Vuoi saperne di più?

Progetti

Se pensi di aver bisogno del nostro supporto per attività innovative di questo calibro, contattaci per discutere insieme a noi delle tue necessità.

La metodologia di lavoro e gli algoritmi impiegati possono sicuramente essere utilizzati e replicati in contesti differenti: dall’industria all’ingegneria civile, dalla produzione alla sicurezza.

In particolare, tutti gli ambiti - non solo medici - in cui è necessario recuperare informazioni dall'acquisizione di immagini, si prestano alla realizzazione di algoritmi e progetti che utilizzano le stesse tecnologie e competenze, anche con finalità differenti.

Algoritmi per la ricostruzione della geometria della mammella da imaging medico

La necessità è stata quella di migliorare l’output delle rilevazioni del nuovo dispositivo sfruttando algoritmi avanzati che permettessero di generare un risultato quanto più rappresentativo della realtà.

Il dispositivo oggetto della nostra attività basa il suo funzionamento su modelli matematici in grado di identificare le proprietà dei tessuti a partire da un insieme di rilevazioni ottiche e tramite infrarossi. Deix ha avuto un ruolo cruciale per sviluppare un algoritmo in grado di migliorare la ricostruzione della geometria della mammella a partire dalle immagini acquisite: la sfida più grande è stata **identificare la regione d'interesse** per l'analisi e **ricostruirne il volume 3D**, eliminando il rumore intrinseco delle acquisizioni e considerando le criticità date da rilevazioni eterogenee.

Di settimana in settimana, il **lavoro di R&D congiunto** con il cliente ha permesso di aumentare l'accuratezza della ricostruzione della mammella, consentendo al macchinario di fornire un supporto sempre più efficace all'analisi del medico.

Il progetto ha dunque raggiunto l’obiettivo concordato, **migliorando l'output generato** dalle acquisizioni effettuate dal dispositivo. Uno degli aspetti più interessanti è stato sicuramente quello di lavorare per fasi incrementali, andando ad affinare lo strumento step by step, grazie a continui feedback e sperimentazione. Un approccio tipico dei progetti di realizzazione di algoritmi, che procede per test incrementali al fine di ottenere il miglior risultato.

Nell’ambito della prevenzione medica sono sempre più le tecnologie messe a punto per rendere le analisi più efficaci e meno invasive. Una delle grandi sfide resta quella di garantire **accuratezza dei risultati** affinché possano supportare il personale medico in fase diagnostica. 

Un'azienda che si occupa di apparecchiature biomediche ha richiesto il supporto di Deix per migliorare la tecnologia alla base di un dispositivo che sta realizzando, in grado di fornire un supporto al personale medico nella diagnosi del tumore al seno.

L'algoritmo realizzato è in grado di identificare con precisione la **regione d’interesse** per l’analisi, tramite un processo di **segmentazione** che sfrutta in maniera congiunta le immagini 2D e le acquisizioni 3D.

L’utilizzo delle due fonti di dati permette di andare a sopperire alle limitazioni individuali di ciascuna (rumore e imprecisione dei dati 3D e zone poco illuminate nelle immagini 2D) andando a **ricostruire la superficie 3D** della regione di interesse.

Tecniche di rasterizzazione delle imaggini sono state usate per **mappare le informazioni** estratte dalle immagini 2D sul modello 3D.

Deix ha sviluppato un algoritmo robusto che sfrutta diverse tecniche di analisi delle immagini e di geometria computazionale per mettere insieme le informazioni acquisite e generare l'output.

Se pensi di aver bisogno di una soluzione di questa tipologia per la tua realtà, contattaci per discutere assieme del tuo scenario. Siamo pronti ad affiancarti nei tuoi progetti più ambiziosi.

L’applicativo rappresenta una vera soluzione su misura, realizzata sulla base della specificità del cliente e delle sue esigenze, a partire da set di dati differenti e molto variegati tra loro.

Personalizzazione

La metodologia utilizzata per il progetto consente di replicare e scalare la soluzione, adattandola a specifici contesti. Che si tratti di estendere a ulteriori processi o ampliare il raggio d’azione ad altri impianti produttivi, è sempre possibile lavorare modulando l’applicativo al contesto.

Replicabilità

Il progetto consente di lavorare a rilasci incrementali, migliorando l’applicativo sotto ogni punto di vista nel corso del tempo. Questo consente un'integrazione dati sempre più rapida, un continuo miglioramento della piattaforma grazie a feedback costanti, la capacità per il software di apprendere nello scambio tra applicativo e input umano, la possibilità di integrare strumenti di intelligenza artificiale e machine learning.

Ottimizzazione

Software per la gestione data-driven di un impianto manifatturiero

I dati generati e raccolti quotidianamente dai macchinari erano sotto utilizzati per i **processi decisionali e di ottimizzazione**. Fino all’inizio del progetto venivano impiegati soprattutto per valutare la situazione in caso di guasto o difettosità della produzione e analizzare il problema ex post.

Il contesto del progetto ha posto un’ulteriore sfida iniziale: la necessità di integrare più fonti dati eterogenee, per arrivare a un sistema centralizzato e ordinato di informazioni sulla base delle quali prendere decisioni strategiche con un **approccio data driven**.

Grazie al lavoro di integrazione e normalizzazione dei dati, confluito in un unico applicativo costruito ad hoc, il personale ha potuto sfruttare a pieno tutto il potenziale delle rilevazioni a disposizione. Il tempo necessario ad eseguire un’analisi è passato da diverse ore a pochi minuti.

Semplificazione

Oltre alla migliore visione d’insieme su quanto accade nell’impianto produttivo, la soluzione ha dato possibilità agli operatori di evidenziare potenziali problemi con anticipo, grazie agli strumenti automatici di alert.

Monitoraggio real-time

La mappatura delle casistiche di intervento più comuni, ottimizzata nel tempo, ha permesso di anticipare, prevedere e indagare le problematiche con anticipo e ottimizzare i processi.

Ottica previsionale

L’obiettivo di costruire uno strumento personalizzato di supporto alle attività di controllo sulla produzione è stato pienamente centrato, stravolgendo la modalità di supervisione delle apparecchiature.

Oltre a questo, sono stati raggiunti i seguenti obiettivi:

VANTAGGI

Il cambio di prospettiva adottato grazie agli strumenti progettati ha condotto a ragionare in un’ottica data-driven. Da una logica di reazione alle problematiche verificatesi, si è passati a un contesto in cui prendere scelte più consapevoli in maniera più rapida, ottimizzare i processi, ridurre costi e inefficienze.

Siamo stati contattati da un’azienda del settore manifatturiero che aveva l’esigenza di sfruttare i dati provenienti dalle rilevazioni sui macchinari in maniera più efficace.

Il progetto intrapreso ha avuto come obiettivo quello di offrire ai responsabili del controllo e della manutenzione uno strumento per **valutare in real time i dati** provenienti da diverse fonti ed effettuare **manutenzione preventiva** sulle apparecchiature, riducendo le inefficienze produttive e gli interventi di manutenzione straordinaria.

Assessment: abbiamo identificato tutti i dati rilevanti per il progetto, **aggregando le diverse fonti** in unico repository. Il lavoro di normalizzazione e integrazione dati ha permesso di **ottenere dei dati puliti** rispetto ai quali confrontarsi con gli ingegneri e gli esperti dell’azienda cliente.

Sviluppo: Per iniziare subito a testare la chiarezza delle informazioni, le ipotesi statistiche e le euristiche, **abbiamo sviluppato una web app** che è stata il punto di confronto tra Deix e cliente, per uno sviluppo guidato e funzionale agli obiettivi.

Feedback: Evoluzione del sistema e dell’applicativo sulla base di un **continuo test e scambio di informazioni** tra gli attori coinvolti, per aumentare l’efficacia delle informazioni ed evolvere la soluzione.

L’implementazione della soluzione ha richiesto una metodologia di lavoro per step, in piena ottica incrementale.

Le fasi del progetto sono state:

Il grande vantaggio della soluzione è dato dalla modalità di sviluppo in divenire, che attraverso lo strumento del feedback porta a modifiche migliorative.

L’output realizzato, oltre a una serie di dashboard personalizzate per la visualizzazione dei dati, prevede un **sistema automatico di warning**, generati sia da alcune regole euristiche definite in collaborazione con il cliente, sia da analisi statistiche dei dati storici. La capacità previsionale dello strumento è in costante aggiornamento, grazie ad un lavoro di affinamento dei warning stessi che avviene tramite analisi delle segnalazioni effettuate dai tecnici sugli alert generati. Infine, l’applicativo offre la possibilità di eseguire **analisi retroattive** sui dati.

Se sei interessato a saperne di più su come la **realizzazione di algoritmi avanzati** possa supportare la manutenzione predittiva e altre attività, non esitate a contattarci per una consulenza. Siamo pronti ad aiutarti a sviluppare soluzioni a misura delle tue esigenze.

Il progetto rappresenta solo il primo passo verso un’attività di monitoraggio e classificazione digitale sempre più efficace. L’obiettivo a tendere è quello di implementare degli strumenti efficaci di **manutenzione predittiva**, utilizzando questa tecnologia per effettuare scansioni automatizzate nel tempo. L’intento è di avere un supporto più rapido ed efficace a servizio delle attività di **analisi strutturale** e di previsione della manutenzione, rendendo i processi più efficaci e rapidi in un contesto in cui attualmente molte attività sono onerose in termini di tempo ed energie da impiegare.

Ricostruzione di digital twin per analisi strutturali in ambito civile

La sfida principale del progetto è stata quella di **ricostruire digitalmente**  un modello 3D dei singoli elementi che compongono le infrastrutture, identificando in maniera puntuale piloni, travi, spalle, giunti e gli altri componenti tipici delle strutture stradali, seguendo una classificazione ben precisa. 

La necessità è stata quella di **realizzare digital twin** con il più alto livello di conformità alla realtà, addestrando gli algoritmi a “etichettare” correttamente i singoli elementi a partire da dati raccolti dalle rilevazioni aeree effettuate con droni tramite registrazioni e tecnologie LIDAR di scansione.

La grande mole di dati raccolta dai droni si traduce in una nuvola di centinaia di milioni di punti il cui processo di **segmentazione** nelle sue sottocomponenti ha rappresentato la sfida principale del progetto.

Il progetto è stato condotto con successo e sono stati raggiunti tutti gli obiettivi di **accuratezza delle ricostruzioni digitali** richiesti dal cliente. In particolare, è stato possibile realizzare dei digital twin delle strutture, identificando i singoli elementi con una precision superiore al 90%. Questo ha aperto la strada ad una nuova fase del progetto che ha l’obiettivo di sfruttare quanto creato per migliorare l’**attività di monitoraggio** e analisi strutturale in un percorso di innovazione e crescita continua.

Movyon è leader nello sviluppo e nell’integrazione di soluzioni di Intelligent Transport Systems, Tolling e Infrastructure Management e centro di eccellenza per la ricerca e l’innovazione del Gruppo Autostrade per l'Italia. Il dipartimento R&D di Movyon si è rivolto a Deix con l’obiettivo di sperimentare un modo innovativo per effettuare il **monitoraggio periodico** e l’analisi di strade e autostrade. 

Con l’avvento di nuove tecnologie l’acquisizione dati è stata resa più accessibile e rapida, ma le attività di elaborazione richiedono precisione e uno sforzo consistente per far sì che i dati raccolti possano essere analizzati e messi a disposizione di interlocutori in grado di prendere decisioni.

L’impiego di **Machine Learning,** tramite l'utilizzo di reti neurali per l'apprendimento automatico

Un **Approccio Non Supervisionato**, con l’utilizzo di modelli CAD (BIM - Building Information Modeling) per creare associazioni tra i modelli e le rilevazioni con drone.

Il progetto ha visto l’utilizzo di diversi approcci per giungere alla soluzione. In particolare, sono state considerate due strade

Entrambi gli approcci hanno mostrato delle criticità che sono state superate grazie alla collaborazione costante con il cliente.

Nel caso del machine learning e delle reti neurali la necessità di lavorare con una ridotta disponibilità di dati etichettati ci ha portato a lavorare congiuntamente con il cliente per sfruttare al meglio le informazioni disponibili per generare una taggatura automatica in grado di fornire all’intelligenza artificiale sufficienti informazioni per avviare l’apprendimento automatico.

Per quanto riguarda l’approccio non supervisionato, la sfida è stata creare allineamenti e associazione di elementi tra le immagini acquisite dai droni e i modelli Cad presi come riferimento, non sempre esattamente fedeli alle infrastrutture realizzate e presenti sul territorio. Questo è stato reso possibile tramite l’utilizzo di algoritmi di ottimizzazione multistart sviluppati ad hoc. 

Il lavoro di R&D in totale sinergia, che ha unito l'attività di etichettatura, pulizia e integrazione dei dati con l'attività di realizzazione algoritmica, è stato fondamentale per la piena riuscita dell’attività.

Se sei interessato anche tu a migliorare la sicurezza nei tuoi ambienti di lavoro e prevenire gli incidenti, siamo a tua disposizione. Raccontaci le tue esigenze e troveremo insieme la soluzione più adatta.

Nel corso del tempo e grazie all’utilizzo di reti neurali è possibile addestrare la tecnologia al riconoscimento di tutti gli oggetti e movimenti ritenuti utili per una migliore valutazione della sicurezza.

Questo si traduce nella possibilità di monitorare ulteriori mezzi pesanti e macchinari, ma addirittura di identificare dispositivi di sicurezza per valutarne il corretto utilizzo o verificare in tempo reale le azioni compiute rispettino procedure e direttive ottimali a garantire i livelli di sicurezza previsti.

A partire da un’area circoscritta dell’impianto produttivo, la soluzione verrà replicata a tutto lo stabilimento oggetto dell’attività in corso e successivamente alle ulteriori sedi produttive dell’azienda, per avere un quadro complessivo e un controllo su tutte le attività.

Lo strumento consente agli addetti e responsabili della sicurezza di disporre di dati più affidabili e completi a supporto delle scelte strategiche. Dati puntuali in tempo reale, mappe di calore in costante aggiornamento, identificazione di pattern comuni sono solo alcune delle possibilità offerte dalla soluzione.

Con l’acquisizione di dati nel corso del tempo, sarà possibile arrivare a identificare delle situazioni ricorrenti a livello di stabilimento o specifiche aree, per favorire l’adozione di misure di sicurezza efficaci, tra le quali, ad esempio, la possibilità di segnalare in real time negli ambienti delle situazioni di pericolo e scongiurare possibili incidenti.

Monitoraggio degli ambienti produttivi e prevenzione degli incidenti sul lavoro

Troppo spesso nel mondo della sicurezza sui luoghi di lavoro si ragiona in maniera **reattiva agli incidenti**, implementando azioni correttive volte a far sì che quanto accaduto non si ripeta.

La sfida che ci siamo posti insieme al cliente è stata quella di supportare l’adozione di **azioni preventive e proattive** per la risoluzione di un problema tanto diffuso: gli incidenti e gli infortuni in ambienti produttivi.

Lo scenario con cui ci siamo confrontati è caratterizzato da ambienti con un consistente **traffico di persone e mezzi**, che comportano un elevato rischio di incidenti.

È stato possibile mappare con successo i Near Miss, le situazioni in cui si è scampato un potenziale incidente.

Mappatura situazioni di rischio

Le soluzioni implementate hanno aumentato la consapevolezza degli spazi operativi, contribuendo ad una migliore conoscenza della quotidianità lavorativa, in termini di processi, azioni effettuate e attori/elementi coinvolti.

Cognizione degli ambienti

L’individuazione delle situazioni reali di rischio ha migliorato tutte le attività di prevenzione, portando a revisione di direttive procedurali e protocolli di sicurezza sulla base di dati acquisiti.

Ottica preventiva

Gli obiettivi raggiunti sono andati ben oltre le necessità per cui è stato avviato il progetto.

Un vero e proprio cambio di prospettiva, che consente di passare da un approccio reattivo ad uno data-driven, basato oltretutto non su modelli generici di settore, ma cucito su misura alla specifica situazione del cliente.

Nell’ambito della sicurezza sul lavoro, il progetto è nato con l’obiettivo di offrire un **supporto operativo e strategico al reparto HSE** (Health, Security and Environment) di una grande realtà manifatturiera.

Deix è stata coinvolta come partner per identificare e implementare una soluzione tecnologica in grado di migliorare la **prevenzione degli incidenti negli ambienti produttivi**.

Il lavoro è iniziato con l’**installazione di una serie di telecamere** in grado di monitorare da differenti prospettive un incrocio dove operano in contemporanea operai pedoni e muletti.

Oggetti e persone identificate dalle videocamere sono stati **mappati su una rappresentazione di riferimento** dell'area di interesse, in modo da poter conoscere le loro posizioni assolute e velocità reali

Abbiamo quindi addestrato la tecnologia a **identificare oggetti e movimenti**, grazie all’utilizzo di **reti neurali**, per rendere le rilevazioni e il monitoraggio sempre più efficaci.

L’output realizzato, un **applicativo sviluppato su misura**, ha permesso di raccogliere dati puntuali ed effettuare analisi specifiche, con l’obiettivo di identificare insight utili a supporto delle attività quotidiane del dipartimento di sicurezza.

Per raggiungere l’obiettivo abbiamo deciso di monitorare una specifica area di lavoro, al fine di mappare le situazioni ad alto rischio e i cosiddetti *near miss*, i mancati incidenti.

Il progetto prevede continue fasi di evoluzione, per migliorare la soluzione implementata e avviare un ampliamento su larga scala.

### VANTAGGI

La metodologia e l’approccio adottati prevedono come elemento essenziale del successo il confronto costante con il cliente, per poter acquisire tutto il know-how necessario a personalizzare la soluzione finale sulla base di esigenze specifiche e del contesto di implementazione.

Storie di successo

Affianchiamo i nostri clienti nello sviluppo di progetti innovativi e seguiamo un apporccio validato per andare da zero alla produzione

Soluzioni su misura per il tuo business

Come lavoriamo

Storie di successo

Algoritmi per la ricostruzione della geometria della mammella da imaging medico

Software per la gestione data-driven di un impianto manifatturiero

Ricostruzione di digital twin per analisi strutturali in ambito civile

Monitoraggio degli ambienti produttivi e prevenzione degli incidenti sul lavoro