Marzo 22, 2024
Il decreto Transizione 5.0 mira a ridurre i consumi energetici delle aziende e le agevolazioni sono legate al risparmio energetico conseguito, che dovrà essere pari almeno al 3% dei consumi totali o al 5% dei consumi del “processo target” dell’intervento di efficientamento. Questa iniziativa riflette l'importanza cruciale della riduzione dei costi energetici e dell'ottimizzazione dei processi produttivi per le aziende manifatturiere italiane. Per conseguire tali obiettivi, è imprescindibile adottare una strategia di gestione aziendale basata sui dati e sulle evidenze. Intelligenza Artificiale e Industrial IoT emergono come tecnologie chiave per ottenere tali risultati, offrendo accesso a incentivi economici finalizzati alla riduzione degli sprechi, all'ottimizzazione dell'efficienza dei macchinari e dei processi produttivi per una maggiore sostenibilità ambientale.Blog Archives
Dalla Digital Transformation alla AI inclusiva
Marzo 22, 2024
Il percorso prevede la creazione di tre lezioni in modalità online: L1: La quarta rivoluzione industriale e le tecnologie abilitanti L2: Introduzione all'Intelligenza artificiale ed esempi pratici L3: Data Science, Intelligenza artificiale e Chat GPT aspetti sociali ed etici Obiettivo del percorso è avvicinare le persone alle tecnologie dell’AI e dare loro consapevolezza dei rischi e delle opportunità di questo nuovo scenario mondiale. I discenti avranno un assessment iniziale ed uno in uscita per valutare l’impatto del percorso.Assistent: un sistema basato su DNN e AI per il distanziamento sociale

Febbraio 12, 2024
Assistent: un sistema basato su DNN e AI per il distanziamento sociale. Un Socio ARTES 4.0 ha sviluppato un sistema basato su DNN (Deep Neural Network) per fronteggiare le disposizioni di legge conseguenti al COVID-19, in particolare nell’assicurare il rispetto della distanza di sicurezza e l’evitare il verificarsi di assembramenti in ambienti indoor o outdoor. La soluzione tecnologica ha TRL 6. Tecnologie Abilitanti: Big Data & Analytics, AI Tecnologia abilitante: Internet of things/ Sensori, attuatori, trasmettitori, tag, embedded system (Hardware); Big data&Analytics/Pattern Recognition; Settore industriale: Sicurezza sul lavoro; Cliente target: Aziende che propongono sistemi ICT per sorveglianza e/o sistemi per sicurezza sul lavoro. Problema affrontato: Sistema garantire il distanziamento sociale per la sicurezza nei luoghi di lavoro. Soluzione tecnica proposta: ASSISTANT è un sistema basato su DNN (Deep Neural Network) implementato su sistemi embedded (e.g. Jetson Nano di Nvidia) che processa in tempo-reale i dati da telecamere in sistemi di videosorveglianza effettua rilevazione della presenza di persone sia in ambienti indoor o outdoor. Inoltre, il sistema rileva il rispetto o meno della distanza sociale di sicurezza covid-19 (per sicurezza sul lavoro): oltre a identificare e contare le persone, acquisisce anche in tempo reale la dimensione dello spazio in cui operano, inviando warning se la distanza sociale (massimo numero di persone in una area, distanza tra le persone) non è rispettata. ASSISTANT è compatibile con implementazione in tempo reale su sistemi embedded (e.g. Jetson Nano di Nvidia): può essere interconnessa a videocamere, oppure ricevere video da IP camera tramite reti Ethernet o Wi-Fi. Unicità della soluzione: ASSISTANT, sviluppato presso il laboratorio I-CAS (Integrated and Embedded Circuits and Systems) del Socio ARTES 4.0, è compatibile con qualsiasi tipo di telecamera: con interfacciamento diretto o tramite flussi di videocamere remote già installate. In pratica ASSISTANT può trasformare una rete CCTV esistente in un sistema per sicurezza sul lavoro (distanziamento sociale). Risultati in termini numerici: ASSISTANT implementa la DNN in tempo reale fino a 30 frame/s su sistema embedded con consumo di potenza di pochi Watt ed è interfacciabile sia con reti cablate, e.g. Ethernet, che wireless, Bluetooth o Wi-Fi, creare sistemi distribuiti di sorveglianza per sicurezza sul lavoro. Inoltre, il sistema funziona sia in ambiti indoor che outdoor. Keywords: AI, DNN, ASSISTANT, Sicurezza sul lavoro, Videosorveglianza, Analisi rispetto distanza sociale COVID-19, DNN, Sistemi embedded in tempo reale; Fonte: Università di Pisa (Dipartimento di Ingegneria dell'Informazione) Per maggiori informazioni sull'autore del caso d'uso: www.artes4.it/Contattaci