Prev26_049sa - manutenzione evolutiva della piattaforma vera gemella digitale

DESCRIZIONE PUBBLICA

Descrizione completa del bando

La procedura riguarda l’affidamento diretto, ai sensi dell’art. 50, comma 1, lettera b), del D.Lgs. 36/2023, della manutenzione evolutiva e ordinaria della piattaforma VERA – Gemella digitale dell’Emilia-Romagna, finalizzata al supporto delle politiche regionali per la qualità dell’aria, la decarbonizzazione e il contrasto e la mitigazione degli effetti del cambiamento climatico. VERA è un digital twin territoriale, articolato negli ambienti VERA e VERA City, che utilizza dati regionali, modelli emissivi, strumenti di simulazione, tecniche di machine learning e componenti web per analizzare scenari ambientali e supportare le decisioni pubbliche. Il servizio comprende l’implementazione di nuove funzioni per VERA e VERA City, l’integrazione di dati meteorologici e di traffico locale, l’estensione agli enti locali, lo sviluppo di strumenti per valutare azioni di mobilità sostenibile, l’inserimento di nuovi scenari emissivi e la manutenzione necessaria a garantire il corretto funzionamento delle piattaforme. Le attività saranno richieste a consumo e potranno riguardare analisi tecniche, sviluppo software, realizzazione di filiere per acquisizione, elaborazione e visualizzazione dei dati, manutenzione e documentazione tecnica. L’importo massimo dell’affidamento è pari a Euro 138.700,00 oltre IVA, con valore unitario X di Euro 1.900,00 oltre IVA e una capienza massima di 73 attività, senza garanzia di ordini minimi. Il contratto ha durata di 36 mesi dalla sottoscrizione. I preventivi devono essere trasmessi esclusivamente tramite la piattaforma SATER entro le ore 18:00 del 13 ottobre 2026, allegando DGUE, dichiarazione sulla tracciabilità dei flussi finanziari e dichiarazione relativa al CCNL applicato. Il fornitore dovrà possedere requisiti generali, iscrizione alla CCIAA, registro artigiani o albo professionale, esperienza specifica in digital twin per qualità dell’aria e cambiamenti climatici, competenze sui principali modelli ambientali e sui linguaggi R, Java, Python, JavaScript, PL/pgSQL, PL/SQL e PHP, nonché esperienza in tecniche ML/DL e risorse professionali adeguate.