Nel 2019 la Ellen MacArthur Foundation aveva realizzato uno studio dal titolo Artificial intelligence and the circular economy, che indagava per l’appunto il ruolo dell’intelligenza artificiale (anche indicata con l’acronimo inglese AI) nell’accelerare la transizione a un modello di funzionamento circolare dell’economia.
Secondo questo studio – che esamina due catene del valore, cibo ed elettronica di consumo – l’applicazione dell’AI può offrire miglioramenti sostanziali in tre aree principali: la progettazione circolare di prodotti, componenti e scelta dei materiali, il funzionamento circolare dei modelli di business e l’ottimizzazione delle infrastrutture.
Esaminando l’interazione tra intelligenza artificiale ed economia circolare, i ricercatori arrivano a concludere che l’AI rappresenta il più potente acceleratore per la realizzazione di un nuovo modello di produzione e consumo, in cui le merci di oggi rappresentano le risorse di domani e fondato sul principio del closing the loop, la chiusura dei cicli di vita di prodotti, servizi, rifiuti, materiali, acqua ed energia.
Guardando i numeri, il valore potenziale sbloccato dall’AI nell’aiutare a progettare i rifiuti in un’economia circolare per il cibo può arrivare fino a 127 miliardi di dollari nel 2030, fino a 90 per l’elettronica di consumo.
Intelligenza artificiale e circolarità
L’intelligenza artificiale, dunque, potrebbe accelerare la transizione verso un’economia circolare su larga scala. Ad esempio, la scelta e l’impiego di nuovi materiali e di nuove sostanze chimiche, finalizzati a migliorare la circolarità dei prodotti e dei processi produttivi, richiedono l’elaborazione e la valutazione di grandi quantità di dati: sulle loro caratteristiche, sulla tossicità, la biodegradabilità, la riciclabilità e sui sostituti disponibili. Può essere molto utile quindi elaborare una gran mole di dati e informazioni in tempi estremamente rapidi.
E ancora, nei modelli di business circolari la maggiore variabilità della domanda richiede piattaforme per la gestione delle scorte di prodotti e di componenti, assicurare l’assistenza ai clienti, far funzionare la logistica della distribuzione e della restituzione, per il commercio di materie prime seconde, di componenti e prodotti riciclati nonché per mettere in collegamento prodotti usati con i mercati di seconda mano.
La circolarità dei prodotti e dei flussi di materiali richiede poi infrastrutture per la raccolta, lo smistamento, la separazione, il trattamento e la redistribuzione. L’ottimizzazione del funzionamento e della gestione di tali infrastrutture è una condizione necessaria e richiede la capacità di gestire una gran massa di informazioni sui prodotti, i materiali utilizzati e quelli che si possono recuperare, le condizioni di manutenzione, riparazione e gestione per renderli effettivamente riutilizzabili.
Leggi anche: L’intelligenza artificiale scende in campo per il riciclo (chimico) della plastica
Accelerare la transizione: il ruolo dell’intelligenza artificiale
Per accelerare il passaggio a un’economia circolare c’è bisogno di una progettazione innovativa dei prodotti, per aumentarne l’utilizzo e dunque estendere la vita utile, migliorare l’efficienza dei materiali e ampliare l’uso di materiali riciclati. Stando a un dossier della Commissione Europea, infatti, l’impatto ambientale di oltre l’80% dei prodotti è determinato in fase di progettazione. Grazie alla forza dei dati, al machine learning, l’apprendimento automatico e le varie applicazioni dell’AI, si stima si possa arrivare ad abbattere il 70% delle emissioni di CO2 entro il 2030.
Un’opportunità per estendere la vita utile dei prodotti viene dal modello del prodotto come servizio, in cui le aziende mantengono la proprietà di un prodotto mentre i consumatori pagano per il suo utilizzo. I progressi nella tecnologia dei dati e della tracciabilità hanno consentito un migliore flusso di informazioni che ha agevolato questo modello di business. Ad esempio, SuperCircle ha sviluppato un’infrastruttura digitale che incentiva la circolarità nel settore della moda. SuperCircle collabora con diversi marchi di abbigliamento, integrando i dati di acquisto dei clienti con i sistemi di magazzino e distribuzione, per tracciare il ciclo di vita dei prodotti e ridurre i rifiuti.
In merito all’efficienza dei materiali, grazie all’intelligenza artificiale aumentano anche le possibilità di ridurre al minimo gli sprechi nei processi produttivi. Lo sanno bene realtà come SXD Zero Waste, che applica l’AI per riprogettare i modelli di abbigliamento che generano meno rifiuti pre-consumo dagli scarti durante la produzione. “Il nostro software di tecnologia di progettazione, SXD AI, combina le informazioni sullo schizzo e sul tessuto per produrre modelli a scarto zero”, si legge sul sito ufficiale.
La tecnologia può aiutare anche a creare soluzioni che riducono l’impatto delle catene di approvvigionamento esistenti. Un esempio è GALY, un’azienda che coltiva cotone da cellule in laboratorio utilizzando l’80% di risorse in meno rispetto all’agricoltura tradizionale e può produrre sia cotone normale che cotone biologico. Ad esempio, la produzione di quattro camicie realizzate con il suo “Incredible Cotton” consente di risparmiare fino a 9.200 litri di acqua.
L’aumento dei materiali riciclati poi è un’altra soluzione per ridurre le emissioni di carbonio, oltre a consentire alle aziende di aumentare la sicurezza dei materiali, un aspetto particolarmente preoccupante per le industrie che dipendono da minerali rari come il litio o il cobalto. Aumentare il recupero e la separazione dei materiali è fondamentale per rendere il riciclo più disponibile e conveniente. Anche qui, la tecnologia può facilitare questo processo: Apple, ad esempio, ha sviluppato Daisy, un robot in grado di scomporre un iPhone in componenti riutilizzabili in 18 secondi, inclusi minerali rari come cobalto, oro e platino. O anche il progetto HolyGrail, che utilizza filigrane digitali nei prodotti per facilitare la selezione dei materiali riciclabili a fine vita.
L’intelligenza artificiale può rendere l’industria più sostenibile?
L’applicazione dell’intelligenza artificiale – e in particolare del machine learning – nei processi aziendali può facilitare il passaggio a un’economia circolare. Gli algoritmi possono dare un contributo determinante per quel che riguarda l’utilizzo di nuovi materiali, più resistenti e che soddisfano delle caratteristiche per il riciclo, ma soprattutto, analizzando i dati del prodotto in tutto il suo ciclo di vita, possono suggerire modifiche, riparazioni e rendere i componenti più adattabili. È il caso di Motivo, la startup che costruisce circuiti integrati ottimizzati by design per una corretta manutenzione durante tutto il ciclo di vita, attraverso il machine learning non iterativo e analisi di dati da diverse fonti.
Uno dei grandi contributi dell’AI all’economia circolare poi, è dato dall’ottimizzazione dei processi: gestione intelligente del magazzino, manutenzione delle macchine, previsione della domanda, ottimizzazione delle consegne, delle rotte e dei tempi, in particolare sull’ultimo miglio, sono solo alcune delle applicazioni che aiutano sempre di più la logistica. Ma l’AI può intervenire anche sulle infrastrutture, sul riciclo, sul flusso di materiali e sullo smaltimento.
Con l’impiego di tecnologia AI è possibile agire direttamente sul consumo energetico dei processi industriali, per renderli più efficienti in termini produttivi ed economici, riducendo gli scarti e i tempi di produzione, ma anche garantendo migliore distribuzione ed efficientamento delle risorse energetiche disponibili. Gli algoritmi basati sull’intelligenza artificiale poi, presentano opportunità per migliorare la gestione del rischio e i processi decisionali, analizzando gli scenari, ottimizzando i modelli e formulando strategie di adattamento climatico e ambientale.
Leggi anche: Tecnologie IoT e Intelligenza artificiale che danno una seconda vita a oggetti e macchinari
Per un’intelligenza circolare: alcuni esempi
Le stime attuali suggeriscono che l’AI potrebbe portare un valore di 2,2 trilioni di euro entro il 2030 solo nei settori del cibo e dell’elettronica di consumo. Nell’agroalimentare l’AI può prevedere le condizioni ambientali e quindi permettere ai coltivatori di prendere decisioni in tempo reale sui raccolti, valutare la quantità di acqua e fertilizzanti limitando gli sprechi e in generale regolamentare il consumo di acqua e monitorare la maturazione delle coltivazioni tramite computer vision.
Ma ormai, grazie ai nostri dispositivi elettronici, l’intelligenza artificiale è alla portata di tutti. Basti pensare a un’app come Junker, che aiuta gli utenti a fare correttamente la raccolta differenziata inquadrando il codice a barre di un prodotto, potendo contare su un corposo database di prodotti scansionati. AI ed economia circolare, tutto nelle nostre mani.
Quello dei rifiuti, del resto, è uno dei settori in cui il connubio tra AI e circolarità è più forte. Pensiamo ai rifiuti elettronici (RAEE). Secondo l’UNEP, l’agenzia per la protezione ambientale delle Nazioni Unite, il mercato globale dei RAEE vale oltre 62 miliardi di dollari e solo il 20% viene formalmente riciclato. Un problema ambientale e sociale enorme, che colpisce particolarmente i paesi in via di sviluppo. Una grande risorsa per il riciclo, ma anche per l’analisi delle quantità è l’ispezione visiva. È in questo modo che Refind Technologies, azienda svedese, riesce ad analizzare in modo più preciso possibile i componenti dei rifiuti elettronici ma anche le quantità e le specie dei pesci negli oceani. Tramite ispezione visiva è possibile smistare i prodotti in modo automatico, distinguendone i materiali e preparandoli al re-manufacturing.
In Italia, la software house Algowatt ha stipulato una partnership con l’azienda Clean Chem, che fornisce servizi innovativi alle aziende in ottica circolare, per lo sviluppo di soluzioni digitali e sostenibili da introdurre lungo tutto il ciclo dei rifiuti, dalla raccolta allo smaltimento e recupero della materia prima-seconda. Questo è possibile grazie all’utilizzo dei moderni metodi di analisi dei dati basati sull’AI. Queste tecnologie puntano all’ottimizzazione (della produzione e dei volumi) e l’efficientamento dell’energia, dalla riduzione dei consumi e alla massimizzazione della produzione.
Da questa alleanza sono nate altre piattaforme digitali. La prima è “AIgreen fleet”, che consente la gestione ottimizzata delle flotte per la raccolta dei rifiuti solidi urbani e viene utilizzata in aree territoriali di circa due milioni di utenti soprattutto nel Sud Italia. L’efficientamento viene ottenuto grazie a Big Data: i dati relativi alla raccolta dei rifiuti vengono elaborati per ottimizzare tempi di raccolta, percorsi e mezzi da utilizzare.
Un’altra soluzione di intelligenza artificiale, “Aigreen Dump”, viene utilizzata per la gestione e il monitoraggio delle discariche. In grado di interagire con tutti i sistemi di monitoraggio all’interno dell’impianto, AIGreen Dump acquisisce i parametri chimo-fisici, sia in tempo reale che da fonti esterne, per conoscere in anticipo le variazioni dei livelli di percolato e garantire con un anticipo di cinque giorni di attivare i sistemi di sicurezza dell’impianto. È utilizzata da AMIU nella discarica di Monte Scarpino di Genova.
Leggi anche: Intelligenza artificiale nella gestione dei rifiuti. È l’ora dei robot
© Riproduzione riservata
