Le strategie di marketing e commercializzazione del dispositivo saranno implementate su tre assi principali: i social network, il sito web e la vendita diretta. Per quanto riguarda il marketing, i canali pubblicitari preferenziali saranno appunto i social network, nello specifico LinkedIn e Twitter, su cui verranno programmati post giornalieri di qualità e campagne sponsorizzate in italiano, inglese e tedesco per presentare il prodotto a target ben specifici e intercettare così potenziali clienti. Verrà poi aperto un blog sul sito web del prodotto, anch’esso in italiano, inglese e tedesco, dove verranno pubblicati e diffusi articoli tecnico-scientifici riguardanti la manifattura predittiva, l’analisi delle vibrazioni e naturalmente il prodotto stesso. Per quanto riguarda la commercializzazione, il dispositivo sarà proposto sul mercato ai costruttori di macchine industriali nel settore manifatturiero, i quali potranno offrire a loro volta il servizio di manutenzione predittiva ai loro clienti, con particolare attenzione a quei settori in cui il fermo macchina costituisce il punto critico dell’intera filiera produttiva e può quindi generare ingenti danni economici e qualitativi al prodotto finale. Si parla quindi di settore alimentare, automobilistico, cartario, tessile, chimico, farmaceutico, petrolchimico. Altri settori molto importanti sono quelli in cui il fermo macchina genera invece un danno alla conservazione dei prodotti finiti, come ad esempio tutta la filiera del freddo (dalla gestione di motori per impianti di refrigerazione e similari al controllo delle pompe per la produzione di neve artificiale negli impianti di risalita) ma anche il campo del benessere dell’individuo (gestione ventole su impianti di condizionamento e trattamento aria), l’ambito energetico (es. gestione turbine su impianti idroelettrici e centrali di produzione di energia in generale), la sicurezza delle infrastrutture (es. manutenzione predittiva di ponti e infrastrutture di ogni genere).
In possesso di titoli di proprietà intellettuale in capo all’impresa e/o ai founder e/o terzi
Breve descrizione degli aspetti di innovazione che caratterizzano il business dell’impresa
Il servizio Vibes prevede l’applicazione di un sensore sviluppato specificatamente per la raccolta e analisi di tutto lo spettro di frequenze. Solo con un sistema di Machine Learning questi dati possono essere interpretati e le correlazioni che si scoprono sono spesso risultati che nemmeno ci si potrebbe aspettare. A differenza di molti concorrenti, non andiamo a misurare semplicemente delle vibrazioni che, una volta superate determinate soglie che il costruttore o il manutentore della macchina stesso danno per critiche, mandano un allarme in tempo reale. Il concetto di manutenzione predittiva Vibes è invece quello di prevedere con largo anticipo quale sarà la rottura e il perché senza nemmeno dover determinare una soglia che definisce lo stato buono o meno buono della macchina. Questa tipologia di analisi predittiva consiste nella raccolta di dati derivanti da sensori che danno un semplice indice di stato di salute e andamento della macchina. Una volta raccolti i dati vibrazionali grazie al nostro VIBES, un dispositivo IoT in grado di rilevare lo spettro vibrazionale su tre assi su spettri molto ampi, questi vengono dati in pasto a delle reti neurali, cioè delle strutture matematiche in grado di imparare e di interpretare i dati. Durante la prima fase si sottopone il sistema ad una fase di apprendimento, dove si associano i dati con le varie condizioni del macchinario. Dopo aver dato in pasto al sistema neurale decine o centinaia di casi per ogni condizione rilevabile, la rete neurale può essere considerata abile e sarà in grado autonomamente di passare alla fase di predizione. La predizione del sistema Vibes consente di capire quando ci sarà il guasto e soprattutto dove sarà il guasto, permettendo una manutenzione specifica all’interno del macchinario. Il sistema Vibes inoltre è molto più economico rispetto a molti altri prodotti ad oggi sul mercato che consentono solamente di raccogliere dati che però spesso non sono interpretati da software specifici, lasciando quindi all’utente il compito di analizzarli.