Technopolis 27

Page 35

e coloro che non hanno intenzione di muoversi in tale direzione. La reticenza, spiega in proposito lo studio, è diffusa soprattutto nelle piccole imprese, con il 35% di queste che ribadisce di non avere al momento alcun piano IoT in cantiere. Una grande azienda su due (il 49% per la precisione), invece, afferma di avere sviluppato o di stare sviluppando iniziative al proprio interno. Le realtà di medie dimensioni, infine, appaiono per il momento in una fase di diffidenza, in cui la componente di studio è ancora relativamente elevata: solo il 29% del campione dichiara infatti di stare valutando progetti in questo ambito, mentre il 38% non ha avviato alcuna iniziativa e non ha in programma di avviarne. Industria driver, Gdo in ritardo

Se guardiamo al settore di appartenenza delle imprese oggetto di studio, è interessante notare come la grande distribuzione organizzata risulti la meno attiva sull’Internet of Things (con il 40% di realtà che non ha alcun progetto dedicato a questa tecnologia) e come l’industria, all’opposto, sia quello più sensibile. Il 49% delle aziende di questo comparto ha infatti già sviluppato o sta sviluppando progetti legati a sistemi e macchine connesse e il 20% ci sta pensando (solo il 31% si conferma non interessato). Quanto, infine, ai principali ambiti applicativi dell’Internet of Things in Italia, la ricerca di Tig ci dice che la maggioranza (il 63%) delle aziende già attive con progetti dedicati punta sull’innovazione dei propri processi, mentre una componente minoritaria (il 37%) ha utilizzato oggetti connessi e sensori per innovare i propri prodotti. Dati, questi ultimi, che suggeriscono un utilizzo della tecnologia più a uso interno piuttosto che esternamente, per generare maggiore efficienza e incrementare la produttività piuttosto che per rinnovare l’offerta di servizi e prodotti rivolta al mercato. Ed è proprio sul mercato che si gioca la vera sfida per vincere. Piero Aprile

L’ANALISI PREDITTIVA AI BOX DI DUCATI Il reparto corse della casa di Borgo Panigale ha sviluppato con Accenture un sistema per utilizzare l’IoT e gli algoritmi di machine learning nelle sessioni di prova delle gare di MotoGP. Moto che devono essere non solo sempre più veloci, ma anche più intelligenti a ogni giro di pista. Il reparto corse di Ducati Motor Holding ha abbracciato questa filosofia dando vita con Accenture a un progetto che prevede l’impiego di sensori, strumenti di analytics e tecnologie di intelligenza artificiale. L’obiettivo di fondo è quello di misurare nel dettaglio le prestazioni nelle prove pre-gara della MotoGP, per capire come ottimizzare il “setting” della moto intervenendo su ogni singolo parametro di configurazione. Una minuziosa opera di raccolta e analisi dei dati, dunque, che trova sponda negli algoritmi di machine learning (apprendimento automatico) deputati a interpretare questi dati per dare vita a previsioni di performance sempre più accurate nel tempo, simulando in pochissimi secondi lo scenario ideale ottenibile rispetto alle condizioni di gara

e una serie di altri dati. Più aumentano le informazioni processate, più il sistema migliora progressivamente la qualità delle indicazioni (visualizzate su una dashboard intuitiva consultabile da diversi membri del team) fornite agli ingegneri e ai meccanici chiamati a decidere i correttivi da apportare alla moto. Il plus? Ridurre drasticamente i tempi, i costi e l’impegno richiesti dai collaudi tradizionali, rivoluzionando il modo in cui vengono gestite le apparecchiature di testing. Il punto di partenza sono i dati che vengono registrati durante i giri di prova in pista e provenienti da circa un centinaio di sensori IoT montati sulle moto per rilevare velocità, traiettoria, giri del motore, temperatura degli pneumatici e freni. Ad oggi sono già finiti sotto osservazione dei tecnici Ducati una trentina di scenari di gara e l’intento è quello di portare avanti il progetto con un rollout sempre più ampio. “Questo strumento innovativo”, ha detto Luigi Dall’Igna, general manager del reparto Corse, “renderà le nostre prove un processo più intelligente indipendentemente dalle condizioni meteo o dal circuito”. G.R.

35


Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.