Software e sensori per gestire gli asset d'azienda

FRANCESCA TOSI, HEAD OF GROWTH DI QUICK ALGORITHM, SPIEGA COME SI E' EVOLUTO IL BUSINESS DELLA STARTUP INCUBATA DA B4I

Diversificare i servizi proposti e anche la politica commerciale a supporto, con l’intenzione di rafforzare il posizionamento di Quick Algorithm, startup nata nel febbraio 2018 e incubata da B4i-Bocconi for innovation, programma di accelerazione dell'Università. Inizialmente veniva offerto solo il servizio d’Intelligenza Artificiale per ottimizzare la gestione degli asset fisici di un’azienda, come i macchinari produttivi o anche gli immobili aziendali. Il tutto grazie a Scops.ai, software proprietario basato su cloud, che analizza i big data provenienti da sensoristica e fonti differenti, compresi quelli generati dalle attività umane di manutenzione. Vantaggio ultimo: ridurre i costi della produzione industriale. Per esempio quelli energetici. Adesso, invece, «forniamo anche i sensori per le rilevazioni, che per il momento non produciamo noi stessi», sostiene Francesca Tosi, head of growth di Quick Algorithm e consigliere del board. «Siamo partiti dalle esigenze di alcune aziende che non avevano in campo la sensoristica necessaria o, se l'avevano, i dati erano raccolti su fonti dati o piattaforme diverse non integrate tra loro». Quindi, il business si è ampliato in parallelo col piano commerciale che consente di comprare, solo noleggiare o anche noleggiare e poi comprare i sensori di Quick Algorithm.

«Con l’incremento dei costi dell’energia è aumentato il numero delle richieste che riceviamo», aggiunge Tosi. «Con Scops le aziende possono non solo monitorare e prevedere le numerose e variegate anomalie dei loro stabilimenti ma anche e soprattutto scoprire fenomeni non ancora conosciuti che sarebbe stato difficile individuare senza il supporto del machine learning». Un mondo inaspettatamente ampio e particolareggiato, i cui confini vanno dai morsetti stretti in modo non corretto fino alla porta della cella frigo lasciata aperta. Peraltro, «l’Intelligenza Artificiale basata sul machine learning impara dai dati ed è in grado di tenere conto di anomalie “normali” dovute a fattori quali il periodo dell’anno e il tipo di produzione. In questi casi, il sistema non invia nessuna allerta», conclude Tosi.

di Camillo Papini