Laboratorio Integrato e Remoto per il settore Aerospaziale: studio, progettazione e gestione di prodotti e processi innovativi ad elevate prestazioni

1. Laboratorio Integrato e Remoto per il settore
Aerospaziale: studio, progettazione e gestione di
prodotti e processi innovativi ad elevate prestazioni

2.  Proponente: DII - Dipartimento di Ingegneria
dell’Impresa “Mario Lucertini” dell’Università
di Roma Tor Vergata
 Responsabile: Prof. Vincenzo Tagliaferri
(Università degli Studi di Roma “Tor Vergata”)
 Finanziamento: Legge Regionale 13/2008
“Progetti di ricerca presentati da Università e
Centri di Ricerca” – Regione Lazio
 Durata: 2015-2017

3.  Accordo di collaborazione tra l’Università
degli Studi di Roma “Tor Vergata” e IBM Italia
S.p.A.
 Collaborazione inter-ateneo tra l’Università
degli Studi di Roma “Tor Vergata” e
l’Università degli Studi di Napoli “Federico II”
 Membri partecipanti: Prof. Paolo Maresca
(Dipartimento di Ingegneria Elettrica e delle
Tecnologie dell'Informazione-Unina)
Dott. Raffaele Sommese (Unina)

4.  L’avvento dei sistemi cognitivi ha permesso
un incremento dell’applicazione delle
tecnologie informatiche a vari ambiti, spesso
trascurati per la troppa difficoltà semantica.
 L'uso di IBM Watson per la diagnostica medica
è cresciuto in maniera esponenziale e ha
prodotto vari casi di successo, citati sempre
più spesso dalla stampa.

5.  Problema del trasferimento della conoscenza
 Criticità nel dialogo tra università e aziende
 Come “tradurre” parole industriali in parole
scientifiche e ottenere un dialogo produttivo

6.  Consolidata esperienza nell’ambito del
trasferimento tecnologico
 Estesa rete di relazione dell’università con
diverse aziende
 Collaborazione con una delle maggiori
multinazionali dell’ambito IT mondiale

7.  Analisi degli articoli per l’estrazione di parole
chiavi industriali (Alchemy)
 Dialogo tra l’azienda e l’università “virtuale”
in chat per stabilire un primo contatto
 Analisi dei contenuti per la gestione comune
degli artefatti prodotti nello scambio tra
azienda e università

8.  Due facce della stessa medaglia
 Quella industriale è una ricerca orientata al
mercato
 Quella scientifica è orientata all’acquisizione
delle conoscenze

9.  Tradurre le richieste in linguaggio naturale
dell’azienda in richieste specifiche di ricerca
del dipartimento.
 Spesso l'azienda non conosce cosa
l'università fa ma l'università conosce
l'azienda.
 Problemi di comunicazione.
 Knowledge base user-oriented.

11.  Livello Esplorativo (Possibilità offerte
dall'università alle aziende)
 Livello Conoscitivo (Inizio del rapporto ed
esplorazione delle tematiche su cui è
possibile collaborare)
 Livello Esecutivo (Realizzazione, sviluppo e
rendicontazione dei vari obbiettivi)

15.  Bluemix è una piattaforma cloud che fornisce
soluzioni PaaS, CaaS e IaaS sviluppata da IBM.
 Supporta differenti runtime e permette
l’esecuzione di diversi servizi.
 Fornisce strumenti per un approccio 0-code
programming.
 Permette di realizzare programmi con
tecnologia Cognitive IBM Watson.

17.  Possibilità di scegliere tra moltissimi runtime
pronti all'uso per realizzare applicazioni in:
Java, Node.js, ASP.Net, Swift, Go, Python, PHP,
Ruby e Tomcat.
 Supporto a Runtime per CloudFoundy creati
da terze parti o da sviluppatori indipendenti.

18.  Integrazione attraverso l'uso di plug-in con il
popolare IDE Eclipse.
 Repository Git su JazzHub correlato ad ogni
applicazione creata.
 Supporto al Build&Deploy per realizzare la
Continuous Integration

19.  Bluemix offre numerosi servizi spaziando tra:
Data Analitics, Database, Caching, Security,
IoT e Cognitive.
 Molti servizi sono corredati da SDK ufficiali
per diversi linguaggi di programmazione,
inoltre è possibile accedervi attraverso delle
REST-API fornendo un alto livello di
flessibilità.

20.  Un set di strumenti per permettere lo
sviluppo di applicazioni capaci di
comprendere testi, siti web, o documenti.
 Le informazioni vengono scambiate
attraverso API REST ed è possibile analizzare
documenti in formato Plain Text o HTML

21.  Permette la conversione dei documenti da
formati comuni come, ad esempio, pdf o
docx in documenti Plain Text o HTML
elaborabili dai vari servizi di Watson

22.  Un interconnessione sicura tra Cloud e On-
Premises

24.  Integrazione dell'ambiente di chat con la base
di dati
 Sviluppo grafica Front-End
 Test nelle Aziende partner del sistema
 Addestramento modello per conoscenze
Industrial-Oriented
 Arricchimento automatico della knowledge
base attraverso data-mining di altri database
di articoli scientifici. (Es Scopus,IEEE XPlore)
 Messa in opera del progetto in 8-10 mesi

25.  Limiti di Watson riscontrati sul progetto
 Necessità di addestrare un modello specifico
orientato alle aree dell’ingegneria, in modo
da permettere di ottenere ottimi risultati
come quelli in ambito healthcare.

26.  I principali obbiettivi di ricerca sono stati
verificati e validati.
 Lo strumento funziona e produce ottimi
risultati in termini di analisi delle keyword.
 Nell’implementazione attuale Watson
utilizzato come tutoring e non come
mentoring.
 Open Data?

28. “The human brain is a marvel. A mere 20 watts
of energy are required to power the 22 billion
neurons in a brain that’s roughly the size of a
grapefruit. To field a conventional computer
with comparable cognitive capacity would
require gigawatts of electricity and a machine
the size of a football field.”
John E. Kelly III, Smart Machines: IBM's Watson and the Era of Cognitive Computing

29.  Prof. Vincenzo Tagliaferri
 Prof. Paolo Maresca
 Lo Staff del Progetto Lira
 L’Ordine degli Ingegneri di Napoli
Dott. Raffaele Sommese
IT Student
Cloud and Network Administrator
raffaele.sommese@protonmail.ch
https://about.me/r4ffy