Investire sui dati per un futuro più sicuro

I sensori sono sempre più usati nelle applicazioni tecnologiche per controllare il funzionamento dei dispositivi e per segnalare tempestivamente all’utente eventuali anomalie. Con l’evoluzione tecnologica si è sempre più incrementato l’uso degli stessi, non solo per segnalare situazioni di potenziale rischio, ma anche per semplificare la vita quotidiana. Un esempio banale potrebbe essere quello che nell’auto sono presenti ora non solo sensori per segnalare la mancanza della benzina, l’eccesso di temperatura di acqua e olio, ma è comune avere anche sensori che controllano il livello del liquido lavacristalli o la pressione degli pneumatici, funzioni non strettamente critiche ma che riducono il tempo dedicato ai controlli della vettura aumentandone l’efficienza.

Da una semplice osservazione possiamo vedere che tali sensori operano misurando il superamento di soglie che sono considerate di allerta: il sensore di temperatura acqua si attiva al superamento della temperatura critica di funzionamento del motore, mentre la spia della riserva carburante si attiva quando il livello dello stesso scende sotto un valore predeterminato. Quando il motore si raffredda la spia della temperatura si spegne, analogamente a quella del carburante che si spegne dopo un rifornimento. Possiamo dire che sono sensori senza memoria, nel senso che l’allarme scompare al ripristino del funzionamento normale, anche se molti di questi eventi vengono comunque memorizzati nella centralina delle vetture per avere dati storici di funzionamento.

L’evoluzione tecnologica, che ci permette di salvare ed elaborare una quantità sempre maggiore di dati, apre le porte ad una gestione completamente diversa degli stessi, permettendo di raggiungere livelli di conoscenza che non erano possibili in passato.

Riprendiamo l’esempio della vettura: eventuali allarmi che vengono salvati nel computer di bordo sono limitati e, spesso, in assenza di parametri anomali, vengono salvati solo pochi dati, quali la percorrenza chilometrica, il consumo medio e così via.

Passiamo ora ad un approccio chiamato Big Data Analytics, che è il processo di raccolta e analisi di grandi volumi di dati (big data) usati per estrarre informazioni nascoste e applichiamolo ad un’autovettura, anzi, ad una flotta di autovetture.

In questo caso utilizziamo tutti i sensori del mezzo per registrare i parametri in continuazione, anche durante il normale funzionamento e anche ove non vi sia superamento di soglie critiche. Questo significa memorizzare continuamente una quantità impressionante di dati come giri motore, temperature, consumi e decine di altri anche in assenza di comportamenti anomali. Possiamo pensare di salvarli sulla vettura ma, nell’era dele vetture connesse, è più intelligente trasmetterli ad un centro (cloud) gestito dal fabbricante. Lo stesso verrà fatto per migliaia di altre vetture generando quantità enormi di dati, apparentemente inutili, perché non si sono neanche avute anomalie immediate.

Davvero sono inutili?

Supponiamo che, dopo alcuni anni si comincino a verificare una serie di guasti su motori che hanno operato in condizioni di funzionamento normale e non ci sia una spiegazione diretta del fenomeno. Qui ci viene in aiuto la montagna di dati che abbiamo raccolto negli anni:

• Analizzandoli con tecniche di intelligenza artificiale potremmo individuare l’insieme dei fattori che hanno portato una serie di motori a guastarsi, per esempio che hanno operato tutti per lungo tempo in particolari condizioni di giri, temperature e sollecitazioni esterne che, seppure rientranti nella normalità, hanno creato una usura precoce di alcuni componenti con successiva rottura.
• Da questa analisi possiamo anche capire le criticità delle condizioni che hanno portato ai guasti e identificare molto prima le soluzioni correttive da applicare in produzione per risolvere il problema.
• Con la stessa metodologia possiamo individuare altri motori nelle stesse condizioni di uso e richiamare le vetture in officina per prevenire le rotture imminenti, sostituendo preventivamente i componenti usurati prematuramente.

Come possiamo vedere sono proprio i dati il tesoro nascosto che ci permette di identificare e risolvere problemi che richiederebbero tempi e sforzi altrimenti molto maggiori.

Se pensiamo a grandi aziende multinazionali che operano per anni su mercati e paesi diversi e che:

• possono raccogliere in cloud dati provenienti da sistemi operanti in condizioni molto diverse tra loro,
• possono analizzarli opportunamente per individuare azioni correttive o preventive di miglioramento,
• intraprendere azioni volte a prevenire guasti e disservizi che aumentano la disponibilità e la produttività del sistema,
• permettendo di realizzare prodotti molto più affidabili,

ci rendiamo conto che sono proprio i dati una gran parte del valore globale dell’azienda stessa.