Più che raddoppiato. Secondo i dati dell’Authority per l’Energia, negli ultimi 6 anni il prezzo dell’energia al consumo ha subito rincari continui, fino ad arrivare, al principio del 2022, al doppio rispetto al 2016. Un mese prima della guerra, Confindustria parlava di rischio blocco per le imprese italiane. Con l’arrivo dell’inverno la situazione diventerà ancora più critica, con il crescente aumento dei consumi del gas e dell’energia elettrica, che metterà a dura prova il mondo produttivo.

Ammagamma, società di data science e IA, ha disegnato un percorso di adozione dell’intelligenza artificiale che abilita le aziende ad affrontare in maniera efficace il nuovo contesto e a raggiungere l’efficienza energetica. Dall’ottimizzazione produttiva, all’applicazione di controllori predittivi, passando per la manutenzione predittiva, le opportunità sono molteplici.

In primo luogo, parliamo di un impatto diretto che può valere risparmi energetici che indicativamente possono arrivare al 30%. Come? Ottimizzando la pianificazione complessiva di tutte le fasi produttive, e considerando i consumi energetici di ogni apparato per una specifica lavorazione. Si usano, per ogni fase, quelli che consumano di meno, a parità di risultato finale. Ciò è possibile all’interno di grandi aziende ma anche nelle PMI, dove il consumo di energia diventa una delle cosiddette “funzioni obiettivo” del programma di ottimizzazione, con risparmi di energia anche superiori al 10%.

In secondo luogo, va considerata la produzione di energia rinnovabile: all’interno della pianificazione produttiva è possibile massimizzarne l’autoconsumo (aggiungendo a questo la previsione della generazione elettrica puntuale per sito) e aumentando i benefici economici e ambientali connessi, in quanto, si favorisce un consumo (tecnico) in loco senza gravare sulla rete di distribuzione. Tale ottimizzazione è possibile laddove il processo produttivo presenti fasi più energivore rispetto ad altre, non in ciclo continuo, che possono quindi essere spostate nella giornata senza ridurre l’efficienza produttiva, come ad esempio la produzione di barbottina nel processo ceramico.

Inoltre, adottando dei veri e propri controllori predittivi che, in maniera automatica e supervisionata, gestiscano i Bems per la climatizzazione degli edifici, sfruttando la previsione delle condizioni climatiche esterne e l’inerzia termica degli edifici. Ammagamma ha applicato algoritmi di IA adattivi, nel settore bancario, portando impatti significativi di ottimizzazione energetica pari al 13%, e nel mondo della GDO, con risparmi dal 10% al 20%, rispetto a una gestione “per fasce orarie” preimpostate. Il risparmio economico può crescere ulteriormente fino al 30% con l’acquisto spot di energia elettrica.

Un altro importante impatto deriva dall’applicazione di strumenti di manutenzione predittiva, che supportino l’individuazione di anomalie di consumo in maniera intelligente, dinamica e adattiva. Per esempio, prevedere il degrado di potenza di sistemi cogenerativi in un ambiente ceramico può portare all’efficientamento delle soste manutentive, aumentando la rendita dell’investimento fino al 2% per una data potenza installata. Un altro caso è la previsione dello sporcamento dei pannelli fotovoltaici, che può minimizzare la rottura di stringhe e inverter e ottimizzare il costo/beneficio della pulizia superficiale, aumentando la resa degli impianti fino al 5%.

E poi ci sono gli impatti indiretti, più difficilmente misurabili, ma certamente non trascurabili. Nell’ambito della ristorazione è possibile raggiungere importanti impatti indiretti, derivanti dall’applicazione di una soluzione di IA, come nel caso di Cirfood, azienda che opera nel settore della ristorazione collettiva e commerciale e dei servizi di welfare. Nell’ottica di aumentare il livello di sostenibilità e di efficienza dei processi dell’impresa, Cirfood ha implementato una soluzione di demand forecasting e di inventory optimization, sviluppata da Ammagamma, che ha portato a una riduzione del 15% del waste food, -111 tonnellate di stoccaggio medio, +94% referenze monitorabili e un aumento del 56% delle performance di previsione della domanda, con impatti positivi sulla gestione complessiva dei processi e un incremento di efficacia e tempestività di reazione alle esigenze di mercato. E ancora di più nel mondo Multiutility gli impatti indiretti possono essere consistenti: grazie a una migliore pianificazione dei percorsi dei mezzi per il monitoraggio delle reti gas e i servizi di assistenza ai clienti è possibile, per esempio, ridurre dal 10% al 15% i km percorsi con un notevole risparmio di carburante.

Un’ulteriore soluzione di IA in campo energetico consiste nella riduzione dei consumi dei data center. Sia nei contesti privati che pubblici, è possibile migliorare la gestione energetica dei data center attraverso l’applicazione di modelli di intelligenza artificiale a supporto del personale, con la possibilità di generare nuove opportunità di energy saving, a beneficio degli impianti stessi e dell’ambiente.