Un progetto del Politecnico di Torino,
punta a realizzare un sistema misto hardware e software
per tracciare l’avanzamento della produzione nelle sue varie fasi
Il progetto “Circular Tracing” introduce la filosofia del ciclo di vita nell’industria manifatturiera. Il suo scopo infatti è la realizzazione di un sistema misto hardware e software per la tracciabilità avanzata di componenti, semilavorati e materie prime per l’industria manifatturiera durante l’intero ciclo di vita del prodotto. Un sistema altamente innovativo, basato su nano/bio tagging per analizzare e monitorare in real-time la sostenibilità nell’uso delle risorse nel processo produttivo. Ma anche per l’identificazione a fine vita delle parti del prodotto adatte al riuso/riciclo. Infine, per la sicurezza del nuovo workplace post-pandemico per i lavoratori.
La tracciabilità del processo manifatturiero è un elemento chiave per la sostenibilità del processo stesso.
Quest’ultimo consente di misurare in tempo reale e di agire istantaneamente, anche in modo predittivo, sul consumo di energia, risorse materiali e riduzione degli sprechi.
La tracciabilità intelligente e autonoma che il progetto intende realizzare è basata su cinque direttrici di innovazioni:
- il nano/biotagging, cioè il tracciamento attraverso nanoparticelle e/o DNA in aerosol, liquidi e su superfici solide con deposizione e rilevamento automatizzato sugli oggetti (prodotti, componenti, utensili, etc.) e negli ambienti di lavoro
- l’Internet of Thing con cui sviluppare dispositivi Edge in grado di effettuare autonomamente la tracciatura delle risorse con più sistemi integrati
- l’Intelligenza artificiale per modellizzare in modo data-driven, al cuore del sistema di tracciatura end-to-end dell’intero ciclo di vita del prodotto
- la rappresentazione completamente digitale dei sistemi di produzione tramite Digital Twins
- Il miglioramento olistico della sostenibilità ambientale e della componente umana in sistemi di produzione secondo la visione dell’Industria 5.0 (Human in the loop).
Il sistema, definito come piattaforma per le Sustainable Manufacturing Operations (SMOPlat) e sistemi gateways IoT integrati, consentirà di tracciare l’avanzamento della produzione nelle sue varie fasi dal punto di vista della sua sostenibilità.
Permetterà di valutare quindi le emissioni equivalenti di gas serra (GHG) e gli eventuali elementi a impatto negativo come scarti, fluidi, plastiche di confezionamento, energia dissipata sotto forma di calore etc.
Le tecnologie per il tracciamento
L’obiettivo è dunque la definizione di un’architettura di piattaforma digitale (hardware e software) con caratteristiche di flessibilità ed interoperabilità, in grado di dare risposte ai temi sfidanti, quali la frammentazione degli standard, dei verticali applicativi, la necessità di privacy e sicurezza dei dati. Il progetto si avvale quindi di tecnologie innovative a livello di dispositivi, tecnologie di tracciabilità avanzate, elaborazione di dati, infrastrutture e interfacce con gli utenti, oltre ad algoritmi di intelligenza artificiale combinati con approcci statistici. La ricerca inoltre utilizza tecniche avanzate di rilevamento non invasivo, IoT, Intelligenza Artificiale, Cloud ed Edge Computing, che permettono di tracciare i componenti fisici/reali.
La convergenza di diverse applicazioni e tecnologie verte attorno al “Digital Twin”, che è la rappresentazione digitale dinamica di una “cosa” che, grazie ai sensori ad essa collegati, ne segue lo stato, risponde ai cambiamenti, ne può migliorare l’operatività e aggiungere valore.
Il digital twin
Il digital twin può essere la rappresentazione di un prodotto, di un processo, di una macchina o un sistema industriale. Può essere applicato per migliorare la gestione della produzione industriale verso quattro grandi obiettivi: l’efficienza, ovvero quel complesso equilibrio tra produttività e impiego di risorse, la qualità del prodotto, la sostenibilità della produzione e l’ottimizzazione dei costi. Permette di collegare il mondo reale (fisico) con quello digitale (set di informazioni e caratteristiche che rappresentano la versione digitale dei physical assets) e virtuale (scenario simulato e/o predittivo, ad esempio in modalità “what if”), dando origine a nuovi processi per la fruizione dei dati in ottica strategica e decisionale.
Nel progetto Circular Tracing si sperimentano, come detto, metodologie non invasive per il monitoraggio dei prodotti e dei macchinari di produzione e metodi di tracciamento, selezione e tracciabilità dei materiali orientati allo sviluppo sostenibile. La soluzione progettata, composta da più moduli hardware e software orizzontali applicabili ad ambiti produttivi diversi, e di moduli verticali applicati a filiere dimostrative ad alto impatto sul territorio, sarà validata in diversi ambienti produttivi.
Il metodo LCA per la valutazione dei processi
Lo sviluppo sostenibile è una delle questioni più importanti per le generazioni attuali e future. Il presupposto che le risorse naturali siano infinite, sta cambiando. Nonostante questa crescente consapevolezza, quasi tutti gli attuali modelli di produzione si basano ancora su un vecchio paradigma. Le nuove tecnologie per la produzione oggi disponibili o in via di sviluppo devono, fornire strumenti e opportunità per creare nuove soluzioni che ci avvicinano alla produzione sostenibile.
Per contrastare gli effetti ambientali negativi, il progetto intende sviluppare ed applicare approcci di valutazione del ciclo di vita basati sulla simulazione. Il metodo LCA (Life Cycle Assessment) è basato sulla simulazione per l’ottimizzazione dell’impatto ambientale dei sistemi di produzione attraverso l’applicazione di algoritmi avanzati di intelligenza artificiale.
Metodologia
L’adozione della metodologia sarà facilitata in pratica da componenti che realizzano i digital twin. Integrando la simulazione in tempo reale, il supporto alle decisioni mediante analisi “what-if”, la replica anche multidimensionale dei sistemi industriali e l’ingegneria end-to-end.
Il progetto applicherà una metodologia real-time di LCA in cui il modello simulato è continuamente aggiornato e confrontato con i dati di tracciabilità e con i dati provenienti dai sensori ambientali e dai sistemi di computer vision, fornendo una rappresentazione dinamica del processo produttivo e del suo impatto sull’ambiente.
Ciò consentirà gli utilizzatori della SMOPlat di analizzare le performance del processo dal punto di vista della sostenibilità ambientale in modo continuo e dettagliato e di valutare le raccomandazioni di miglioramento fornite dal modulo Circular Inflater ®.
Il sottosistema IoT/Edge raccoglie dati dai sensori che riguardano sia i prodotti che la produzione, e rappresentano informazioni di grande supporto alle aziende. In primo suolo consente di tracciare la provenienza dei materiali per garantire le loro credenziali sostenibili e ridurre l’impatto delle parti contraffatte. Permette inoltre di comprendere come i prodotti possano essere progettati e realizzati in linea con obiettivi più sostenibili (ad esempio, utilizzando materiali più sostenibili e riutilizzabili come parte del processo di costruzione).
- I dati raccolti consentono anche di determinare quali componenti o materiali forniscono qualità funzionali e prestazioni superiori e dove dovrebbero essere utilizzati per progettare prodotti pensando al riutilizzo e alla riparazione. Altro elemento importante è quello della riduzione degli sprechi, attraverso il controllo puntuale della quantità di energia, acqua e altri materiali utilizzati nel processo. Ancora, tramite i dati è possibile tracciare eventuali errori sia in fase di produzione/ collaudo che in fase di utilizzo, e valutare e prevenire i problemi prima che si presentino.
- Valutare il rischio per la salute umana e l’ambiente
Il progetto “Circular Tracing – Circular Tracing per Industria 5.0”
Questo progetto è portato avanti dal Politecnico di Torino, in partnership con Cefriel Società Consortile a Responsabilità Limitata, Meridionale Impianti S.P.A. e Reply S.P.A., quest’ultima nel ruolo di coordinatore.
Tre i Dipartimenti coinvolti:
- DIGEP – Dipartimento di Ingegneria Gestionale e della Produzione
- DISAT – Dipartimento Scienza Applicata e Tecnologia
- DIST – Dipartimento Interateneo di Scienze, Progetto e Politiche del Territorio
Il Responsabile Scientifico del progetto è il prof. Enrico Macii, mentre i Responsabili Scientifici di Struttura sono Luca Iuliano e Mariangela Lombardi. Il progetto è cominciato nel 2022 e terminerà nel 2025.
L’autore
Lorenzo Bottaccioli è Ricercatore all’Energy Center Lab e al Dipartimento DIST del Politecnico di Torino. È coinvolto in diversi progetti finanziati dall’UE sulle Smart Cities. I suoi principali interessi di ricerca riguardano lo sviluppo di piattaforme di co-simulazione, strumenti di simulazione e algoritmi di machine learning per sistemi energetici intelligenti.
