Page 20 - focusUnimore_ottobre2020

normalmente installati un gran numero di questi individuare le anomalie, reimpostare i parametri
sensori, che generano un’enorme mole di dati. dell’impianto, cambiare la materia prima ecc.,

Queste strumentazioni vengono utilizzate allo sco- quindi tutti i possibili eventi che causano un cam-
po di controllare la produzione per ridurre le ca- biamento delle condizioni del processo. Questi
renze e i difetti di produzione generati da malfun- strumenti e modelli possono essere implementati
zionamenti fortuiti degli impianti, o da condizioni in tempo reale, in modalità predittiva, ed essere poi

non ottimali raggiunte a causa della complessità visualizzati mediante interfaccia grafica di sempli-
del processo. È però possibile utilizzare questi dati ce interpretazione per gli addetti agli impianti.
per un altro scopo. Utilizzando modelli matemati- La difficoltà nell’utilizzo di questi dati sta nella
co-statistici adeguati – e qui entra in gioco il lavoro messa a punto e ottimizzazione di algoritmi che
della Prof.ssa Cocchi e del suo team – è possibile permettano di individuare anomalie o variazioni ri-
estrapolare da quella mole di dati le informazioni spetto alla normalità della produzione, e nella loro
utili, da un lato, a predire le proprietà che defini- validazione.
scono la qualità del prodotto finito in tempo reale Questo tipo di approccio è applicato oggi dalla
e, dall’altro, di riportare il processo in condizioni Prof.ssa Marina Cocchi in almeno due contesti,

operative normali, una volta compreso come ogni nell’ambito di un progetto finanziato dalla Regione
fase della produzione influenza le caratteristiche Emilia-Romagna sul bando dal titolo “Progetti
finali del prodotto. per le alte competenze per la ricerca e il tra-

In un normale processo di produzione, infatti, il sferimento tecnologico” finalizzato a costruire
controllo avviene tramite l’analisi di dati derivanti e trasferire nuove competenze necessarie allo svi-
da punti di monitoraggio selezionati – considera- luppo del sistema economico della Regione.
ti solitamente i più critici – e si basa in maniera Il primo ambito di applicazione e sviluppo riguarda
rilevante sull’esperienza delle figure professionali l’industria dei polimeri, e vede la collaborazione
addette al monitoraggio. Un approccio di questo dell’azienda Versalis-ENI, che rappresenta una
tipo mostra i propri limiti quando molti parametri realtà avanzata nell’utilizzo di un approccio ba-
cambiano simultaneamente, in virtù della inter- sato su big data per il monitoraggio della propria

dipendenza di molte di esse. L’approccio, perse- produzione. Il secondo è relativo all’industria ali-
guito dal gruppo della Prof.ssa Cocchi invece di mentare e vede la collaborazione di un gigante del
concentrarsi sulle singole variabili, utilizza modelli settore, ovvero Barilla. Questo secondo ambito è
matematico-statistici che tengono conto dell’inte- certamente più complesso e di frontiera, dato che
ro gruppo di variabili di processo e della loro cor- riguarda un settore che vede una presenza molto
relazione. In questo modo è possibile operare la più limitata di sensori di processo nella produzio-

compressione dei dati acquisiti da un gran numero ne, e dove le materie prime di tipo agronomico e
di sensori in poche variabili, tenendo in conside- le formulazioni (ovvero, le ricette) sono molto più
razione la correlazione tra i parametri di processo, variabili.
e quindi monitorare la produzione tramite queste
poche variabili (idealmente, solamente due). La collaborazione con Barilla rispecchia l’atten-
zione dell’industria agroalimentare per l’approccio
Un grande vantaggio di questo approccio è basato sui big data nel monitoraggio dei processi
che non solo è efficiente per identificare le di produzione. C’è infatti una crescente necessità
anomalie, ma anche per diagnosticarne le per l’industria alimentare di fornire informazioni
possibili cause. In tal modo diventa possibile sui propri prodotti al fine di soddisfare gli stan-

20