Se dovessimo esaminare le principali tecnologie di AI utilizzate oggi nell’industria, gli esempi possibili sarebbero molti. In primo luogo, le analisi predittive basate sull'Intelligenza Artificiale aiutano le aziende ad anticipare la domanda, ottimizzare la supply chain, prevedere le anomalie degli asset e ottimizzare i livelli di inventario in tempo reale. Utilizzando algoritmi statistici e tecnologie di machine learning, i dati attuali e storici vengono analizzati per prevedere gli eventi futuri, comprese le emissioni complessive di gas serra. Riducendo i costi e le risorse, si riduce l'impatto ambientale dovuto alla sovrapproduzione e al consumo inutile di risorse.

L’AI ha un ruolo chiave nell’ottimizzazione predittiva degli asset. Gli strumenti di simulazione dinamica, insieme all'analisi predittiva, creano un digital twin ibrido grazie al quale gli utenti ottengono una visione a 360 gradi dei rischi operativi e possono identificare e risolvere i problemi in anticipo, oltre a prevedere la vita utile residua degli asset per massimizzarne i tempi di attività, la disponibilità e la redditività. Se incorporati nella progettazione degli asset futuri, questi dati attivano un ciclo di miglioramento continuo.

L'AI generativa è forse quella con cui gli utenti oggi hanno più a che fare. La tecnologia esiste da più di mezzo secolo, ma è entrata in scena di recente grazie alla disponibilità per il pubblico di Large Language Model (LLM) che danno rapidamente senso a grandi insiemi di conoscenze. Se utilizzati insieme a dati in tempo reale che sfruttano un software specializzato, possono anche fornire approfondimenti sui dati, compresa l'assistenza nell'analisi complessa dei problemi di sostenibilità.

Tra le applicazioni di AI arrivate più recentemente sul mercato c’è la modellazione grey-box. Questa combinazione di simulazione a principi primi e AI (rispettivamente modelli "white box" e "black box") offre il meglio di entrambi i mondi: modellare asset e processi in tempo quasi reale per migliorare la progettazione del sistema e ottenere il massimo dal punto di vista operativo. Uno dei modi in cui funziona è integrando i modelli di intelligenza artificiale con la simulazione tradizionale basata sulla fisica. L’AI spesso funziona più velocemente dei modelli basati sulla fisica e richiede una minore messa a punto. Di conseguenza, le aziende possono mettere in funzione i modelli in tempi rapidi.

L’AI industriale

Le soluzioni di AI industriale possono davvero aiutare la sostenibilità di una azienda. Nel settore energy, ad esempio, le tecnologie di Intelligenza Artificiale stanno supportando la transizione verso le energie rinnovabili: è il caso di Enel, che si è impegnata a decarbonizzare il proprio mix energetico entro il 2040 e ha già installato oltre 50 GW di capacità rinnovabile. Per accelerare la transizione, Enel ha implementato un software per la gestione delle prestazioni degli asset basato sull'intelligenza artificiale e sull'analisi predittiva. Oggi la società è in grado di prevedere i guasti agli asset e di garantire forniture di energia costanti, ed è in procinto di realizzare un impianto completamente autonomo.

Oyak Cement utilizza un sistema di gestione dei dati edge-to-cloud potenziato con l'Intelligenza Artificiale per sostituire il 30% dell'energia prodotta da combustibili fossili con fonti rinnovabili e per ridurre il consumo energetico. Per ogni 1% di riduzione dell'energia utilizzata, l'azienda risparmia 5-7 milioni di euro. Avendo a disposizione informazioni in tempo reale, riduce anche le emissioni di CO2, garantendo la conformità alle normative.

In tutt’altro ambito, l'aumento delle temperature globali ha portato un aumento delle fioriture algali tossiche nei laghi e nei fiumi del bacino idrografico della città di Salem, in Oregon. Con l'aiuto di una piattaforma di gestione dei dati multi-tenant e cloud-native, le autorità cittadine hanno aggregato diverse fonti di dati - dai livelli delle alghe alla profondità dell'acqua, ai dati meteorologici e satellitari - in un unico hub centrale per poter avviare analisi predittive intelligenti che segnalano l'aumento dell'attività delle alghe e delle cianotossine due settimane prima che si verifichi, consentendo di intervenire per preservare la qualità dell'acqua.

Jim Chappell è Global Head of AI di AVEVA