venerdì, Ottobre 22, 2021

Dietro la mascherina

L’implementazione di tecnologie digitali, come l’Image Tracking e la Data Intelligence, può tracciare e analizzare l’utilizzo di mascherine facciali, cuffie protettive e altri dispositivi di sicurezza negli spazi pubblici contribuendo alla nostra sicurezza.

Dato che la necessità di indossare una mascherina facciale o altre forme di protezione sul viso è diventata consuetudinaria in numerosi Paesi di tutto il mondo a partire dagli inizi del 2020, possiamo forse rammentare che questi fondamentali prodotti di tecnologia sanitaria sono essenzialmente un’innovazione non digitale. Al di là di alcuni prototipi di “smart mask” con le corrispondenti app per smartphone, la maggior parte delle mascherine facciali sono in realtà costituite da uno scampolo di materiale filtrante con alcuni elastici applicati.

Naturalmente, ancora prima che scoppiasse la pandemia, molte persone si erano abituate a indossare qualche tipologia di mascherine facciali, qualche tipo di casco, cuffie o copricapi protettivi. Molti lavoratori, a partire dai responsabili, sono abituati a indossare equipaggiamenti protettivi, giubbotti, guanti e persino armature, a seconda della loro professione.

Tuttavia, nonostante la semplicità tecnica della maggior parte di queste protezioni e scudi, oggi siamo più preoccupati che mai per la compliance e per la necessità di indossare questi dispositivi. Data questa situazione, si può essere certi che la tecnologia possa in qualche modo contribuire ad assicurare che le necessarie fascette siano ben strette e che i dispositivi indossati correttamente e garantire la necessaria protezione?

Oltre l’RFID, la “image intelligence”

In passato, spesso si è considerato l’utilizzo delle etichette RFID come una possibile soluzione per verificare che un elemento di un equipaggiamento protettivo fosse presente e venisse indossato da una determinata persona. Ma per quanto smart e utile sia l’RFID questa tecnologia ha delle limitazioni e la sua applicabilità è ridotta. Alcuni dispositivi personali di protezione sono monouso, tanto che non vale la pena tracciarli (tagging), e – forse l’aspetto più importante in assoluto – anche se un segnale RFID viene rilevato correttamente, non può dirci se una persona stia indossando il dispositivo di protezione in modo corretto.

Anche se può apparire strano, è ovviamente possibile indossare un giubbotto protettivo in modo scorretto, magari con la cerniera aperta o senza un’ulteriore protezione esterna se ci si trova in mare. Un operaio di un sito di costruzioni edili che porta il proprio casco protettivo attaccato in vita avrà certamente una ottima tenuta, ma non lo sta indossando correttamente. Infine, come tutti sappiamo, una mascherina anti-COVID portata sul mento con la bocca e il naso scoperti non è indossata in modo corretto.

Quindi, cosa si può fare?

Sono già attivi dei progetti pionieristici e alcuni casi d’uso prototipali che utilizzano software di image tracking per catturare i comportamenti degli utilizzatori e offrirci gli insight di cui abbiamo bisogno su come vengono indossati i dispositivi di protezione al lavoro, ma anche durante il tempo libero.

La dinamica uomo-digitale (human-to-digital)

Oggi ci sono alcuni punti di riferimento eccellenti e progetti pilota interessanti che servono a spiegare le dinamiche in atto della transizione uomo-digitale e la via che apre all’implementazione dell’intelligenza artificiale (AI) e della data analytics integrata.

Aree del settore dei trasporti sono alla ricerca di possibili modi tecnologici e fisici per tracciare l’utilizzo di dispositivi di copertura del viso nel periodo di recupero post-pandemico. In particolare già oggi vengono create mappe di calore o dette heatmap di passeggeri, rese anonime in modo appropriato, per essere in grado di tracciare aree congestionate. Andando più in profondità con l’analisi, si possono anche impiegare tecnologie in grado di verificare che una persona indossi una mascherina e che lo faccia in modo corretto.

Focalizzandosi sulle persone e non sulle informazioni personali, questo sistema potrebbe mettere in collegamento una banca dati con i dettagli di come, quando, dove e cosa fanno i passeggeri all’interno della stazione ferroviaria, della nave da crociera o del terminal aeroportuale, per esempio. Si potrebbe allora utilizzare software di tracciamento delle immagini (image tracking) studiato per fornire un algoritmo che può essere addestrato a riconoscere la differenza tra una barba e una mascherina, la differenza tra una mascherina e un foulard e la differenza che passa tra una mascherina indossata in modo corretto e una che non lo è.

Questo processo implica il processamento di uno stream video in tempo reale e applicare ad esso l’Intelligence Artificiale per addestrare e ulteriormente migliorare l’algoritmo. L’idea è quella di acquisire un flusso di dati da una selezione di telecamere montate su soffitti, muri e in spazi pubblici. I team IT possono poi applicare modelli statistici addestrati che utilizzano algoritmi di AI realizzati appositamente e dedicati ad analizzare i dati raccolti e classificare le persone in forma anonima in portatori di mascherine, non-portatori di mascherine e portatori di mascherine indossate in maniera scorretta.

Dati: collegare, scambiare, integrare, analizzare

L’analisi dei dati in tempo reale, richiede una serie di componenti forniti da un partner technologico: una piattaforma software in grado di gestire la data analytics, lo streaming dati e l’integrazione delle fonti dati, e che siano in grado di offrire il dettaglio sufficiente e soprattutto in tempo reale su quando, dove e come le persone indossano equipaggiamento protettivo.

La piattaforma deve anche essere in grado di comunicare con l’esterno e riportare a persone (o staff di supporto responsabile del monitoraggio delle aree che le persone attraversano o affollano) per allertare se stanno violando delle regole.

In aggiunta, la componente di MDM (Master Data Management) – ovvero, uno strumento per gestire correttamente tutti i tipi di dispositivi di protezione in tutti i formati e le dimensioni in cui sono disponibili. Più in dettaglio, si possono utilizzare tecnologie basate sulle API (Application Programming Interface) per scambiare dati con servizi esterni su cloud. Tutta la proposizione tecnologica si può alla fine descrivere come un insieme di data intelligence, integration e analytics.

Questi esempi si estendono al di là dei sistemi di tracciamento passeggeri degli aeroporti e delle mascherine facciali antivirali. Pensiamo anche agli ambienti di lavoro in cui la sicurezza è un problema reale, come i siti di costruzioni edili, le piattaforme petrolifere e di gas, le utility e altri ambienti importanti di ingegneria civile, dove è obbligatorio indossare qualche tipo di dispositivi professionali di protezione personale.

Se siamo in grado di costruire sistemi intelligenti che avvisino i supervisori di qualsiasi violazione delle norme di sicurezza, questo ci garantirà meno incidenti. D’altro canto, meno incidenti significano minori premi di assicurazione, forza lavoro più produttiva e modelli di business più profittevoli.

Flussi analitici: dati storici e dati in tempo reale

Unificando tutti i percorsi e i concetti di questo articolo, le organizzazioni, le autorità di governo e altre autorità pubbliche e private possono considerare queste tecniche come un modo di rendere le nostre vite più sicure. Si può utilizzare anche un cruscotto analitico per visualizzare importanti statistiche storiche e paragonare questi record con informazioni in tempo reale.

La vera forza risiede nella capacità di tracciare dati in tempo reale e confrontarli con dati storici, dove disponiamo di metriche che possiamo utilizzare come limiti superiori, soglie e livelli prestazionali che sappiamo di dover raggiungere per garantire un’operatività in sicurezza.

Tracciando i dati dal vivo e confrontandoli a un momento specifico del passato, possiamo monitorarne il progresso, mentre stiamo tracciando l’adozione di mascherine facciali, elmetti sulle teste o qualsiasi altro ambiente dove vogliamo poter ottenere una visione granulare del modo in cui il mondo sta funzionando. Non si tratta di una situazione in cui un Grande Fratello ci osserva, ma piuttosto un caso di una Grande Mamma che si preoccupa per noi. Possiamo rendere il mondo del futuro un luogo più sicuro dove i dati avranno un peso fondamentale per consentire qualsiasi innovazione domani e nei giorni a venire.

Alessandro Chimera
TIBCO – Director Digitalization Strategy 

Related Articles

Latest Articles