Ricerca industriale per l'applicazione di architetture IOT
In quest’area si concentrano una serie di attività di ricerca e di studio svolte da UnivPM nell’ambito dell’IoT e dei dispositivi indossabili per favorire l’ottimizzazione dei processi produttivi, la nascita di strumenti che l’azienda potrà utilizzare per incrementare il rapporto e la fidelizzazione del cliente, nonché migliorare gli ambienti di vita e di lavoro del personale.
Sono stati individuati degli appositi sensori per consentire il monitoraggio dei macchinari in utilizzo presso Fater e per permettere di sviluppare algoritmi di manutenzione predittiva e garantire un numero di dati sempre sufficiente per i modelli di elaborazione, supportando la logica di analisi dati che verrà scelta. Sono state definite le specifiche di tali sensori, la loro configurazione e i macchinari sui quali installarli. La scelta effettuata è frutto di un’analisi di una serie indicatori quali il rapporto performance/costo, la significatività dei parametri misurati ai fini della manutenzione predittiva, del monitoraggio del macchinario specifico e dei processi che implementa.
E’ stata sviluppata una soluzione per la localizzazione indoor di persone in ambienti lavorativi, che sfrutta la tecnologia Beacon Bluetooth e la tecnica Fingerprinting con l’intento di massimizzare la precisione nella stima della posizione anche in ambiente industriali estremamente complessi. Sono stati già avviati lo studio necessario per individuare soluzioni tecnologiche e gli algoritmi per la localizzazione indoor di oggetti e asset produttivi in ambito industrial e lo studio sulle soluzioni tecnologiche per il monitoraggio costante dell'ambiente di lavoro.
Si stanno studiando una serie di soluzioni tecnologiche per l’acquisizione di informazioni dettagliate sui gesti e sui movimenti compiuti dall’operatore durante la sua interazione con le singole macchine o con l'intera linea produttiva. E’ in fase di analisi la compatibilità di tali soluzioni con le specifiche attività della produzione e delle norme di sicurezza sul lavoro dell’operatore. Avviato lo studio dei parametri biometrici da acquisire con relativa analisi della compatibilità di tali soluzioni con le specifiche attività della produzione e delle norme di sicurezza sul lavoro dell’operatore. In fase di studio anche gli algoritmi di acquisizione, data fusion e signal processing in generale di segnali biometrici per un dispositivo smartwatch finalizzati al calcolo del livello di stress dell’operatore.
Dall’analisi condotta sugli approcci di data science per la gestione delle serie temporali si è arrivati a conoscenza dello stato dell’arte sugli approcci, sia classici che innovativi, relativi alla gestione delle serie temporali. E’ stato sviluppatto un ecosistema avanzato per la gestione delle serie temporali. Tale ecosistema, basato su Python, consentirà la successiva elaborazione dei dati relativi alle serie temporali. E’ oggi in fase di studio l’applicazione di tale ecosistema avanzato per il supporto alle iniziative promozionali, alla manutenzione predittiva e al supporto al monitoraggio diagnostico e prognostico. Tale studio ha già consentito di comprendere la struttura dei dati e dei metadati da fornire in input all’ecosistema del punto precedente.
Le attività sono ancora in una fase preliminare di studio e individuazione dei fattori e degli approcci di data science che serviranno poi per attuare le analisi comportamentali vere e proprio finalizzate al Customer e al marketing. Nello specifico:
- Dall’analisi condotta su approcci di data science per la Customer Analytics e il Digital Marketing sono stati individuati gli attuali approcci di data science per poter studiare i comportamenti dei clienti e, in seconda battuta, per poter supportare il digital marketing.
- Dallo studio dell’applicazione degli approcci di data science per la Customer Analytics nel contesto dell’analisi a-posteriori dei benefici apportati dalle promozioni e della gestione delle consegne domiciliary è stato individuato un canovaccio che consenta l’applicazione di tecniche di data science per valutare i benefici apportati dalle promozioni nonché la gestione delle consegne domiciliari.
- Studio preliminare per la definizione di approcci di data science a supporto della pianificazione. Tale studio ha consentito di comprendere il contesto di riferimento e di avere un’idea generale dei dati a supporto della pianificazione che si dovrebbero avere a disposizione.
- E’ stata realizzata una prima versione del chatbot in lingua italiana e si sta valutando la sua efficienza ed efficacia.
L’analisi condotta dei vari sistemi IoT proposti in passato ha consentito di comprendere quali sono le architetture IoT classiche e quelle più innovative riconducibili alla macroarea dei sistemi SIoT. E’ stato definite il paradigma per la rappresentazione Multi-IoT dei vari sensori coinvolti nei contesti di riferimento. Tale paradigma sarà basato sulle tecniche di Social Network Analysis estese alle reti Multi-IoT. Attualmente è stata definita una versione draft del paradigma e sono stati valutati i suoi punti di forza e quelli di debolezza con l’obiettivo di eliminare questi ultimi durante l’attività di raffinamento della versione draft. In fase di studio preliminare per l’utilizzo del paradigma individuato per l’ottimizzazione dell’eco-efficienza, la costruzione di macchine intelligenti e la realizzazione di piattaforme integrate per la configurazione di sistemi di produzione.
Analisi delle metodologie per la pre-elaborazione dei dati acquisiti da sensori ha permesso di esplorare gli algoritmi che consentono di elaborare i dati acquisiti da sensori installati sul campo e di capire come efficacemente strutturare tali dati. Questa conoscenza sarà utile per definire e sviluppare un framework di elaborazione dei segnali sensoriali. L’attività di simulazione di alcuni algoritmi di pre-elaborazione dei segnali sensoriali ha permesso di effettuare i test di alcuni algoritmi di trattamento dei segnali sensoriali su dataset sintetici per valutarne le performance per fini diagnostici con l’obiettivo di ridurre il numero di falsi allarmi, il detection time ed il time to failure. Il monitoraggio diagnostico ha permesso di esplorare gli approcci diagnostici basati sul modello per l’identificazione dei cambiamenti del processo dovuti ad usura, guasti di componenti, modificazioni impreviste del funzionamento del processo nel contesto applicativo. La simulazione fatta su dati reali di tali algoritmi consentirà l’individuazione dei migliori approcci diagnostici da applicare a seconda del contesto applicativo della catena produttiva.