Ottimizzare il processo di raccolta dei rifiuti industriali, coordinare in modo efficiente flotte e cicli viaggi e, quindi, ridurre l’impronta fossile del trasporto su gomma. Questi gli obiettivi principali della piattaforma digitale Rigel, realizzata grazie alla collaborazione di quattro aziende campane, nell’ambito del bando 2020 del Competence Center MediTech.
Un progetto da 400mila euro co-finanziato dal Mise, attuale Mimit, sviluppato anche con il supporto dell’ecosistema innovativo dell’Università Federico II e Parthenope di Napoli e di Uni Salerno. Il progetto ha impiegato diverse tecnologie abilitanti l’Industria 4.0: Industrial Internet of Things (IIoT), Artificial Intelligence (AI), machine learning, data analytics e blockchain.
Grazie a un sistema completo di hardware e software ora è possibile monitorare in tempo reale lo stato di riempimento di cassoni scarrabili. Questi sono posizionati presso i punti di raccolta dei clienti e sono appunto “scarrabili”, cioè scaricabili dalla motrice che li trasporta. Grazie a un sensore ottico con visione stereoscopica e in 3D, si sa in tempo reale il livello di riempimento del cassone e il momento giusto per prelevarlo. Inoltre, grazie a sensori che rilevano la temperatura e la presenza di fiamme è possibile misurare e avvisare di situazioni anomale.
Industria 4.0 applicata alla raccolta dei rifiuti
La soluzione è stata sviluppata sul caso d’uso di B.Energy, società di raccolta e trattamento rifiuti di Napoli, che opera su scala nazionale. La sua gestione dei flussi logistici è molto dispendiosa poiché ogni cliente ha una propria organizzazione, non standardizzabile centralmente dall’operatore.
Di conseguenza, per ogni cliente servono molte ore-uomo per raccogliere le informazioni e decidere l’invio delle flotte per il ritiro dei cassoni. Inoltre, i clienti non comunicano dati sempre accurati e quindi spesso i cicli viaggio non sono efficienti per carichi incompleti.
«Avevamo l’esigenza di ottimizzare i flussi, con un monitoraggio in tempo reale dello stato di riempimento dei cassoni per effettuarne il ritiro al momento opportuno. Inoltre, gestiamo anche rifiuti pericolosi per cui è cruciale essere informati tempestivamente di situazioni anomale», spiega Amedeo Santoro, amministratore delegato B.Energy.
Lo sviluppo della soluzione 4.0
Sul mercato non erano ancora disponibili soluzioni di Industria 4.0 applicate alla gestione dei rifiuti, se non qualche prototipo negli Stati Uniti.
«Abbiamo accettato la sfida perché il bisogno è molto sentito e, dalla nostra ricognizione, non sono emerse soluzioni già pronte da personalizzare», commenta Bruno Uccello, Managing Director di Flugantia. Si tratta di una startup innovativa, che si occupa di trasferimento tecnologico alle imprese, ossia di industrializzazione di progetti di ricerca applicata.
Con gli altri partner del progetto, NetCom Engineering ed EITD, si decide quindi di lanciare una Hackathon tra gli studenti di ingegneria gestionale delle università campane. Il concorso di idee seleziona due progetti finali, a cura rispettivamente di una studentessa e di uno studente, che vengono coinvolti nello sviluppo della soluzione.
Il progetto, che avrebbe dovuto durare 15 mesi, ha avuto un ritardo di tre mesi per la carenza a un certo momento di componenti elettronici. Rigel ha un TRL 8 (Technology Readiness Awareness) in uscita e si avvia alla certificazione industriale. «MediTech ha avuto un ruolo fondamentale nello svolgimento del progetto, in particolare nella gestione della collaborazione con le università, che hanno svolto i test sui dispositivi da mettere in campo nei cassoni», prosegue Uccello.
I modelli predittivi del machine learning
Rigel dispone di un software di Edge computing a bordo macchina per ottimizzare la trasmissione dei dati al Cloud, che elabora quelli rilevanti in forma “multihandling” (multi-cliente). A questo punto si inserisce la parte di ricerca e sviluppo di Net.com Engineering, con l’ulteriore analisi dei dati grazie all’intelligenza artificiale e al machine learning.
«Grazie all’AI il sistema apprende dai dati di campo. Dopo una sufficiente raccolta, inizia a fare stime per la raccolta dei cassoni di ogni cliente», spiega Alfredo Troiano, responsabile tecnico Net.com Engineering.
Il modello predittivo, alimentato dai dati di campo, dà un ulteriore supporto alle decisioni e può prevenire situazioni di emergenza, come le temperature anomale, con interventi tempestivi. Inoltre, Rigel è integrabile con i sistemi gestionali aziendali e consente anche una rendicontazione automatica delle attività svolte, certificata dall’applicazione della blockchain. Questa garantisce la correttezza e l’immodificabilità dei dati registrati e riduce il rischio di conflitto tra le parti.
I risultati del progetto
Una migliore pianificazione logistica porta efficienza, ottimizza i cicli di viaggio, riduce la carbon footprint e migliora il lavoro delle persone. «Studi americani dimostrano che se il personale lavora con una pianificazione controllata e non sempre in emergenza o con la sensazione di perdere tempo ed energie si abbassa il livello di stress e si riducono i rischi di infortunio», precisa Cristina D’Alessandro, Manager in EITD, Project Manager di Rigel, del business plan per la sua fattibilità e delle azioni di disseminazione.
Inoltre, grazie alla forte connettività e integrabilità con sistemi evoluti, Rigel consente un monitoraggio ad ampio raggio geografico. Inoltre, grazie a batterie di lunga durata, può tenere sotto controllo cassoni anche in zone senza elettricità o in momenti di calo energetico.
«Un cassone abbandonato a 500 km costa di più, che non averlo monitorato con un sistema efficiente come Rigel. In questo modo è possibile fare una allocazione intelligente delle squadre logistiche e una ottimizzazione degli stessi magazzini», commenta Uccello.
Gli sviluppi futuri
L’attuale prototipo è nato come “retrofit”, applicabile a oggetti non nativi digitali, ma sarà possibile realizzare una versione integrata nativamente ai cassoni, che nasceranno già Smart. Sarà fattibile anche una versione depotenziata per i dumpster, i cassonetti della raccolta dei rifiuti urbani.
«Oltre a essere scalabile nello stesso settore, questo sistema hardware e software di sensoristica, data analytics e AI è estendibile anche ad altri processi industriali. Abbiamo sviluppato la soluzione a costi contenuti proprio per rendere possibile la sua commercializzazione, che è un nostro obiettivo condiviso», conclude D’Alessandro.
