L’intelligenza artificiale? Fa risparmiare energia alle imprese! Dibattito al Competence Center Made con Siemens, Ntt Data e…

Un’industria 5.0 deve approvvigionarsi di energia privilegiando il più possibile la componente di rinnovabili. Ottimizzare il consumo dei sistemi produttivi e dei software. Gestire in modo sostenibile le funzioni di riscaldamento e climatizzazione. E ridurre l’impatto ambientale di tutte le attività. L’intelligenza artificiale industriale consente di raggiungere questi obiettivi di efficienza energetica e di mettere a punto strategie aziendali sempre più sostenibili, che significa anche più profittevoli. Non solo perché il bilancio Esg di un’azienda è ormai un elemento di valutazione per i mercati finanziari e per il sistema del credito. Ma anche perché l’utilizzo dell’IA abilita risparmi, che possono essere significativi, e modifica i processi aggiungendo valore al business e al lavoro delle persone. Il tutto, nel contesto europeo del Green Deal che punta a rendere l’UE a emissioni zero entro il 2050, coinvolgendo anche l’industria.

Del resto, sottolinea Ida Critelli, business developer energy management di Siemens, «il 20 per cento delle emissioni globali di Co2 provengono dall’industria, il 77% sono legate alla produzione di energia, e circa il 37% dell’energia globale è utilizzata dalla manifattura».

Fondamentalmente, l’industrial AI esegue i seguenti compiti: apprende i dati dai sensori, li elabora, restituisce report e previsioni, propone azioni, le esegue. Scendendo più nella pratica, automatizza i processi produttivi, ai quali restituisce precisione e prevedibilità potenziando al contempo le competenze degli operatori. Ottimizza i costi energetici di server, reti e software, riducendone anche l’impatto ambientale. Un risvolto non da poco, se si pensa all’elevato consumo di risorse del mondo dell’information technology. «L’IT emette più del 5% del totale delle emissioni globali, una percentuale più alta di quella dell’aviazione. E il 6% dell’energia globale che verrà consumata al 2030, servirà all’IT» segnala Pietro Tempesti, software engineer del system integrator Ntt Data. Infine, abilita risparmi anche su fattori più tradizionali, come i consumi di riscaldamento e climatizzazione, che secondo Sergio Nunzio Parisi, software engineer di Ntt Data, spesso rappresentano il 30% dell’energia consumata da un’impresa.

Siemens, Ntt Data, e AiSent, software house di IA industriale, hanno presentato soluzioni tecnologiche e casi d’uso nel corso di una demo experience organizzata al competence center Made 4.0 dedicata a “L’intelligenza artificiale per l’efficientamento energetico: l’ottimizzazione dei processi nel settore manifatturiero”. Per il colosso tedesco, Ida Critelli, business development professional digital industry, e Silvia Novaco, energy engineer – sustainability team, hanno mostrato i tool per il monitoraggio dei processi industriali e per la gestione dell’approvvigionamento di energia. Sergio Nunzio Parisi e Pietro Tempesti, rispettivamente senior data engineer – data intelligence e software engineer della multinazionale giapponese hanno invece presentato software per gestire le funzionalità hvac, riscaldamento e climatizzazione, e per misurare e migliorare l’impronta di carbonio. Daniele Gamba, ceo di AiSent, è entrato nel dettaglio di casi d’uso basati su algoritmi di IA per l’efficientamento energetico di specifici processi industriali. Davide Polotto, business development di Made 4.0, ha spiegato in che modo il competence center supporta le imprese nell’implementazione dei progetti.

Siemens: misurazione delle performances energetiche a bordo macchina o su piattaforma, Energy Efficiency Monitor ed Energy Manager per le analisi strategiche

Partiamo dal processo produttivo e dalle soluzioni Siemens per misurarne il consumo di energia, elaborare i dati, e utilizzarli grazie a modelli di IA per implementare piani strategici o azioni correttive. Gli strumenti di misura possono essere posizionati negli impianti o nei quadri. Nel primo caso, gli interruttori smart sono sostanzialmente un’espansione del Plc e forniscono misurazioni di consumo energetico. Attraverso queste componenti di automazione il controller legge i dati energetici e di processo della macchina, e fornisce quindi informazioni utili per calcolare ad esempio il costo dell’energia necessario per produrre un singolo pezzo. Oppure si possono scegliere strumenti da quadro, che quindi non richiedono il plc, e comunicano con l’esterno attraverso protocolli di automazione. Infine, ci sono altri strumenti tendenzialmente collocati a livello di processo, che misurano pressione, portata, livelli. Lo scopo è mappare tutte le tipologie di consumo energetico.

Dopo gli strumenti, bisognerà installare il software. S7 Energy Efficiency Monitor abilita un’elaborazione dati di base sul consumo energetico della macchina. «Semplicemente correlandolo agli stati operativi del macchinario posso capire se sto utilizzando energia per produrre o invece la sto sprecando, e potrei invece ottimizzarla legandola a come utilizzo la macchina». Si può passare a tecnologie di edge, per fare acquisizione, storicizzazione ed elaborazione dei dati. Oltre a calcolare gli indicatori energetici, in questo ambiente è possibile personalizzare il proprio modello di IA. Infine, si possono utilizzare piattaforme. Energy Manager Pro è in grado di fare analisi energetica a bordo macchina o avere dati da siti produttivi dislocati nel mondo. Ha anche funzioni previsionali, già implementate e pronte all’uso. È quindi una questa soluzione che consente di implementare progetti standard, intervenendo su singole funzioni, oppure modelli più complessi, con analisi disegnate sulle esigenze del cliente.

AiSent, algoritmi di IA per la gestione dei processi, dal gemello digitale alla regolazione dei parametri di produzione

Vediamo casi d’uso concreti per il controllo di processo basati su algoritmi di intelligenza artificiale industriale messi a punto da AiSent, partner di Siemens.

L’algoritmo di IA lavora su un estrusore per la plastica. È un processo di cui in azienda si occupa un operatore esperto, in grado di regolare i parametri per assicurarne la stabilità. «Il processista utilizza la sua esperienza per far fronte alla variabilità della materia, agli imprevisti, regolare parametri come velocità, temperature, pressione – spiega il ceo Daniele Gamba -. Tenendo sotto controllo il processo, ottiene tre grandi misure: performance, qualità del materiale, e consumo. A parità di ricette, possono cambiare i parametri su queste tre grandezze».

Il software consente di regolarle in modo tale da assicurare il buon funzionamento del procedimento. Non è facile, un processo chimico ha equilibri delicati, un errore di regolazione può fare grandi danni, ad esempio provocare un’esplosione. L’applicativo prevede la realizzazione di un gemello digitale del processo, per simulare migliaia di volte tutte le diverse condizioni e poi scegliere i risultati migliori in termini di performance, qualità e consumo energetico. In questo modo si individua la soluzione ideale e la si porta poi sull’estrusore fisico, e anche qui si possono fare tutte le simulazioni anche pratiche. Alla fine, l’operatore sceglie dove posizionare l’asticella del trade-off fra le diverse variabili.

Un altro caso d’uso presentato riguarda il controllo di un gruppo caldaie per il vapore industriale. In questo caso, l’intelligenza artificiale ha risposto a specifiche esigenze: rendere misurabile un processo dal quale invece prima non arrivavano dati, perché dalla produzione non conoscevano in anticipo il fabbisogno di vapore, quindi di energia. Distribuirlo in modo variabile a seconda delle diverse azioni in produzione. Il tutto, senza apportare modifiche sulle caldaie.

L’algoritmo di AiSent stima la dinamica della distribuzione e riesce a prevedere i consumi e a gestire il processo. «Il vantaggio di queste soluzioni è che consentono di avere degli impianti più stabili nel tempo, ottimizzare i consumi, e sopperire alla mancanza di processisti. La cosa importante è dotarsi di infrastrutture per raccogliere i dati. Per farlo, servono esperti sia lato IA sia lato processo. E poi bisogna fare delle prove».

L’IA per efficientare l’approvvigionamento di energia, B.eos di Siemens si interfaccia con il mercato elettrico

Dai processi all’approvvigionamento di energia, dove la sfida è duplice perché da una parte c’è la spinta verso le rinnovabili, dall’altra la necessità di affrontare la maggior complessità dell’energy procurement determinata dalle caratteristiche delle energie pulite. La generazione da fonti rinnovabili è meno lineare di quella tradizionale, e quindi è sempre più difficile bilanciarne l’approvvigionamento con quello dalla rete elettrica. La soluzione di Siemens è B.eos, che prende i dati dal campo e anche da fonti esterne e attraverso gli algoritmi previsionali consente di gestire il sistema. Il campo è rappresentato dagli impianti di generazione, fotovoltaico, termico, caldaie, generatori, pompe di calore, accumuli, batterie. Tutti i dati di queste macchine entrano in B.eos, così come quelli dall’esterno, dalle previsioni meteorologiche ai prezzi di mercato dell’energia. L’algoritmo regola automaticamente i sistemi e modula la parte di generazione, utilizzando il machine learning per stimare i consumi e la produzione da rinnovabili nelle seguenti 24 ore. Utilizza un digital twin che effettua simulazioni.

«Il meccanismo consente, ad esempio, di calibrare il prelievo dalla rete elettrica, in base all’andamento del mercato, e quando l’algoritmo riesce a stimare un rialzo del costo dell’elettricità, porta al minimo lo scambio con la rete» spiega Silvia Novaco.  Tutto questo è completamente automatizzato. Si tratta di una soluzione adatta a grandi building, ospedali, ceramifici, in generale realtà con fabbisogni importanti e con un mix molto diversificato.

Ntt Data, l’intelligenza artificiale agentica di Dwe Optimizer per la climatizzazione a supporto dell’energy manager

Un altro esempio di efficientamento energetico abilitato dall’intelligenza artificiale nel mondo industry è una soluzione Hvac del system integrator Ntt data. Riscaldamento e aria condizionata spesso rappresentano intorno al 30% del consumo energetico delle imprese. Dwe Optimizer può abilitare fino al 25% di saving grazie agli algoritmi e all’agentic AI. La soluzione elabora i dati relativi al consumo, che arrivano dalla sensoristica iot, correlandoli con quelli esterni, come il meteo, e genera comandi per una serie di device diversi. Ovviamente, con l’aumentare di sensoristica e dati migliora la performance in termini di risparmio energetico.

«È un tool di supporto per l’energy manager, che non dovrà più settare tante macchine, perchè sarà in grado di raggiungere lo stesso scopo settando gli algoritmi. Ci sono anche degli alert che lo avvertono se il software non sta funzionando in modo efficiente rispetto allo scopo», sottolinea Sergio Nunzio Parisi, data system integrator. Dalla dashboard si possono configurare diversi algoritmi, preposti a funzioni diverse, organizzare le variabili di controllo e comando su cui agire, e impostare degli schedule. Le configurazioni si possono aggiornare nel tempo.

Ict carbon calculator, lo strumento di Ntt Data che misura l’impronta carbonica dell’infrastruttura IT e fornisce dati per individuare azioni e programmare investimenti

Un altro tool di Ntt Data consente invece di ottimizzare le emissioni di gas serra. Una funzionalità che le imprese possono essere portate a sottovalutare, ma che in chiave Esg ha decisamente un suo perché. Anche qui, bisogna in primo luogo sapere quanto consumano i macchinari, che in questo caso saranno i pc o gli altri device del mondo IT. Lo strumento, Ict carbon calculator, esegue anche attività di reporting, suddividendo le emissioni in base alle categorie Scope 1, 2 o 3 (energia prodotta, acquistata, relativa alla catena del valore). Lo schema architetturale prevede l’inserimento di adapter nell’architettura del cliente, nel cloud o nel data center, fino ai singoli device. Dai dati di consumo viene rilevata l’impronta carbonica, mettendo in relazione le emissioni di Co2 con l’effettiva applicazione per misurarne l’efficienza. Per esempio, Google ha emissioni molto basse per ogni ricerca, quindi è efficiente, anche se il totale delle emissioni è alto in considerazione del traffico.

In base ai dati del monitoraggio si possono decidere le azioni da intraprendere per fare in modo che il sistema consumi meno. È possibile per esempio spostare il carico computazionale di un’architettura in cloud da una regione con alto impatto ambientale verso un’area con migliori indicatori di sostenibilità. Oppure ridurre l’impatto ambientale del software scrivendo codice che consumi meno risorse. O ancora, organizzare i carichi di lavoro tenendo conto delle variabili energetiche, privilegiando per esempio le ore della giornata in cui si usa maggiormente l’energia pulita.

Lo strumento ha anche un motore previsionale, in grado di stimare le emissioni per l’anno successivo e guidare così le scelte di business verso un futuro più sostenibile. Si possono anche effettuare simulazioni e misurazioni per calcolare le emissioni del proprio sistema aziendale in base agli investimenti.

Dal modello di business all’adozione dell’IA per l’efficienza energetica della produzione, i servizi di Made 4.0 con le agevolazioni del Pnrr

Daniele Gamba, di Ai Sent segnala che «spesso, le aziende non intraprendono per tempo progetti di efficientamento energetico perché non hanno le informazioni corrette. Non conoscono gli strumenti a disposizione, non monitorano le performances e quindi non sono consapevoli degli eventuali sprechi». E qui entrano in gioco i servizi del competence center Made 4.0.

«La cosa importante è adottare l’intelligenza artificiale in modo ragionato, strutturato e consapevole – spiega Polotto -. Made risponde alle esigenze delle aziende che hanno dubbi su come cominciare con un progetto articolato in tre fasi. Partiamo dall’analisi e diagnosi dell’impresa, per conoscerne in modo approfondito il business model al quale bisogna armonizzare l’adozione o l’implementazione dell’IA. Proseguiamo con la definizione degli obiettivi strategici, e infine le aiutiamo a disegnare una roadmap». Queste tre fasi hanno bisogno di una serie di passaggi. Bisogna affrontare il tema dei dati, necessari per implementare qualsiasi progetto di IA. Misurare le capacità di calcolo, l’organizzazione e la cultura aziendale, le professionalità delle persone. Ci sono anche aspetti legati alla governance, ad esempio l’AI Act richiede una compliance normativa. Bisogna identificare le aree dell’impresa in cui l’IA può esprimere il maggiore valore. I servizi del competence center sono finanziarti con i fondi del Pnrr e prevedono un contributo a fondo perduto che si risolve in uno sconto in fattura.