![Show Menu](styles/mobile-menu.png)
![Page Background](./../common/page-substrates/page0069.jpg)
mense quantità di dati nel modo più efficiente possibile. A titolo di
esempio, l’azienda in questione possiede migliaia di cabine di tra-
sformazione ad alto, basso e medio voltaggio, oltre che un milione
di clienti con migliaia di chilometri di linee, per cui è necessario
combinare e analizzare i dati provenienti dai sensori, per monito-
rare l’intera rete con maggiore efficienza e velocità. La centralizza-
zione delle operazioni di rete e l’automazione dei dati provenienti
dai sensori ha consentito di accelerare del 99% il rilevamento dei
problemi sugli apparati, elevando in maniera importante la qualità
del servizio.
Guasti, la cui individuazione richiedeva prima giorni o settimane,
vengono ora rilevati e diagnosticati in minuti e il monitoraggio
realtime dello stato della rete riduce i disservizi agli utenti finali e
consente l’effettuazione degli interventi in maggiore sicurezza.
Un interessante esempio di ottimizzazione dei processi lo tro-
viamo anche in un’altra sperimentazione effettuata da IBM con
un’azienda del settore automotive. In questo ambito, i dati prove-
nienti dalla sensoristica descrivono l’aderenza delle parti prodotte
alle specifiche. Le fasi di ‘quality assurance’ successive hanno come
prodottomisure, report e documenti che entrano a far
parte del sistema PLM.
L’unione di questi dati non strutturati (o almeno non
sempre strutturati) con quelli più strettamente tradi-
zionali consente di mettere in relazione i due processi,
valutando l’effetto finale sui test al variare dei materiali
con una maggiore efficienza complessiva. In ambito
analogo, si potrebbe (ed è in effetti un’altra interes-
sante sperimentazione condotta da IBM) analizzare il
comportamento di apparati quali gli accumulatori, ri-
levarne in tempo reale il rendimento effettivo rispetto
alle specifiche definite in fase di progettazione e uti-
lizzare le analisi così prodotte per ottimizzare la resa
dei componenti. In questo caso, l’analisi di dati non
strutturati arricchisce l’intero ciclo produttivo.
In ultima analisi, le potenzialità dei big data appaiono sterminate,
occorre semplicemente dimenticare le ‘buzzword’ che nel mondo
dell’information technology li hanno identificati di volta in volta
(e impropriamente) come ‘social’ e ‘big’, per concentrarsi sul loro
effettivo contenuto e sui casi d’uso che li rendono un vero ‘asset’
strategico: una ‘nuova moneta’ per le imprese.
IBM Italia -
www.ibm.com