DATA DI NASCITA DEL PROGETTO

Maggio 2019

TEAM DEL PROGETTO

Giulia Baccarin, Imprenditrice con esperienza di AI e IoT maturata a partire dalla tesi di laurea. Co-founder e CEO di MIPU Machine Care and MIPU Predictive Hub. Nominata come miglior imprenditrice italiana nel 2016.

​Veronica Brizzi, Ingegnere energetico, laureata presso il Politecnico di Milano, e data scientist, è a capo del team di R&S sull’intelligenza artificiale applicata all’industria.

Daniele Lops, Ingegnere energetico, laureato presso il Politecnico di Torino, e data scientist, ha seguito un master di specializzazione in cybersecurity Matteo Leoni, Ingegnere energetico e data scientist, ha lavorato su numerosi progetti in cui ha sviluppato modelli di intelligenza artificiale per la manutenzione predittiva e per il l’ottimizzazione dei consumi energetici.

Davide Paganini: Laureato in Ingegneria Energetica presso l’Università di Bologna, ha perfezionato gli studi ottenendo un master in Energy Management (RIDEF) presso il Politecnico di Milano.

PARTNER

—

BREVE DESCRIZIONE DEL PROGETTO

Creazione di un sensore IoT miniaturizzato in grado di rilevare i principali parametri ambientali negli spazi indoor, collegato ad un sistema software con logiche AI per la regolazione dei principali impianti energetici.

DESCRIZIONE DETTAGLIATA DEL PROGETTO

Il progetto IGEA si inserisce nel contesto di sviluppo di soluzioni tecnologiche per la digitalizzazione di edifici residenziali, commerciali e produttivi. L’obiettivo è la creazione di una soluzione integrata per la gestione energetica, manutentiva e del comfort ambientale delle tipologie di immobile sopra descritte. In particolare, il progetto prevede l’integrazione di tre componenti: un sensore di ridotte dimensioni, capace di monitorare numerosi parametri ambientali (temperatura, umidità, illuminazione, qualità dell’aria, ecc.), un gateway IoT che funge da punto di comunicazione e integrazione delle informazioni con l’ambiente esterno, e una piattaforma per la gestione dei dati raccolti, creazione di una pipeline di analisi dati, sviluppo e implementazione di modelli di intelligenza artificiale e apprendimento automatico per l’elaborazione dei dati e la fornitura di analisi previsionali.

Di seguito una descrizione in maggiore dettaglio delle caratteristiche e funzionalità delle singole componenti:

1) Gateway IoT Davide: Davide è una piattaforma hardware modulare ed espandibile che può assumere diverse identità multifunzionali (Meter trifase, I/O, Gateway, Concentratore dati, Nodo di propagazione, Datalogger, etc.) per realizzare rapidamente applicazioni e servizi IoT e M2M che trovano impiego in ambiti come industria, terziario, utility, ecc. Davide permette di creare reti wireless, wired e miste per l’acquisizione, elaborazione e trasporto dati. Offre molteplici tipi di connettività (Wifi, ethernet, GPRS, RS485, Radio 169 Mhz), protocolli di comunicazione (Modbus RTU, TCP, M-Buse, Bacnet master) e interfacce (Rest, MQTT, HTTP, XML, JSON) verso piattaforme software. Può essere aggiornato da remoto con update e nuove funzionalità che lo migliorano. Davide è incaricato di mettere in comunicazione i dati raccolti da diverse fonti, ovvero i dati ambientali raccolti dal sensore Davidino e i dati di consumo e utilizzo degli impianti di ventilazione, riscaldamento, illuminazione, ecc.

2) Sensore ambientale Davidino: raccoglie dati di  temperatura (°C), umidità (%), composti organici volatili (ppb), eCO2 (ppm), luminosità (lux), rumore (dB). La frequenza di acquisizione di c.o.v. e eCO2 è pari a 60 secondi, mentre per le altre variabili è pari a 1 secondo. Davidino è un sensore plug & play che può essere controllata da diversi dispositivi, incluso lo smartphone, e comunicare con altri dispositivi. La ricchezza di parametri che Davidino è in grado di raccogliere rappresenta un distintivo vantaggio. Ha ottenuto la certificazione per essere venduto in Europa ed è in corso di brevettazione.

3) Piattaforma di Intelligenza Artificiale Rebecca: Rebecca AI è una piattaforma software per sviluppare, testare, monitorare ed eseguire algoritmi di intelligenza artificiale, con un focus particolare su applicazioni industriali relative alla manutenzione predittiva degli impianti e al loro efficientamento energetico. La piattaforma Rebecca presenta due caratteristiche estremamente innovative: la prima, è la possibilità di creare dei modelli di apprendimento automatico (reti neurali, alberi decisionali, regressioni lineari multivariate, ecc.) tramite un’interfaccia grafica che elimina la necessità di conoscere la programmazione; la seconda è la presenza di funzionalità di auto-machine learning, ovvero la capacità del sistema informatico di individuare autonomamente il modello previsionale che presenta le migliori performance, sulla base di un input minimo da parte dell’utente. Rebecca AI è pensata per democratizzare i modelli analitici avanzati, che possono essere sviluppati anche da esperti di dominio che non conoscono la programmazione. Ad esempio si possono configurare dei progetti in cui, successivamente ad una fase di formazione sull’utilizzo della tecnologia, l’utente finale sviluppi in totale autonomia i modelli previsionali più adatti allo specifico caso d’uso.

La piattaforma informatica prevede una “data experience” dove l’utente può visualizzare i risultati dei modelli analitici previsionali e le informazioni di monitoraggio delle variabili ambientali, dello stato di salute degli impianti e dei consumi energetici. Questo comprende informazioni sugli allarmi generati, per esempio nel caso in cui una variabile presenti dei valori anomali rispetto al contesto.

Lo scopo della soluzione è quello di automatizzare la regolazione di riscaldamento, ventilazione, e illuminazione per assicurare delle condizioni di comfort, sulla base del tipo di utilizzo dell’ambiente e delle condizioni atmosferiche esterne. Il monitoraggio dei parametri ambientali e di funzionamento dei sistemi di ventilazione, riscaldamento e illuminazione, permette di addestrare gli algoritmi di apprendimento automatico a riconoscere le normali condizioni di funzionamento di tali impianti, in modo da ricevere un avviso quando il comportamento osservato indica un malfunzionamento o probabile anomalia destinata a verificarsi intercettata dall’algoritmo predittivo. Questo permette di manutenere tali sistemi in modo predittivo, riducendone i costi di manutenzione, aumentandone la disponibilità, e riducendo gli sprechi energetici derivanti da un funzionamento sub-ottimale.

Il progetto è stato sviluppato con un’azienda nel settore retail per la riduzione dell’impatto ambientale dei negozi e l’aumento della customer experience.

Il primo obiettivo che ci si è posti è stato quello di ridurre il consumo energetico di ogni punto vendita del 20% a parità di hardware e di comfort degli utenti. Per raggiungere tale obiettivo si è progettato un sistema di raccolta, analisi e storicizzazione dei molteplici dati provenienti dal punto vendita. I dati così raccolti vengono valorizzati per alimentare intelligenze artificiali in grado agire in modo autonomo nella regolazione degli impianti di climatizzazione, di illuminazione e di qualsiasi fonte energivora presente all’interno dello store.

L’intelligenza artificiale apprende quale dovrebbe essere il comportamento atteso del sistema di climatizzazione al variare delle condizioni ambientali e del numero di persone presenti nei vari punti dello store. È dunque in grado di agire in autonomia sul sistema di climatizzazione con la duplice finalità di ridurre il consumo energetico e di garantire il comfort dell’utente. Confrontando il consumo energetico atteso con quello effettivo, l’intelligenza è in grado di segnalare malfunzionamenti e inefficienze in modalità semplice e visuale.

L’illuminazione invece viene modulata in funzione dell’intensità luminosa, dei VOC, della CO2 e del rumore, in grado di rappresentare l’affollamento. Le luci sono modulabili in base alla presenza di persone in date zone dello store. I controlli e le modulazioni vengono attuate on edge dal gateway, mentre in cloud sono stati implementati modelli di AI in grado di monitorare lo stato di salute degli asset ed impianti principali. Analoghe funzionalità vanno a regolare le rimanenti fonti energivore presenti nello store.

Il risparmio energetico che ne consegue, l’ottimizzazione della gestione della manutenzione – attivando gli interventi solo se i modelli in cloud intercettano un degrado nel corretto funzionamento degli assets – unito all’attenzione verso il comfort di clienti e dipendenti effettivamente presenti nello spazio di vendita, permettono di raggiungere gli obiettivi aziendali di sostenibilità, innovazione, comunicazione, attenzione al cliente e infine di efficienza gestionale.

Negli ultimi anni i prodotti e servizi per la digitalizzazione di ambienti abitativi e lavorativi hanno conosciuto un rapido sviluppo, affrontando casi d’uso quali, tra gli altri, il monitoraggio delle condizioni ambientali, regolazione automatica dei sistemi di illuminazione, ventilazione e riscaldamento, analisi sui consumi energetici, monitoraggio dell’occupazione degli ambienti. La varietà di soluzioni in questo contesto è molto ampia e modulare, con la maggior parte dei sistemi costruiti attraverso l’integrazione ed orchestrazione di molteplici componenti modulari. In particolare, si distinguono le fasi di raccolta dati ed elaborazione analitica di essi. Se questo tipo di architettura risulta flessibile, le sue singole componenti non sono necessariamente progettate per lavorare in maniera coordinata, e l’aggiunta di nuove funzionalità può richiedere il doversi rivolgere ad un fornitore specializzato, con i costi e le tempistiche della ricerca, selezione, avvio del progetto ed integrazione con i sistemi esistenti. Un esempio è la situazione in cui è presente la raccolta automatica di dati attraverso sensoristica IoT, ed emerge successivamente la necessità di elaborare analiticamente tali informazioni a fini descrittivi e/o predittivi, in modo da estrarre informazione sulla base della quale effettuare interventi mirati. Una soluzione integrata come IGEA riduce i tempi ed i costi di tale processo.

Gli asset di proprietà intellettuale relativi alle tecnologie sviluppate sono: la piattaforma software Rebecca AI, tecnologia proprietaria; il gateway IoT Davide, sviluppato internamente e tecnologia proprietaria; lo smart sensor IoT Davidino, per il quale è stato intrapreso il processo di brevettazione. Per quanto riguarda i gli algoritmi di intelligenza artificiale che sviluppati nel corso del progetto, essi sono oggetto di proprietà intellettuale al livello di specifica implementazione, ovvero il codice informatico che permette di elaborare i dati e produrre i risultati è protetto da proprietà intellettuale.

ELEMENTI DI INNOVAZIONE

Sostenibilità, innovazione tecnologica, incremento di efficienza, evoluzione del touchpoint brand-cliente e della experience attraverso la creazione di scenari predittivi e l’utilizzo dell’AI nei retail stores. Principali elementi innovativi:

Il livello di miniaturizzazione unico del sensore integrato Utilizzo dell’AI per la gestione del comfort del cliente Utilizzo del segnale energetico per la manutenzione predittiva

CUSTOMER NEEDS

La necessità del cliente era quella di di sviluppare un innovativo concept per un retail store sostenibile, digitale, tecnologicamente avanzato.

Obiettivi specifici:

Realizzare un sistema di raccolta, analisi e valorizzazione dei dati tecnico-fisici presenti nel punto vendita Implementare modelli AI di monitoraggio e gestione automatizzata degli elementi energivori presenti Ridurre i consumi energetici del 20%

BUSINESS MODEL

La soluzione viene offerta in tre diversi pacchetti che hanno funzionalità crescenti in termini di controllo attivo degli impianti energivori. Nel pacchetto BASE sono inclusi gli hardware Davidino, Davide, e la piattaforma software in sola visualizzazione. Il pacchetto INTERMEDIO ha in aggiunta rispetto al BASE l’automazione per il controllo luci e climatizzazione. Rispetto al pacchetto INTERMEDIO, nel PREMIUM è inclusa la possibilità di creare in autonomia modelli di IA. La piattaforma software viene offerta in modalità SaaS e il prezzo varia dipendentemente dal numero di punti di misura.

SCALABILITY & REPLICABILITY

Il software proposto è una codeless programming platform che permette di creare e gestire facilmente nel tempo modelli di AI. Questa flessibilità e facilità d’uso rende l’AI scalabile e facilmente replicabile. L’architettura hardware in campo garantisce la raccolta dei dati necessari per caratterizzare il comfort ambientale e lo stato degli impianti. Il sistema così creato rende possibile declinare questa soluzione di ottimizzazione e controllo delle performance in molti ambiti retail.

SVILUPPO SOSTENIBILE

Good health: il monitoraggio della qualità ambientale assicura il benessere degli occupanti, con ricadute positive anche sulla produttività Sustainable cities: digitalizzare gli edifici è il primo passo verso la creazione di comunità sostenibili, intercettando gli sprechi e riducendo i consumi energetici, raggiungendo il massimo potenziale integrando i dati raccolti da diverse fonti. La manutenzione predittiva degli impianti ne aumenta la vita utile, riducendo l’impatto di smaltimento Climate action: riduzione consumi del 10-20%. Con 8000 m2 di superficie si stima un efficientamento del 15%, circa 290 GWh annuali. Con una grande superficie, ad es. 15.000 m2, la riduzione stimata è di 550 GWh .