Usare l’AI nella gestione energetica

L’intelligenza artificiale è un insieme di metodi e strumenti che rendono i programmi informatici capaci di imparare da dati storici e replicare quanto imparato. Questo processo è chiamato apprendimento, ed è più efficace quanti più dati si forniscono.

A partire dalla definizione di AI, la disponibilità di dati energetici storicizzati apre a opportunità mai immaginate prima. Nello specifico, i metodi più interessanti per la gestione energetica sono gli algoritmi di apprendimento profondo (deep learning) e di ottimizzazione, ad esempio reti neurali o algoritmi genetici.

Questi sistemi sono in grado di imparare il comportamento di consumo tipico di un sistema, un impianto o un asset, e fare delle simulazioni molto precise rispetto alle condizioni operative e alle regolazioni attese. Diventa quindi possibile decidere quando accendere il sistema di climatizzazione per raggiungere il comfort termico a una determinata ora minimizzando il consumo, oppure identificare inefficienze energetiche prima che causino un extra-costo in bolletta. 

Miniguida completa: AI per ottimizzare la gestione energetica

Ecco quindi la mini guida aggiornata che racchiude le potenzialità dell’AI applicata alla gestione energetica:

1. Intercettare le inefficienze dovute a guasti o regolazioni errate: i modelli di deep learning imparano a stimare con un’alta precisione il consumo atteso nelle condizioni operative. In ogni momento è possibile confrontare la baseline AI-driven con il valore di consumo reale, e generare allarmi. Per costruire questi sistemi è necessario avere i dati storici dei consumi e dei parametri di processo, e si ottengono risparmi tra l’1 e il 5% dell’energia. 
2. Identificare il set point ottimale per il processo: i sistemi di apprendimento profondo per il forecasting e i sistemi evoluti di ottimizzazione sono in grado di fare migliaia di simulazioni e identificare la combinazione di regolazioni delle macchine che garantisce il minimo consumo a parità di qualità o resa. Da raccogliere: consumi storici e al forecast meteo e di produzione, e si ottengono risparmi fino al 20% rispetto alla situazione precedente. 
3. Ottimizzare le fonti di autoproduzione: che siano caldaie, cogeneratori o altro, l’AI sa suggerire come accendere i sistemi di generazione energetica per massimizzare il guadagno e il saving economico. Un esempio dalla nostra esperienza ha confermato un guadagno sharp superiore al milione nel primo anno e una media annua di circa 500.000 € per un trigeneratore a servizio di aeroporti. 
4. Prevedere il budget energetico per l’anno successivo: in base alla previsione di volumi produttivi, occupazione, trend di mercato incrociati con lo storico dei consumi, è possibile stimare con un’alta precisione quale sarà il budget energetico per l’anno successivo. I dati utili sono consumi storici e previsione nel futuro, l’errore percentuale atteso è inferiore al 5% sul budget dell’anno.

Sig.ra Brizzi dal suo punto di vista quali sono le iniziative che le aziende possono intraprendere per promuovere la sostenibilità nell’impresa?
Essere sostenibili non è solo compensare le proprie emissioni o usare bicchieri riutilizzabili. Promuovere la sostenibilità significa diventare responsabili del cambiamento: un ambiente di lavoro più inclusivo, procedure consapevoli per i trasporti e l’organizzazione delle attività, benefit che supportano il lavoratore nelle sue scelte di sostenibilità, e un’attenzione speciale nel modo in cui si consuma l’energia. La chiave per promuovere la sostenibilità è poter dimostrare che si sono raggiunti risultati, tramite indicatori di sostenibilità SMART e il monitoraggio continuo. Quanti km abbiamo risparmiato grazie allo smart working? Quanti alberi abbiamo piantato grazie alle politiche di efficienza energetica? Quante bottiglie d’acqua abbiamo evitato grazie ai sistemi di monitoraggio in continuo? 

Quali sono i vantaggi per aziende quando implementano misure una maggiore sostenibilità nell’impresa? 
Più sostenibilità si traduce sempre in un risparmio energetico, che è quindi da subito un risparmio economico. Sostenibilità inoltre è costruire procedure per la gestione delle persone che garantiscano il loro benessere, e uno spazio di lavoro in cui si vive bene ad un alto tasso di retention. 

Investire nella digitalizzazione e nella sostenibilità in azienda ha senso dal punto di vista economico? 
La digitalizzazione porta a risparmi del 40% nei costi della manutenzione, del 20% nei costi energetici, del 15% nei costi di produzione, e fino al 50% di tempo risparmiato dei team dedicati. In un contesto di mercato del lavoro in cui è sempre più difficile trovare professionisti, digitalizzare per aumentare l’efficienza dei processi è uno dei fattori abilitanti per garantire una crescita. La sostenibilità diventa quindi lo strumento per far sì che la crescita sia solida e rispettosa delle persone e dell’ambiente, e che non vacilli al primo cambio di contesto. 

Biografia 

Sono Veronica Brizzi, industrial AI advisor, ingegnera, capo scout, appassionata di industria e tecnologia.

Mi sono laureata in ingegneria energetica al Politecnico di Milano, con una specializzazione in produzione di potenza e energia per lo sviluppo. Dopo una breve esperienza da tutor nel laboratorio di informatica, ho sperimentato l'analisi dei dati industriali come ingegnera dell'affidabilità e dell'efficienza in I-Care e The Energy Audit, ditte specializzate in manutenzione predittiva e gestione energetica data-driven.

Ho poi approfondito le tecniche del deep learning e della data science industriale grazie all'esperienza maturata in MIPU, costruendo soluzioni di manutenzione predittiva, efficienza energetica, monitoraggio, ottimizzazione, anomaly detection applicate agli asset industriali più disparati: dalle turbine a gas agli essiccatori ai forni fusori ai chiller.

Oggi, sono Industrial AI Advisor in MIPU Energy Data, docente nella faculty di MIPU Predictive School e divulgatrice nel blog Industrial AI Compass. Accompagno le aziende nel percorso di adozione e implementazione dell'AI, il mio compito è trovare la soluzione migliore per valorizzare i dati esistenti, le piattaforme in uso e per generare un impatto positivo sugli indicatori di business di riferimento.