NXTracker: un progetto di Idea75

NXTracker: un progetto di Idea75

OBIETTIVI

 

Sviluppo di sistemi integrati di tracking e monitoraggio energetico degli asset / Supporto alle decisioni per l’ottimizzazione della gestione nel facility management / Incremento del comfort degli utenti e della sicurezza.

 

La soluzione NxTracker mira ad aumentare l’efficienza dell’intero building, migliorando il comfort degli utenti e ottimizzando le performance dei sistemi a seconda della presenza di persone e del loro spostamento all’interno dell’edificio.

 

Il sistema creato è ideale per il retrofit di edifici esistenti da parte di aziende del settore Facility management per ridurre i costi di esercizio, i consumi di energia, migliorare la qualità di vita e la sicurezza e semplificare le operazioni di manutenzione anche in ottica preventiva e predittiva.

 

SOLUZIONI

Ricerca e sviluppo di un sistema modulare e integrato per il monitoraggio dell’affluenza e delle prestazioni energetiche del building.

NxTracker è una soluzione non invasiva per la gestione intelligente di strutture complesse attraverso sistemi RTLS innovativi per l’indoor tracking e strumenti di Data Analytics e di supporto decisionale che si avvalgono di tecniche di AI (artificial intelligence) e ML (machine learning).

L’intero sistema è caratterizzato da semplicità e velocità di configurazione, possibilità di applicazione in strutture esistenti (retrofit) con grande flessibilità e scalabilità.

Partendo dalle opportunità del mercato dei sistemi di localizzazione indoor, l’obiettivo finale del progetto di ricerca e sviluppo NXTracker è lo sviluppo di una soluzione tecnologica per la localizzazione real-time della forza lavoro e degli asset che intende avvalersi della tecnologia del partner Nextome per farla evolvere verso una soluzione ibrida end-to-end.

Accanto al tracciamento della posizione indoor verranno monitorati i parametri energetici degli asset e degli impianti aziendali al fine di compiere elaborazioni deterministiche e predittive sulle performance, garantendo agli utenti la visualizzazione delle informazioni utili, il tracciamento in tempo reale di tutti gli asset e un supporto decisionale per le attività di gestione e monitoraggio.

I MODULI DI NXTRACKER

I moduli NX-DataAnalytics e NX-DSS si basano su piattaforme cloud e puntano a supportare il lavoro del facility manager organizzando la gestione degli asset e degli equipment aziendali riducendo i costi e massimizzandone l’impiego.

I KPI e le informazioni calcolate dal modulo NX-DataAnalytics alimentano il modulo di supporto decisionale NX-DSS che elabora le informazioni istantanee e storiche per fornire supporto per:

  • Intervenire sulla configurazione degli asset;
  • Ottimizzare gli spazi in gestione al FM;
  • Avvisare gli operatori in caso di necessità di intervento;
  • Prevedere e gestire i picchi di richiesta da parte degli utenti


 

GESTIONE INTEGRATA DEGLI ASSET E FUNZIONI OPERATIVE AVANZATE.

NxTracker aiuta gli utenti a gestire diversi tipi di asset in un ambiente integrato:

  • Gestione degli edifici
  • Ottimizzazione della capienza e occupazione degli ambienti
  • Tracciamento dei flussi di persone (in conformità al GDPR) per migliorare comfort e sicurezza
  • Monitoraggio delle apparecchiature e gestione della manutenzione
  • Monitoraggio accessi (porte, finestre)
  • Consumi energetici
  • Efficienza dei motori (con algoritmi di AI)
  • Monitoraggio dei sistemi HVAC
  • Microclima (temperatura, umidità, VOC, PM)
  • Sistema di illuminazione

 

PUBBLICAZIONI, ARTICOLI, PREMI

D. COSTANTINO, E. BRESCIA, P.R. MASSENIO, P. SERAFINO, G. L. CASCELLA, F. CUPERTINO “SUMRAS: A NEW SPMSM PARAMETER IDENTIFICATION IN CLOUD COMPUTING ENVIRONMENT”
2021 IEEE WORKSHOP ON ELECTRIC MACHINES DESIGN, CONTROL AND DIAGNOSIS (WEMDCD) APRILE, 2021

This paper proposes an innovative Supervised model Reference Adaptive System (SuMRAS) for the rotor flux linkage identification in Superficial Permanent Magnet Synchronous Machines (SPMSM). Estimations are updated in an autonomous way when convergence is reached. The proposed SuMRAS can be applied also to operating motors without requiring manual analysis, hence, it is suitable for large-scale implementation in cloud services. The effectiveness of the proposed approach is assessed in a real-world cloud environment through hardware-in-the-loop (HIL) experiments.

E. BRESCIA, D. COSTANTINO, F. MARZO, P. R. MASSENIO, G. L. CASCELLA, D. NAS AUTOMATED MULTISTEP PARAMETER IDENTIFICATION OF SPMSMS IN LARGE-SCALE APPLICATIONS USING CLOUD COMPUTING RESOURCES | SENSORS, VOL 41 LUGLIO, 2021

Parameter identification of permanent magnet synchronous machines (PMSMs) represents a well-established research area. However, parameter estimation of multiple running machines in large-scale applications has not yet been investigated. In this context, a flexible and automated approach is required to minimize complexity, costs, and human interventions without requiring machine information. This paper proposes a novel identification strategy for surface PMSMs (SPMSMs), highly suitable for large-scale systems.