Page 76 - 51

Saipem IT Imperatives
Innovation drivers
Use of Machine learning Revision of so4ware applica7ons to leverage Business
algorithms that learning from Process Management (BPM) and document management
previous informa%on help to to create new agile applica%ons
create new solu%on/decision
based on an algorithmic
approach Detail engineering as the
area of interven%on for an
Algorithmic approach to
Big Data adop%on of new engineering automa7on
Technologies for data
management as enabler for
the massive use of company So4ware-defined engineering
informa%on to support the developed as algorithms that
Business needs provide detail engineering
deliverables as an outcome of
rule-based standardized
approach to design

Drivers dell’innovazione facilita la strutturazione di flussi di lavoro basati su Una innovazione tecnologica che promette
tecnologica per servizi al stati identificati e cambi di stato generati dai parte-
Business EPC cipanti al processo e secondo regole prestabilite: di avere un impiego estensivo riguarda
semplificando, il software realizza il processo che l’apprendimento automatico
riguarda la circolazione e condivisione di documen- da parte delle macchine, il cosiddetto
ti interni, che tradizionalmente avviene attraverso Machine Learning
la circolazione cartacea dei documenti (modifica,
firma per emissione, presa visione, autorizzazione,
ecc.). Grazie al software BPM una parte rilevante tradizionali sono iper efficienti quando si tratta di
dei processi di lavoro definiti e standardizzati in eseguire velocemente una serie di calcoli; in altre
azienda può essere completamente digitalizzata, a condizioni, se una lista di condizioni definite a priori,
costi ragionevoli e con progetti di durata contenuta. per quanto articolata, non basta a risolvere un pro-
I software più evoluti di questa categoria permet- blema complesso, la potenza di calcolo è inutile, e
tono, inoltre, di adattare la gestione della pratica si deve ricorrere a quella che è definita come Intelli-
a un processo aperto a contributi estemporanei e genza Artificiale. Dopo quarant’anni di sperimenta-
a variazioni di percorso del flusso di lavoro. Il BPM zioni, queste tecnologie sono entrate nel contesto
ben si adatta all’impiego mediante dispositivi mo- commerciale e tra le tecniche più promettenti oggi
bili, rendendo agevole l’inserimento di nuove prati- disponibili ci sono appunto quelle dette di Machine
che, la loro consultazione, modifica e approvazio- Learning, che consistono nella creazione di algo-
ne con interfacce facili da usare: in azienda sono ritmi, che permettono al software di imparare dai
stati introdotti circa venti flussi approvativi grazie al risultati ottenuti in precedenza, come se questi
BPM e la maggior parte delle autorizzazioni viene apprendesse dall’esperienza appena avuta. Non
effettuata in sicurezza attraverso il cellulare, indi- si stabiliscono pertanto regole predefinite, ma un
pendentemente dalla marca e dal modello, ed in modello di apprendimento e istruzioni attraverso
modo intuitivo, come è tipico dell’uso delle app su cui il software individua le regole giuste per risolve-
un cellulare. re il problema dato. Gli algoritmi di apprendimento
Le tradizionali soluzioni di document management, automatico offrono varie tipologie d’impostazione,
così importanti in una visione tradizionale del sup- ma vengono ricondotti a due principali ripartizioni:
porto al business, diventeranno sempre più invisibi- algoritmi ad apprendimento supervisionato e non
li, inserite come risorsa interna nell’ambito di flussi
di lavoro gestiti con il BPM. Il documento gestito
diviene il side-effect di una procedura che ha come Avviate in Saipem sperimentazioni per
obiettivo primario la gestione delle informazioni di adottare motori software in grado di
business correlate al flusso di lavoro. apprendere in autonomia

Machine learning supervisionato. Nell’apprendimento supervisionato

Una innovazione tecnologica che promette di ave- si forniscono al sistema esempi di input e di rela-
re un impiego estensivo riguarda l’apprendimento tivo output richiesto; l’obiettivo di questa modalità
automatico da parte delle macchine, il cosiddetto è estrapolare regole generali che consentano di
Machine Learning. ottenere l’output voluto anche quando si affron-
Sia nell’ambito del Big Data, sia in quello dell’indi- tano nuovi dati in input. Nell’apprendimento non
viduazione di pattern ripetibili o corretti, in chiave supervisionato, invece, non sono forniti dati pre-
testuale o iconografica, sono state avviate in Sai- classificati, il compito del software è individuare au-
pem sperimentazioni per adottare motori software tonomamente strutture di correlazione dei dati non
in grado di apprendere in autonomia. I software conosciute, basandosi solo su criteri generali.

74 Impiantistica Italiana - Gennaio-Febbraio 2017