Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Studio e sviluppo di Algoritmi di Machine Learning di tipo Supervisionato e Non-supervisionato per Anomaly Detection nell’ambito delle live demo FVG SMACT |
|---|---|
| Titolo del progetto di ricerca in inglese | Study and development of Supervised and Unsupervised Machine Learning Algorithms for Anomaly Detection in the context of the live-demo FVG SMACT |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-IND/17 - IMPIANTI INDUSTRIALI MECCANICI |
| Descrizione sintetica in italiano | Obiettivo della ricerca sarà analizzare e sviluppare algoritmi di machine learning di tipo supervisionato e non supervisionato per anomaly detection da implementare in digital twin su casi studio industriali di aziende del Friuli Venezia - Giulia. Il primo compito sarà quello di analizzare le soluzioni di algoritmi supervisionati e non supervisionati adottabili in gemelli digitali e valutarne l’efficacia e la fattibilità con riferimento all’applicazione industriale. Successivamente verranno selezionati e verificate le soluzioni da adattare e/o sviluppare, con particolare riferimento ai modelli di digital twin finalizzati allo scambio di dati online tra la fabbrica reale e il gemello digitale. Alla fine, verranno sviluppati gli algoritmi di machine learning di tipo supervisionato e non supervisionato selezionati, con l'obiettivo di manutenzione predittiva, ottimizzazione dei processi e applicazioni di qualità avanzata. |
| Descrizione sintetica in inglese | The aim of the research will be to analyze and develop supervised and unsupervised machine learning (SML and USML) algorithms for anomaly detection to implement in digital twins related to industrial case studies of companies in Friuli Venezia – Giulia. The first task will be to review the possible SML algorithm solutions that could be adopted in existing digital twins, and evaluate their effectiveness and feasibility with reference to the industrial application. Then the solutions to be adapted or developed will be selected, with a particular focus on digital twins models aimed at online data exchange between the real industrial system and its digital twin. Eventually, the selected SML and USML algorithms will be developed with the aim of supporting predictive maintenance, process optimization and advanced quality applications. |
| Data del bando | 14/10/2021 |
| Numero di assegnazioni per anno | 2 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://web.units.it/concorsi/ricerca/conc-43044 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Importo annuale | 21169 |
| Valuta | Euro |
| Massima durata dell'assegno (mesi) | 12 |
| Nome dell'Ente finanziatore | Università degli Studi di Trieste |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Trieste |
| Sito web | https://www.units.it/ |
| assegni@amm.units.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 15/11/2021 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://pica.cineca.it/units (rif. PICA 21ar985-6) |