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.

Il car sharing dà accesso ai veicoli su richiesta, senza doverne possedere uno, tramite app e piattaforme software che gestiscono prenotazioni, apertura dell'auto e pagamenti. L'articolo esamina tre modelli: Zipcar, con noleggi a ore o a giornata; Car2Go, pensato per i viaggi di sola andata con tariffa al minuto; Turo, un marketplace peer-to-peer tra proprietari e utenti.