Con il Machine Learning di IBM Cloud Pak, la CRI di Udine ottimizza i suoi servizi

Si chiama SoTras ed è una piattaforma sviluppata da IT’S…B2B utilizzando le tecnologie IBM per il Comitato udinese della Croce Rossa Italia. Obiettivo: migliorare il servizio e ridurre i costi sfruttando dati, machine learning e Intelligenza Artificiale

Pubblicato il 21 Mag 2021

In Italia cresce la ricerca ai profili IT

Ne parliamo spesso, ma mai come in questo caso siamo di fronte a un vero e proprio progetto di ecosistema dalle aspirazioni ambiziose.
Lo ha sviluppato IT’S…B2B, Business Partner di IBM, in collaborazione con la stessa IBM per rispondere alle esigenze del comitato udinese della Croce Rossa Italiana e delle sue ambulanze in servizio non emergenziale.

Il Machine Learning di IBM SPSS Modeler per la piattaforma SoTras

Utilizzando le tecnologie IBM e in particolare software di apprendimento automatico IBM SPSS Modeler, oggi disponibile su IBM Cloud Pak for Data, IT’S…B2B ha sviluppato infatti SoTras, una piattaforma per la pianificazione dei viaggi e dei trasporti sviluppata con l’obiettivo di rendere più efficace il servizio, garantendo risultati misurabili.
Sfruttando le capacità di SPSS Modeler, SoTras è stato sviluppato partendo dall’analisi di 200mila record forniti dal Comitato, arrivando a  uno standard di accuratezza previsionale pari al 98%.
Questo significa che, traducendo nella pratica i modelli sviluppati grazie a SPSS Modeler, il Comitato Udinese della CRI riesce a risparmiare ogni anno quarantaseimila chilometri in percorsi, 7mila litri di carburante e a ridurre di 18 tonnellate il consumo di Co2.
Stiamo parlando di una soluzione di intelligenza artificiale su cloud ibrido pensata per ottimizzare i percorsi dei mezzi, riducendo di conseguenza i tempi di attesa e il numero di pazienti serviti.

Non solo i percorsi, ma i tempi di carico e scarico dei pazienti

SoTras è un progetto che si inserisce nel percorso complessivo di digitalizzazione dell’organizzazione della CRI e utilizza Intelligenza Aumentata e strumenti di pianificazione operativa. Ciò che più conta è che è in grado di valorizzare il patrimonio informativo già presente, eseguendo i cicli di Machine Learning sui dati dei trasporti del passato al fine di migliorare la precisione nel calcolo dei tempi di trasporto futuri.
Di fatto, SoTras dà risposta a un problema molto sentito dal comitato, che con 150 risorse si occupa tra l’altro del traporto dei pazienti dal domicilio a una struttura sanitaria o da quest’ultima a un’altra: migliaia di trasporti, che impegnano flotta e personale e che in SoTras trovano una risposta al loro bisogno di efficacia, diminuendo di fatto i costi elevando nel contempo la qualità del servizio.

Non si tratta solo di valutare i tempi di percorrenza, ma di incrociarli con altre variabili ben più critiche: ad esempio il tempo necessario a far salire e scendere i pazienti dall’ambulanza, tenendo conto dell’età, del peso, delle condizioni cliniche, delle loro capacità motorie, della necessità di sedie a rotelle o barelle, di trattamenti in corso, della presenza o meno di un accompagnatore.

Tutti questi fattori sono presi in considerazione da SoTras che, in tempo reale, è in grado di modellare il servizio sulla base di requisiti di efficienza e di efficacia.

In prospettiva, il sistema sarà aggiornato per funzionare su Red Hat OpenShift Container Platform che permetterà di scalare tutte le prestazioni del carico di lavoro.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 2