Il ruolo dell’automazione nella produzione alimentare, le tecnologie, le tendenze del settore, le garanzie per un utilizzo sicuro ed efficace.

Quindici anni or sono in Germania fu presentato per la prima volta Industry 4.0 – piano strategico di trasformazione del settore industriale. L’idea fu ripresa dal World Economic Forum e divenne sinonimo di Quarta Rivoluzione Industriale. Industry 4.0 ipotizzava fabbriche intelligenti dove macchine e sistemi informatici scambiano dati in tempo reale e, a seconda delle necessità e degli obiettivi perseguiti, i processi industriali sono di volta in volta integrati con robot autonomi, internet delle cose, realtà aumentata, cloud computing, intelligenza artificiale, machine learning, big data e relativa analisi, simulazione e gemelli digitali.

Alcuni obiettivi sono stati raggiunti, ma non sono mancate le ripercussioni sulla manodopera poco qualificata e si sono evidenziati rischi correlati ad una insufficiente sicurezza informatica. Oggi Industry 5.0, evoluzione di Industry 4.0, aggiunge ai progetti una dimensione umanocentrica integrando i precedenti obiettivi con il raggiungimento di un equilibrio uomo -macchina in una prospettiva di sostenibilità in tutti i suoi aspetti. Industry 5.0 si è appropriata del concetto di bioeconomia, scienza che bilancia ecologia, industria ed economia sfruttando le risorse biologiche a fini industriali. Si disegnano scenari collaborativi dove uomini e macchine lavorano in sinergia, adottando pratiche sostenibili e volte all’etica e al benessere sociale.

La tecnologia non sostituisce l’uomo ma lo affianca per aumentarne le capacità e allineare il progresso industriale con la prosperità e la partecipazione attiva dell’umanità. L’esempio più significativo è costituito dai cobot (robot collaborativi) che affiancano gli operatori nello svolgimento di compiti ripetitivi, faticosi o pericolosi facilmente automatizzabili, lasciando all’uomo la parte più cognitiva. Questa fattiva collaborazione ha numerosi vantaggi. Conferisce maggiore flessibilità alle linee di produzione grazie alla possibilità di una rapida programmazione e riprogrammazione dei cobot. La produttività aumenta perché i cobot lavorano senza sosta anche in ambienti difficili o pericolosi per la salute come le celle frigorifere, le aree cottura o le zone con alti tassi di umidità e di rumore.

La loro programmazione è tuttora prerogativa di tecnici esperti, ma la tendenza è sviluppare interfacce grafiche intuitive o movimenti guidati per consentire a chiunque di programmare in modo semplice e preciso. Una seconda applicazione tecnologica ormai consolidata è l’utilizzo della realtà aumentata nella collaborazione uomo – cobot e nella manutenzione di macchine e impianti. La realtà aumentata permette al cobot di riconoscere la gestualità dell’operatore e viceversa, semplifica la programmazione e i percorsi/movimenti del cobot stesso.

I dispositivi per la realtà aumentata utilizzati nella manutenzione aggiungono, a quanto direttamente percepibile dall’operatore, informazioni utili proiettate su lenti qualora si utilizzino occhiali o su uno schermo qualora si utilizzino dispositivi mobili. Il primo passaggio per un loro efficace impiego è la digitalizzazione dei componenti della macchina da manutentare, il secondo è costruire un modello digitale in un contesto di realtà aumentata. Ricorrendo alla tele-manutenzione, la architettura sopra descritta permette di ricevere i consigli di un esperto che opera da remoto.  Altre tecnologie a supporto di Industry 5.0 sono intelligenza artificiale, internet delle cose, droni avanzati, nanosensori, wireless di sesta generazione.

Intelligenza artificiale

In Industry 5.0 l’intelligenza artificiale “traduce” in linguaggio matematico – informatico ciò che il cervello umano svolge in sede biologica, analizza il contesto, ragiona, risponde, trasmette agli impianti input per compiere determinate attività e permette loro di prendere decisioni. Industry 4.0 ha dapprima adottato l’intelligenza artificiale ristretta ed in seguito l’intelligenza artificiale generale. Industry 5.0 è sempre più supportata da una intelligenza artificiale autocosciente e rigenerativa. L’intelligenza artificiale ristretta è progettata e addestrata per eseguire un compito specifico, è priva di comprensione generale e della capacità di applicare l’apprendimento fuori dal proprio limitato dominio.

Si fonda sul “come se”, ossia agisce e pensa come se avesse un cervello, simula il comportamento umano in base a una gamma ristretta di parametri e contesti. Le sue capacità derivano dall’indagare su casi simili, confrontarli, elaborare una o più soluzioni, scegliere la più razionale. Esempi di applicazioni dell’intelligenza artificiale ristretta al settore alimentare sono la robotica di base usata per la movimentazione dei materiali, per l’assemblaggio e per il controllo qualità ed ancora i sistemi di visione artificiale intesi come l’insieme dei processi che cercano di riprodurre e sostituire la visione umana catturando immagini e rielaborandole. Questi ultimi sono utilizzati nel controllo qualità, per incrementare la produttività e la tracciabilità leggendo codici, misurando, identificando e selezionando e smistando prodotti.

L’intelligenza artificiale ristretta può essere reattiva pur essendo priva di capacità di memoria o di archiviazione dei dati, l’intelligenza artificiale a memoria limitata può invece memorizzare e utilizzare dati storici per prendere decisioni. Industry 5.0 è supportata da un’intelligenza artificiale generale che può apprendere e risolvere un problema. Se correttamente programmata, la macchina sviluppa una capacità cognitiva simile a quella umana, con funzionalità che le permettono di comprendere i pensieri e le emozioni di altre entità, ad esempio deducendo motivazioni e ragionamenti umani per personalizzare le interazioni, comprendendo e contestualizzando il lavoro (immagini, testo o altro).

Fondamentali per il suo funzionamento sono la logica matematica sottesa allo scibile umano, il ragionamento e la dimostrazione del problema, l’analisi del linguaggio per permettere alla macchina di comprendere l’interlocutore, la pianificazione tramite gli algoritmi. Le ricerche sono ora indirizzate allo sviluppo di una intelligenza artificiale autocosciente e cognitiva dotata di capacità tali da consentirle di comprendere le proprie condizioni interne e di avere un proprio insieme di emozioni, bisogni e convinzioni. Questo tipo di intelligenza artificiale avrà maggior memoria, sarà più rapida nell’elaborare e analizzare dati e stimoli e sarà in grado di risolvere problemi più velocemente e meglio degli umani.

Sfrutterà gli sviluppi nel settore dell’elaborazione del linguaggio naturale, nel data mining e nel riconoscimento di modelli per comprendere meglio il mondo, arrivando ad apprendere, adattarsi e migliorare continuamente, con piena consapevolezza degli utenti e dei loro specifici contesti operativi. Un esempio di applicazione recente è il settore dell’irrigazione in agricoltura. Ottimizzando i programmi di erogazione dell’acqua e garantendo che il grado di umidità del suolo sia sempre entro un intervallo ottimale, l’utilizzo dell’intelligenza artificiale consente un considerevole risparmio idrico ed energetico.

Adaptive smart factory

L’adaptive smart factory è un sistema produttivo avanzato dove macchine, robot e dispositivi internet delle cose sono interconnessi per raccogliere dati in tempo reale, monitorarli e migliorare i processi produttivi tramite l’apprendimento continuo supportato da intelligenza artificiale e machine learning. La adaptive smart factory va oltre la tradizionale automazione, integra dati provenienti da risorse fisiche, operative e umane e li utilizza per guidare la produzione e la manutenzione, monitorare l’inventario, si adatta dinamicamente alle circostanze per ottimizzare l’efficienza, ridurre i consumi energetici e facilitare decisioni produttive e manageriali.

Questa evoluzione è spesso affrontata pensando in grande ma iniziando con piccoli passi e continuando ad espandere il progetto per beneficiare dei vantaggi della fabbrica intelligente. La adaptive smart factory integra le informazioni relative alla produzione con le restanti attività aziendali e spesso con l’intera filiera. Il sistema è in grado di apprendere e adattarsi in tempo reale a nuove condizioni interne ed esterne all’azienda arrivando a gestire autonomamente intere attività. L’innovazione risiede nella sua capacità di evolvere in funzione delle mutevoli esigenze aziendali e di mercato come il cambiamento delle richieste dei clienti, l’ingresso in nuovi mercati, lo sviluppo di nuovi prodotti o servizi, l’integrazione di nuovi processi o tecnologie.

Sono modelli unici che ogni azienda imposta dando la priorità alle aree e alle funzioni per lei più rilevanti. Elemento comune è la possibilità di rilevare e analizzare gruppi di dati che riflettano in ogni istante le condizioni reali. L’integrazione dei dati provenienti dai sistemi aziendali, da fornitori e clienti, consente una visione olistica anche dei processi a monte e a valle della produzione, favorendo una maggiore efficienza della intera filiera. La capacità della fabbrica intelligente di prevedere i risultati futuri sulla base di dati storici e dei dati raccolti in tempo reale migliora tempi, resa, qualità e previene problemi di sicurezza.

I gemelli digitali

I gemelli digitali rappresentano un potente strumento per tracciare, analizzare e ottimizzare l’intero ciclo di vita di un prodotto o di un processo reale all’interno di un ambiente virtuale. Si configurano come repliche digitali in grado di simulare e modellare il comportamento di un sistema fisico per prevedere e prevenire errori, minimizzare difetti e costi di produzione, nonché affrontare problemi progettuali complessi o stimare le prestazioni di un prodotto prima della sua concretizzazione. Questi modelli virtuali incorporano dati provenienti da diverse fonti, tra cui simulazioni computazionali, esperienze del mondo reale e letteratura scientifica.

Grazie alla loro natura integrativa, consentono di interconnettere molteplici modelli per derivare nuove e preziose informazioni, favorendo così una maggiore comprensione dei processi analizzati. Dal punto di vista tecnico, il gemello digitale può presentare una struttura monodimensionale, bidimensionale o tridimensionale, adattandosi a esigenze di rappresentazione distintive per oggetti, ambienti o sistemi fisici. Tale flessibilità permette di modellare con precisione vari ambiti applicativi, incrementando l’efficacia dei processi decisionali e progettuali. I modelli possono essere concepiti per rappresentare un singolo stato, come nel caso dello stato medio di un sistema di processo; un evento discreto, interpretato come una sequenza di stati stazionari, ad esempio i vari stati di equilibrio di un sistema di processo; oppure uno stato dinamico, quale il controllo predittivo basato sul modello. Essi si relazionano direttamente o indirettamente a un oggetto o sistema fisico.

La classificazione del grado di integrazione tra livello digitale e livello fisico si basa principalmente sulla natura del flusso di dati condivisi. Quando il livello digitale è completamente indipendente dal livello fisico si parla di modello digitale. Qualora vi sia una connessione parziale come quando il livello digitale riceve solo dati dai sensori del livello fisico, la condizione è definita ombra digitale. Si parla invece di gemello digitale quando la connettività tra i due livelli è completa e caratterizzata da un flusso bidirezionale di dati. I gemelli digitali possono riprodurre singole unità operative, come macchinari, attrezzature o prodotti, così come interi sistemi incentrati sui processi, quali linee di produzione o confezionamento, possono essere applicati anche alla simulazione di sistemi complessi, come l’infrastruttura completa di gestione di un impianto e tutti i suoi componenti.

I modelli di gemelli digitali si suddividono in diverse tipologie, ciascuna caratterizzata da un approccio distintivo. I modelli statistici sono impiegati per attività quali il controllo dei processi, la progettazione e personalizzazione dei prodotti. I modelli basati sull’intelligenza artificiale e sui dati trovano applicazione nel monitoraggio continuo, nel rilevamento di anomalie, nella calibrazione, nonché nella verifica e convalida dei sistemi stessi. Infine, vi sono i modelli basati sulla fisica, concepiti per simulazioni multifisiche dettagliate che comprendono l’analisi meccanicistica dei processi biologici e chimici. Ciascuna tipologia di gemello digitale è progettata per rispondere a precisi obiettivi funzionali.

Tra le applicazioni più comuni si annoverano il monitoraggio in tempo reale delle prestazioni, l’analisi del consumo di risorse, la rilevazione e previsione dei guasti del sistema, l’ottimizzazione di processi produttivi e prodotti finiti, l’esame dettagliato del comportamento sistemico, l’integrazione di nuove tecnologie, l’effettuazione di test virtuali, nonché la valutazione e validazione delle attività. Inoltre, i gemelli digitali facilitano interventi di manutenzione virtuale, contribuendo a ridurre costi operativi e migliorare l’efficienza globale. Gli obiettivi legati all’implementazione dei gemelli digitali sono generalmente classificati in tre principali funzionalità tecniche. La prima, la prognostica, si concentra sulla capacità dei gemelli digitali di prevedere stati futuri o comportamenti di un processo o sistema.

Basandosi sull’analisi di dati storici, sulle condizioni attuali e sui fattori rilevanti, questa funzione consente di formulare previsioni informate sui risultati futuri, simulare le prestazioni di operazioni unitarie e anticipare inefficienze, guasti o problematiche operative. La seconda è rappresentata dalla simulazione reattiva, tramite la quale i gemelli digitali permettono l’adattamento ai cambiamenti del sistema. Questo processo comporta attività di monitoraggio continuo, reazioni dinamiche in caso di deviazioni rispetto ai comportamenti attesi o alle soglie prestabilite, nonché il controllo e la regolazione delle variabili di processo attraverso l’elaborazione di azioni correttive e preventive basate sui risultati delle fasi di monitoraggio e prognostica. La terza funzionalità è il “virtual commissioning”, che si occupa di testare e convalidare nuove tecnologie o apparecchiature in un ambiente simulato prima della loro effettiva implementazione negli impianti. Questa tecnica consente di esplorare scenari alternativi, ottimizzare le operazioni e supportare il processo decisionale nei sistemi complessi e nelle linee di produzione complete.

Infine, i gemelli digitali trovano ampia applicazione nell’industria alimentare, apportando significativi vantaggi quali l’ottimizzazione dei processi, il miglioramento della qualità del prodotto e la previsione dell’accettabilità da parte dei consumatori. La tecnologia è già impiegata da grandi aziende che gestiscono processi articolati, con l’obiettivo di semplificare le fasi che più influenzano la qualità del prodotto e le performance del sistema produttivo. In settori caratterizzati da produzioni personalizzate su richiesta del cliente o da lavorazioni con parametri sensibili che influenzano la qualità finale (come zucchero, prodotti di pasticceria, o lattiero-caseari), i gemelli digitali offrono significativo un valore aggiunto.

Questi contesti richiedono una gestione rapida delle ricette, un controllo accurato delle oscillazioni nei parametri produttivi e una regolazione precisa dei processi per assicurare elevati standard qualitativi. Un’altra area strategica d’applicazione riguarda lo sviluppo di nuovi prodotti, dove i gemelli digitali consentono una riduzione drastica dei tempi e dei costi rispetto all’approccio tradizionale. La procedura consiste nella modellizzazione accurata dei processi chimici e fisici che avvengono durante la trasformazione degli alimenti, agevolando l’ottimizzazione della lavorazione e la conservazione dei micronutrienti. I dati raccolti durante questa fase rappresentano risorse fondamentali per affinare i processi reali, favorendo così l’innovazione tecnologica nel settore alimentare.