Machine Learning per la Smart City: l’esperienza di M31

Stufe a pellet e soluzioni Embedded IoT sono al centro di un caso applicativo in ambito Smart City che ha per protagonista M31, azienda di Padova

Soluzione_ApiFire M31

Da un’azienda di Padova, M31, arriva una storia interessante in tema Machine Learning e Smart City. Siamo nel campo delle stufe a pellet e delle cosiddette soluzioni Embedded IoT, ossia di prodotti che combinano sistemi di controllo, connettività e calcoli avanzati direttamente nei prodotti fisici e capaci di scambiare informazioni con il cloud al fine di aumentare le prestazioni e abilitare nuovi servizi.

“Con l’intelligenza artificiale e gli algoritmi di machine learning è possibile gestire il consumo del pellet e l’ottimizzazione della combustione, a beneficio non solo dei costi del riscaldamento ma anche dell’ambiente”, spiega Alexa Berto, Artificial Intelligence Engineer di M31. “Analizzando le abitudini dell’utilizzatore della stufa è anche possibile suggerirgli lo specifico tipo di pellet che maggiormente si adatta alle sue necessità e, allo stesso modo, è possibile indicare un corretto orario di accensione e spegnimento che migliori le performance della stufa e minimizzi i consumi”.

La soluzione

La soluzione di M31 si chiama ApiFire e si basa su tecnologia Embedded IoT, cloud e algoritmi di Machine Learning, grazie ai quali, aggiunge Berto, “è possibile restituire una fotografia di quanto tempo la stufa impiega nel riscaldare uno specifico spazio e raffreddarsi, e di conseguenza in quale lasso temporale l’ambiente perde calore”. Il sistema di ApiFire è stato progettato includendo una nuova generazione di scheda elettronica Embedded IoT nella stufa, che ne abilita il controllo da remoto e ne migliora le performance. Come specificano i tecnici di M31: “Tutti i controller ApiFire impiegano il medesimo ‘core’, che include la connessione Wi-Fi verso internet. Oltre a ciò, per garantire la connettività locale anche in condizioni disagiate, è sempre presente una connessione Bluetooth intercettabile attraverso App utente e App tecnica. Tali prestazioni sono ottenute con l’impiego di una coppia di processori a tecnologia ARM dotati complessivamente di 4.5 MB di memoria operanti rispettivamente a 240 e a 64 MHz di clock. Il set di ingressi e uscite è disponibile in varie esecuzioni, dipendendo dalla specifica applicazione: dalla piccola stufa per il mercato Gdo alla più grande caldaia equipaggiata anche di accumuli esterni. Contando sull’elevata capacità di elaborazione dei processori impiegati, Apifire include algoritmi brevettati che ottimizzano la combustione adeguandola automaticamente sia al tipo di pellet impiegato, sia alle condizioni reali dell’ambiente esterno”.

Attraverso una app progettata ad hoc, quindi, l’utente controlla le prestazioni della stufa in qualsiasi momento e può chiedere una puntuale assistenza da parte dei tecnici, anch’essi muniti di una app per la diagnostica a distanza. “Il controllo tecnico da remoto e la generazione di report sul funzionamento garantisce anche interventi di manutenzione ordinaria, capaci di prevenire eventuali blocchi ancor prima che si manifestino, allungando quindi la vita della stufa. Questo rende ancora più green il comparto”, puntualizza Fabio d’Alessi Chief Operating Officer di M31. I dati relativi al funzionamento e alla manutenzione della stufa sono poi storicizzati in un sistema persistente a beneficio di tutti gli attori della liera: chi si occupa della manutenzione o della progettazione può quindi accedere a informazioni massive anonimizzate sul reale quotidiano uso da parte degli utenti e individuare eventuali anomalie o futuri probabili malfunzionamenti. Si tratta quindi di informazioni grazie alle quali si può perfezionare la progettazione.


Potrebbe interessarti anche:

L’intelligenza va in città: i dati dell’Osservatorio PoliMi

Sensori per migliorare i servizi in città: Celte presenta le soluzioni Milesight

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui