Transizione Digitale nei Settori Energia, Trasporto e Agricoltura

    

Lo sviluppo delle tecnologie di raccolta, comunicazione ed elaborazione di grandi quantità di dati (Big Data) sta imponendo una trasformazione radicale nei modi di produzione, distribuzione ed impiego di ogni bene tangibile o intangibile, a cui i settori dell’energia, del trasporto e della agricoltura sono tutt’altro che estranei. Le attività di ricerca sviluppate in questa tematica coprono tutti e tre i passaggi citati.

Un primo ambito di attività è lo studio di sistema dei veicoli, siano essi auto o macchine da lavoro o agricole, che vanno dal veicolo autonomo alla gestione delle flotte di macchine, alle lavorazioni robotiche industriali, alle lavorazioni agricole robotizzate e di precisione, all’automazione di settori industriali quali grandi cantieri, miniere, e cantieri urbani. Sono anche sviluppate attività legate all’integrazione dell’elettronica, a vari livelli, nel controllo e nella gestione delle macchine e dell’interfaccia uomo-macchina con diretta applicazione nello sviluppo di Smart Components e, più in generale, di produzione e gestione dell’energia e dei trasporti. In particolare, l’attività riguarda lo sviluppo di prodotti intelligenti interconnessi che offrono nuove funzionalità di interazione con altre unità e con l’uomo. Le attività comprendono anche lo sviluppo di strumenti di interazione tra un oggetto o processo reale con un modello virtuale (digital twin). Tali competenze ben si interfacciano e si integrano allo scenario, in rapida evoluzione, dello Smart Manufacturing, ossia nell’innovazione digitale nei processi dell’industria (industria 4.0).

La recente e diffusa applicazione dell’intelligenza artificiale (AI), e delle tecnologie di machine learning e deep learning, sta generando una profonda trasformazione in differenti settori: energetico. industriale e della mobilità. La possibilità di integrare e analizzare quantità sempre maggiori di dati eterogenei, e di auto-apprendere dagli stessi, consente l’ottimizzazione di impianti industriali e lo sviluppo di sistemi produttivi meno energivori, attraverso la riduzione dei consumi e la configurazione mirata degli impianti. In tale contesto, è di particolare rilevo la realizzazione di piattaforme avanzate di AI e di algoritmi di machine learning e deep learning per lo sviluppo di nuove metodologie e tecnologie di energy management.