Gianmaria Meriano

A Istanbul le turbine eoliche verticali di ENLIL, installate lungo le strade, trasformano in energia pulita il vento prodotto dal traffico: una singola turbina con un pannello solare in cima produce abbastanza elettricità per alimentare due famiglie turche per un giorno. Le turbine montano anche sensori IoT che rilevano temperatura, umidità, impronta di carbonio e attività sismica, e trasmettono i dati alle autorità e agli scienziati ambientali della città.

IoT e machine learning permettono a un'azienda agricola di risparmiare acqua, energia e denaro: i sensori di umidità del suolo fanno irrigare solo quando serve, i sensori di temperatura e umidità limitano riscaldamento e ventilazione non necessari e i modelli di ML supportano previsioni meteo, gestione delle colture e pianificazione della produzione. Per un'azienda agricola media, le analisi previsionali di Mative dopo un anno indicano il 30% in meno di consumo d'acqua, il 25% in meno di costi energetici, il 20% in più di produzione e il 15% di risparmio sui costi operativi.

IoT e machine learning portano risparmi energetici ed economici in un'azienda edile monitorando in tempo reale i consumi dei macchinari, il clima dei cantieri e i processi di costruzione, prevedendo i guasti alle attrezzature e migliorando la pianificazione di risorse, progetti e catena di fornitura. Per un'azienda edile, le analisi previsionali di Mative a un anno dall'adozione delle sue soluzioni IoT e ML stimano il 20% di consumo energetico in meno, costi operativi più bassi del 15%, un miglioramento del 10% nella qualità dei progetti e un risparmio del 10% sui costi di manutenzione.

IoT e machine learning portano risparmi energetici ed economici in un'azienda di produzione monitorando in tempo reale macchine e impianti, abilitando la manutenzione predittiva e ottimizzando programmi e processi produttivi. Per un'azienda che produce infissi, porte e finestre, le analisi previsionali di Mative a un anno dall'adozione delle sue soluzioni IoT e ML stimano il 20% di consumo energetico in meno, costi operativi più bassi del 15%, un'efficienza produttiva più alta del 25% e un risparmio del 10% sui costi di manutenzione.

In un'azienda di trasporti pubblici i sensori IoT monitorano consumi di carburante, condizioni dei veicoli, traffico e percorsi, e il Machine Learning analizza questi dati per prevedere i consumi, ottimizzare i percorsi e programmare la manutenzione. Le analisi previsionali di Mative per un'azienda che adotta le sue soluzioni IoT e ML stimano, dopo un anno, il 15% di carburante in meno, costi operativi più bassi del 20%, una puntualità migliore del 25% e un risparmio del 10% sulla manutenzione.

Il CAN bus è una rete a due fili (CAN low e CAN high) che permette a ogni centralina elettronica (ECU) di un veicolo o di una macchina di comunicare con tutte le altre, senza complessi cablaggi dedicati. I dati viaggiano in frame CAN, ciascuno con un ID CAN e un payload di dati: per usarli si collega un logger CAN (nella maggior parte delle auto tramite la presa OBD2) e si decodificano i frame grezzi in valori fisici come km/h o °C.

Gli algoritmi predittivi sono metodi di machine learning che stimano valori a partire dai dati esistenti, e Mative ne applica quattro alle proprie serie temporali. La regressione lineare e la sua forma OLS modellano la relazione tra una variabile target e i suoi predittori, ARIMA prevede i valori futuri a partire dai valori e dagli errori passati, e la trasformata di Fourier mette in luce cicli e pattern periodici in un segnale.

I sistemi di allerta in agricoltura monitorano condizioni ambientali, malattie delle piante, parassiti e meteo avverso, e avvisano per tempo gli agricoltori perché possano prendere decisioni informate, migliorare la produttività e ridurre le perdite. Si basano di solito su API di dati meteo come OpenWeatherMap, su modelli di machine learning che prevedono la diffusione delle malattie delle piante e su sistemi di supporto alle decisioni agricole (ADSS) che trasformano i dati di campo in raccomandazioni.

Lo smart farming usa software, sensori IoT e analisi dei dati per ottimizzare le pratiche agricole, migliorare la produttività, ridurre i costi e mitigare gli impatti ambientali. Il software raccoglie e analizza in tempo reale i dati di sensori e macchinari per gestire i dati agricoli, monitorare le colture, ottimizzare l'uso di acqua, fertilizzanti e pesticidi e prevedere rese e malattie delle piante.

Le società di noleggio auto usano il software per gestire prenotazioni online, flotta, relazione con i clienti e pagamenti, e per far saltare al cliente la fila al banco. L'articolo mostra come lo applicano Enterprise Rent-A-Car, Hertz e Avis Budget Group: check-in da app, ottimizzazione predittiva della flotta, tariffe dinamiche, chioschi self-service, chiavi digitali e manutenzione predittiva basata sulla telematica.