare e accedere a tutti i dati di cui ha bisogno.
L\u2019analisi dei big data \u00e8 attualmente utilizzata per molte applicazioni industriali, tra cui la gestione del ciclo di vita del prodotto, la riprogettazione del processo, la gestione della supply chain e l\u2019analisi dei dati dei sistemi di produzione. Quest\u2019ultima ha gi\u00e0 ricevuto notevole attenzione, perch\u00e9 i sistemi di produzione sono grandi fonti di dati grezzi spesso difficili da modellare manualmente. Sono quindi emerse numerose applicazioni per indagare sui dati di processo per il monitoraggio del processo, il rilevamento di anomalie, l\u2019analisi delle cause alla loro radice e l\u2019estrazione della conoscenza.<\/p>\n\n\n\n

\"In
In una fabbrica di pannelli solari, ogni cella viene ispezionata \nper misurarne le prestazioni.\n<\/figcaption><\/figure>\n\n\n\n

Memorizzare migliaia di misurazioni di processo senza rischi di perdite<\/h3>\n\n\n\n

I sistemi digitali di controllo della produzione sono una fonte di big data fin dalla fine degli anni \u201880, quando hanno iniziato a catturare i dati e a storicizzarli. Inizialmente, l\u2019elaborazione era selettiva e si acquisivano solo le misurazioni di processo pi\u00f9 importanti, come temperature, flussi e pressioni.
Con l\u2019aumento delle capacit\u00e0 di memoria, il potenziamento dei sistemi di archiviazione e delle reti informatiche, si \u00e8 iniziato a memorizzare rapidamente migliaia di informazioni sul processo, a frequenze di campionamento sempre pi\u00f9 elevate. Oggi, in una raffineria moderna o in un grande impianto chimico, \u00e8 comune raccogliere decine di migliaia di misurazioni di processo, posizioni delle valvole e stati del sistema di controllo, a velocit\u00e0 di campionamento di una volta al secondo. \u00c8 anche possibile memorizzare tutti quei dati senza perdere informazioni nella loro compressione.<\/p>\n\n\n\n

\"L\u2019analisi
L\u2019analisi \ndei big data porta a decisioni aziendali \npi\u00f9 intelligenti \ne profitti \npi\u00f9 elevati.<\/figcaption><\/figure>\n\n\n\n

In breve tempo la big data analytics offre miglioramenti mirati<\/h3>\n\n\n\n

L\u2019attuale tecnologia dei sensori (dai semplici flussometri agli analizzatori di processo, fino agli spettrometri a infrarossi e alle telecamere digitali) rende disponibili le misurazioni di processo a una velocit\u00e0 molto pi\u00f9 rapida e a un costo molto inferiore rispetto a pochi anni fa.
Di conseguenza, l\u2019enorme quantit\u00e0 di dati provenienti dai processi di produzione \u00e8 regolarmente disponibile in tempo reale per gli ingegneri.
Ci\u00f2 ha portato a un\u2019ampia diffusione dell\u2019uso di modelli basati sui dati. Tra questi, i modelli basati su tecniche statistiche multivariate hanno dimostrato il loro grande potenziale per sfruttare i dati (sia in tempo reale che storici) al fine di fornire informazioni sul comportamento del processo e sulla qualit\u00e0 del prodotto. Analizzare questa marea di dati per trovare le informazioni pi\u00f9 importanti \u00e8 stata una sfida per vari decenni. Oggi sono disponibili strumenti e tecniche di nuovo tipo (raccolti sotto l\u2019ombrello della big data analytics) che hanno dimostrato di avere successo nella ricerca, nell\u2019assegnazione delle priorit\u00e0 e nella risoluzione dei principali problemi negli impianti di processo.
Per esempio, sono disponibili tecniche specifiche per identificare i guasti degli strumenti, trovare e quantificare i problemi meccanici nelle valvole di controllo, misurare l\u2019efficacia dei sistemi di controllo, identificare le strategie di controllo che non funzionano pi\u00f9 correttamente, e misurare le prestazioni di advanced process control. La maggior parte dei sistemi di controllo degli impianti funziona molto al di sotto del loro potenziale. Utilizzando la big data analytics, \u00e8 possibile ottenere miglioramenti significativi e mirati in un tempo molto breve.<\/p>\n\n\n\n

\"Oggi
Oggi sono disponibili tecniche specifiche \nper identificare \ni guasti \ndegli strumenti.\n<\/figcaption><\/figure>\n\n\n\n

Alcuni esempi applicativi dal settore della chimica all\u2019industria mineraria<\/h3>\n\n\n\n

Nell\u2019industria di processo si utilizzano strumenti di analisi predittiva per valutare la composizione di sostanze chimiche, minerali e altre materie prime per accertare che soddisfino i requisiti di produzione. I produttori di prodotti biofarmaceutici utilizzano analisi avanzate dei dati per aumentare in modo importante la produzione di prodotti biologici come i vaccini, senza incorrere in ulteriori spese in conto capitale.
I produttori di sostanze chimiche lo fanno per confrontare e misurare l\u2019effetto di vari input di produzione, come la pressione del refrigerante, la temperatura o il flusso di anidride carbonica sulla resa, spesso trovando dipendenze inaspettate che incidono sulla produzione.
L\u2019industria mineraria pu\u00f2 ottenere informazioni da dati di produzione frammentati attraverso pi\u00f9 processi per trovare correlazioni tra variabili specifiche (come ossidazione e macinazione) sulla qualit\u00e0 dell\u2019output finale (grado di minerale). I produttori farmaceutici utilizzano l\u2019analisi dei dati per verificare che i processi, soprattutto quelli creati in batch, siano conformi agli standard che definiranno le caratteristiche appropriate.
Nell\u2019industria alimentare ogni prodotto viene spesso misurato con una selezionatrice ponderale per garantire il valore legale dei prodotti. In una fabbrica di pannelli solari, ogni cella viene ispezionata per misurarne le prestazioni. In tutti questi casi, e in molti altri, si riceveranno misurazioni del prodotto o del processo ogni 2-3 secondi, principalmente per impedire che prodotti scadenti raggiungano il cliente o per migliorare i processi.
Altri esempi di applicazione dei big data includono l\u2019analisi predittiva e i software di monitoraggio delle prestazioni del loop di controllo (CLPM), oltre alla simulazione tramite digital twins. Un metodo statistico molto utile \u00e8 l\u2019analisi multivariata dei dati (MVDA), che offre la possibilit\u00e0 di analizzare i dati con pi\u00f9 di una variabile per volta. I produttori possono quindi eseguire modelli statistici avanzati come i calcoli \u201cwhat-if\u201d, individuare dove i processi deviano e cos\u00ec via. Tutte queste applicazioni consentono ai produttori di scoprire informazioni e relazioni non ovvie, che portano con s\u00e9 il potenziale per significativi guadagni in termini di affidabilit\u00e0 e prestazioni.<\/p>\n\n\n\n

Conclusione<\/h3>\n\n\n\n

L\u2019adozione di big data, machine learning, robotica, intelligenza artificiale e Internet of things (IoT) ha un forte impatto sull\u2019industria e sui modelli di business. La quantit\u00e0 di dati \u00e8 in costante crescita, ma il loro valore dipende in gran parte dai metodi di raccolta e stoccaggio e dall\u2019utilizzo di procedure di big data analytics adeguate.<\/p>\n","protected":false},"excerpt":{"rendered":"

Negli impianti manifatturieri o di processo, ogni fase della produzione genera una grande quantit\u00e0 di dati: l\u2019analisi dei big data \u00e8 molto importante per le imprese, perch\u00e9 le aiuta a scoprire informazioni preziose e non ovvie, offrendo nuove opportunit\u00e0 I big data sono risorse informative ad alto volume, ad alta velocit\u00e0 e\/o ad alta variet\u00e0 …<\/p>\n","protected":false},"author":4,"featured_media":2333,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_seopublitec_title":"","_seopublitec_meta_desc":"","_seopublitec_keyphrases":"","_seopublitec_canonical":"","_seopublitec_noindex":false,"_seopublitec_nofollow":false,"_seopublitec_og_title":"","_seopublitec_og_desc":"","_seopublitec_twitter_title":"","_seopublitec_twitter_desc":"","_seopublitec_twitter_image":"","_seopublitec_og_image":"","_seopublitec_twitter_card":"","_seopublitec_cornerstone":false,"_seopublitec_score":""},"categories":[27],"tags":[1170,1168],"class_list":["post-2332","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologie","tag-acquisizione-dati","tag-big-data"],"openstation_lock":null,"openstation_contributors":[],"openstation_attached_media":[2333,2335,2336,2337,2334],"_links":{"self":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts\/2332","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/comments?post=2332"}],"version-history":[{"count":1,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts\/2332\/revisions"}],"predecessor-version":[{"id":2339,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts\/2332\/revisions\/2339"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/media\/2333"}],"wp:attachment":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/media?parent=2332"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/categories?post=2332"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/tags?post=2332"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}