Caso d'uso Pascol
Il caso d’uso Pascol si concentra sulla digitalizzazione della filiera della carne bovina proveniente da allevamento estensivo, un contesto in cui gli animali vivono e si muovono in aree naturali molto ampie e spesso remote. Pascol è un'azienda che opera come coordinatore della catena del valore e punta a fornire carne bovina di alta qualità alla grande distribuzione organizzata, affidandosi a una rete di partner specializzati per attività come macellazione, sezionamento e logistica. Questo caso d’uso dimostra come la filiera dell’allevamento bovino estensivo possa essere trasformata grazie a Data Space, Sistema di Data Analytics, Machine Learning e Model Serving. L’integrazione di questi elementi consente di raccogliere dati eterogenei, analizzarli in modo avanzato e condividerli in maniera governata, realizzando una tracciabilità end‑to‑end predittiva, sicura e completamente interoperabile. Di seguito le funzionalità nel dettaglio:
Data Space
Il Data Space permette a tutti gli attori della filiera di condividere dati in modo sicuro e controllato. Nel caso Pascol il DataSpace garantisce: - Governance dei dati, con proprietà mantenuta dal data owner. - Controllo degli accessi, tramite ruoli, autorizzazioni e criteri di sicurezza. - Federazione dei dati tra attori diversi, come allevatori, macelli e trasformatori. - Interoperabilità con sistemi IoT, ERP e blockchain. - Condivisione regolata di dati sensibili (salute animale, parametri ambientali, movimenti).
Il Data Space è la base che rende possibile la collaborazione digitale tra parti che tradizionalmente operano su sistemi indipendenti.
Sistema di Data Analytics
Il Sistema data analytics consente la gestione e l’elaborazione continua dei dati raccolti. In particolare, permette di: - integrare dati da sensori, RFID, app mobile e database aziendali; - orchestrare workflow complessi basati su microservizi; - analizzare dati in streaming e batch; - estrarre indicatori chiave relativi a benessere animale, produttività e rischi; - automatizzare pipeline che alimentano i modelli di machine learning.
Il sistema crea così una catena continua: dati → analisi → insight → azioni operative.
Machine Learning
Grazie ai dati raccolti e preparati, Il sistema di data Analytics supporta la creazione di modelli di Machine Learning Asset > Workflow in grado di: - prevedere attacchi patogeni; - individuare condizioni di stress termico e comportamentale; - identificare carenze alimentari; - anticipare problemi produttivi; - rilevare anomalie tramite reti neurali e algoritmi statistici.
L’intero ciclo di vita dei modelli è gestito tramite funzionalità MLOps, che permettono di versionare le diverse iterazioni, confrontarne le prestazioni, validarne la qualità e aggiornarle in modo controllato. Questo garantisce un approccio rigoroso e trasparente allo sviluppo e alla manutenzione dei modelli, assicurandone l’affidabilità nel tempo.
Model Serving: modelli pronti all’uso nella filiera
Il model serving Development > Serving rende immediatamente disponibili i modelli ML nella filiera Pascol: - gli operatori ricevono alert in tempo reale sulla salute degli animali; - i modelli sono esposti tramite API integrabili in app, dashboard e sistemi gestionali; - i risultati predittivi sono accessibili nel Data Space, con pieno controllo degli accessi; - gli allevatori possono prendere decisioni basate su dati aggiornati e affidabili.
Questa capacità fa sì che il machine learning diventi parte integrante dell’operatività quotidiana.
Infrastruttura IoT e tecnologie di campo
La raccolta dei dati è resa possibile tramite: - RFID per identificazione animale e lotti; - sensori fisici (temperatura, umidità, irraggiamento, accelerazione, GPS); - biosensori per parametri sanitari e VOC; - comunicazioni LoRa e LoRa satellitare per aree remote; - edge computing nei collari per produrre alert immediati.
Tracciabilità tramite Blockchain e Data Space
La tracciabilità è assicurata da un approccio ibrido tra blockchain e Data Space: - Blockchain privata federata per garantire immutabilità e sicurezza dei dati; - Smart contract per automatizzare processi e verifiche; - integrazione Data Space per federare dati provenienti da IoT, ML ed ERP.
Nella figura seguente è rappresentato l'insieme dei componenti IoT usati per questo caso d'uso:
In sintesi Pascol rappresenta un modello innovativo di allevamento estensivo digitalizzato, capace di: - migliorare la trasparenza; - supportare decisioni predittive; - abilitare interoperabilità tra attori della filiera; - ottimizzare produttività e benessere animale.
L’uso congiunto di IoT, Data Space, Data Analytics, ML e model serving crea un ecosistema resiliente e orientato al futuro.