Machine Data in campo Automotive = Machine Data in the Automotive field

L’elaborato esplora l’importanza e l’evoluzione dei Big Data nel supporto decisionale e nel vantaggio competitivo per le aziende, con particolare attenzione all’automotive. Viene analizzato il ciclo di vita dei Big Data, che include la raccolta, gestione, archiviazione e analisi dei dati: si descrive come la trasformazione dei dati grezzi in informazioni utili passi attraverso tecniche avanzate e sia possibile solo grazie alla presenza di un’adeguata architettura infrastruttura cloud. L'obiettivo principale è mostrare come i dati possano essere convertiti in valore e migliorare la gestione aziendale, trasformandosi in un vantaggio competitivo in ambiti quali manifatturiero, retail, sanità e finanza. Un approfondimento è dedicato al settore dell’automotive. Si fornisce una descrizione dettagliata di una corrente architettura infrastrutturale di machine data sviluppata dall’ex Group PSA, attuale Stellantis N.V. Si parla di veicoli connessi, dotati di sensori avanzati e sistemi di connettività, conosciuti come Internet of Things, che raccolgono dati su vari aspetti del veicolo, come le condizioni del motore, lo stile di guida e l’ambiente circostante. Questo flusso costante di dati consente alle case automobilistiche di analizzare le prestazioni in tempo reale, ottimizzando la gestione dei veicoli e fornendo nuove funzionalità quale la descritta metodologia data driven per la valutazione della progettazione HMI. L’elaborato esplora studi scientifici su applicazione di machine data su tecnologie ecocompatibili, come i veicoli a idrogeno HFCV e il relativo quadro per la manutenzione circolare abilitata dall’IoT. Stellantis è il caso di studio centrale, con i progetti "Mobilisight" e “SUSTAINera”