- Innovation
- Intelligenza artificiale
Il progetto AI4ESOPP sviluppa una piattaforma basata su IA per la gestione sostenibile degli impianti industriali. Raccoglie dati da macchinari, sensori IoT e fonti esterne, offrendo analisi avanzate e supporto per certificazioni ambientali (LEED, ISO 50001). Integra moduli per ottimizzare consumi, manutenzione e impatto ambientale, con un’interfaccia LLM per semplificare l'uso. Contribuisce alla Blue Economy e allo sviluppo delle regioni meno sviluppate, promuovendo innovazione e sostenibilità.
Il progetto Artificial Intelligence for Environment and Sustainability of Production Plants (AI4ESOPP) mira a sviluppare una piattaforma, basata su intelligenza artificiale (IA), dedicata alla gestione, l’efficientamento e la sostenibilità ambientale di impianti industriali.
La piattaforma si caratterizza per diversi aspetti innovativi: da un lato la capacità di raccogliere e organizzare tutti i dati relativi a uno o più impianti industriali, sia da macchine moderne - quelle relative ad esempio ai progetti di Industria 4.0, ma anche nuovi macchinari dotati di Digital Twin - sia da macchine più datate, grazie all’elaborazione di flussi informativi eterogenei e alla loro interpretazione in tempo reale tramite moduli di IA adibiti, ad esempio, al riconoscimento di oggetti in transito. In questa maniera è possibile realizzare un pannello in cui tutti i dati dell'Impianto (o di diversi impianti se la produzione è su diversi siti, omogenei e non) sono di facile fruizione.
Questi dati saranno poi arricchiti con informazioni provenienti da fonti esterne, come previsioni meteo o rilevazioni ambientali, al fine di poter disporre di un cruscotto con tutte le informazioni rilevanti.
I dati, come sappiamo, sono il petrolio per le IA: questa ricchezza di dati - da impianti nuovi e non, da sensori dislocati, da fonti esterne - sarà usata per affinare modelli di IA di ottimizzazione e previsionali; a titolo di esempio, a un impianto dotato di pannelli fotovoltaici la piattaforma potrebbe suggerire di pianificare la produzione in funzione delle prossime giornate di sole, consentendo sia un risparmio sia la salvaguardia dell'ambiente.
E proprio l'impatto ambientale è tra i punti di forza di questa piattaforma, che incorpora le informazioni relative alle principali certificazioni ambientali, come ad esempio LEED, ISO 50001, ISO 14001 e EMAS, e supporta la dirigenza verso l'ottenimento e il mantenimento di queste certificazioni, supportando in maniera data-driven un passaggio verso una gestione ESG (Environmental, Social, Governance) di tutto l'impianto. La ricchezza di dati e di informazioni prodotte possono essere difficili da gestire: per ovviare a questa problematica sarà usato un Large Language Model (LLM), simile a ChatGPT, per supportare gli utenti nell'interpretazione dei dati e nella pianificazione di strategie per diminuire i costi e migliorare l'impatto ambientale nel suo complesso. Inoltre, la piattaforma, integrando le informazioni sia sui macchinari di ultima generazione che quelli meno recenti, sarà in grado di fornire informazioni chiare riguardo le strategie di ammodernamento dei singoli macchinari valutando sia gli aspetti di redditività che di impatto ambientale.
Nel complesso, quindi, la piattaforma unisce diversi aspetti innovativi: la capacità di gestire informazioni anche eterogenee riguardo gli impianti industriali; la capacità di usare queste informazioni per alimentare distinti moduli di IA, in grado di supportare tutte le fasi rilevanti degli Impianti di Produzione (IdP); una forte vocazione ambientale, con l'enfasi sulla capacità di supportare l'azienda nel conseguire e mantenere le principali certificazioni di impatto ambientale; una IA Generativa basata su un LLM in grado di supportare l'utente e guidarlo consentendo un dialogo semplice con la piattaforma stessa. Come spesso succede, il valore della somma di diversi componenti è superiore alla somma dei valori dei singoli componenti; la forza e l'innovatività di questa piattaforma è superiore alla somma delle innovazioni dei singoli componenti.
La piattaforma può essere vista come la somma di cinque moduli concettualmente distinti:
- Un modulo destinato a raccogliere, aggregare e rendere fruibili tutti i dati disponibili: dati provenienti dal sistema informativo aziendale, dati provenienti da sensori distribuiti nell’impianto, dati provenienti dai macchinari (industria 4.0) e dati provenienti da fonti esterne come, ad esempio, dati sulle previsioni del tempo.
- Un modulo di analisi dei dati, comprensivo di dashboard anche in tempo reale, che consente, a seconda della tipologia dell’impianto produttivo:
- a. Analisi dei consumi energetici dell’impianto
- b. Analisi del rendimento dell’impianto
- c. Analisi del consumo di acqua, prevenzione delle perdite, riutilizzo e riciclaggio dell’acqua
- d. Gestione e valorizzazione delle acque reflue
- e. Monitoraggio delle anomalie
- Un modulo, basato su IA, che si occupa di previsione e pianificazione; l'IA sarà impiegata per identificare inefficienze, punti critici e opportunità di miglioramento nel ciclo di produzione. In particolare, un elemento chiave del progetto sarà l’adozione di tecniche di apprendimento profondo (Deep Learning) e di tecniche di apprendimento con rinforzo. Le prime saranno utilizzate per analizzare grandi quantità di dati (Big Data) provenienti dai sensori e dai sistemi di monitoraggio, consentendo una comprensione approfondita dei pattern e delle dinamiche sottostanti. Le altre per sviluppare modelli che possano apprendere in modo continuo e adattarsi alle dinamiche mutevoli dell'ambiente produttivo. Ciò consentirà una gestione dinamica dei processi, rendendo possibile un adattamento autonomo alle variazioni nelle condizioni di produzione e alle nuove informazioni acquisite nel tempo. Ad esempio, la IA sarà impiegata per:
- a. Previsione di costi di produzione (ad esempio, usando le previsioni del tempo per stimare il rendimento di pannelli fotovoltaici o usando sempre le previsioni del tempo per stimare la temperatura dell’acqua che viene usata per il raffreddamento di impianti), pianificazione e scheduling
- b. Pianificazione degli interventi di manutenzione anche in base ai carichi di lavoro previsti o stimati
- c. Tuning dei parametri dei macchinari al fine di ottimizzare i processi produttivi
- d. Manutenzione predittiva
- Un modulo di reportistica avanzato, con funzionalità di export dei dati, al fine di supportare l’azienda nella valutazione sistematica, obiettiva e periodica del proprio impatto ambientale ai fini di: valutazioni ESG (Environmental, Social e Governance), ottenimento e mantenimento di certificazioni di impatto ambientale come ad esempio LEED, ISO 50001, ISO 14001 e EMAS mediante la produzione dei dati nei formati richiesti da tali certificazioni.
- Un modulo, basato su una IA di tipo LLM, che serve a supportare il management nell’interrogazione e nella gestione della piattaforma, consentendo un dialogo con la stessa e semplificando la User Experience. Ad esempio, il modulo consente di spiegare i report prodotti in maniera testuale, fornendo anche i riferimenti normativi e delle relative certificazioni.