Presentato al Centro BI-REX, il progetto PolyTwin riguarda un sistema avanzato di Digital Twin che integra intelligenza artificiale e competenze umane per trasformare la gestione dei processi di compounding, migliorando qualità, efficienza e capacità predittiva.
di Dario Rea
Il progetto PolyTwin, presentato il 17 marzo presso BI-REX, Competence Center nazionale specializzato sui Big Data e sulla digitalizzazione dei processi industriali nell’ambito del Piano Industria 4.0, si inserisce nel più ampio percorso di trasformazione digitale dell’industria manifatturiera, con un focus specifico sul settore dei compound di tecnopolimeri ad alte prestazioni. L’iniziativa vede il coinvolgimento di partner industriali, tecnologici e accademici – tra cui RadiciGroup, Gruppo SET, Var Group e l’Università di Genova – e nasce dalla consapevolezza che i processi produttivi contemporanei sono caratterizzati da una crescente complessità: un elevato numero di variabili di processo, l’interconnessione tra sistemi eterogenei (MES, ERP, Quality System, sensori IoT) e una grande quantità di dati spesso non valorizzati o difficilmente traducibili in azioni operative.
In questo contesto, PolyTwin si propone di superare i limiti degli approcci tradizionali – tipicamente reattivi e frammentati – introducendo un paradigma evoluto di gestione basato sul Digital Twin di processo. Il cuore del progetto è infatti la creazione di un gemello digitale capace di replicare in tempo reale il comportamento della linea produttiva, integrando dati provenienti dai sensori e dai sistemi informativi aziendali e trasformandoli in conoscenza operativa.
L’approccio data-driven
Uno degli elementi distintivi del progetto è l’approccio “data-driven” orientato non solo alla raccolta, ma soprattutto all’interpretazione dei dati. Come evidenziato nella presentazione, disporre dei dati rappresenta solo il punto di partenza: il vero valore risiede nella capacità di estrarre informazioni significative attraverso modelli di machine learning, tecniche di inferenza e analisi predittiva, e di integrarle nei processi decisionali quotidiani.
In questa prospettiva, PolyTwin introduce un sistema che agisce come un vero e proprio “copilota intelligente”, in grado di supportare gli operatori nelle decisioni, migliorando la comprensione del processo e rendendo esplicita quella conoscenza tacita che spesso rimane patrimonio individuale e non strutturato.
Dal punto di vista tecnico, il progetto ha sviluppato un’architettura integrata che consente la raccolta e l’unificazione delle diverse fonti dati, la gestione di dati incompleti o rumorosi e l’implementazione di modelli di anomaly detection e classificazione delle non conformità. Il sistema lavora in continuo, fornendo aggiornamenti periodici sullo stato del processo e consentendo una valutazione sintetica e immediata delle condizioni operative.
Questo approccio permette di passare da una logica di controllo ex-post a una gestione predittiva e proattiva, in cui le anomalie vengono individuate prima che producano effetti sulla qualità o sulla continuità produttiva.
Gli obiettivi del progetto sono articolati su più livelli: migliorare le performance qualitative, incrementare l’efficienza produttiva e aumentare la disponibilità degli impianti, anticipando fenomeni di degrado o guasto. A questi si affianca un obiettivo strategico più ampio, legato all’aumento della capacità predittiva complessiva, con benefici diretti su produttività e competitività.
Perché nasce PolyTwin
Le motivazioni alla base di PolyTwin sono strettamente legate alle criticità tipiche del settore del compounding, dove il legame tra parametri di processo e qualità del prodotto è estremamente sensibile e dove la gestione di un elevato numero di formulazioni e variabili rende complesso il controllo operativo. In questo scenario, il Digital Twin consente di individuare correlazioni nascoste e pattern complessi, semplificando la gestione e rendendo più robusto il processo decisionale.
Un ulteriore elemento di valore è rappresentato dalla scalabilità della soluzione, che può essere estesa a diverse linee e siti produttivi, favorendo una standardizzazione evoluta dei processi e una diffusione sistemica delle best practice.
Guardando al futuro, il progetto apre la strada a sviluppi orientati verso un’automazione sempre più avanzata, come l’integrazione diretta dei modelli sulle macchine per l’ottimizzazione automatica dei parametri e l’implementazione di strategie evolute di manutenzione predittiva.
PolyTwin si configura quindi come un abilitatore concreto della trasformazione digitale nel settore dei tecnopolimeri, capace di valorizzare la sinergia tra competenze industriali, ricerca accademica e tecnologie avanzate. Il risultato è un modello produttivo più intelligente, resiliente e sostenibile, in cui i dati diventano leva strategica per il miglioramento continuo.
Validazione industriale e dati reali – Il contributo di RadiciGroup
Il modello di Digital Twin AI based è stato concepito per sovraintendere e sostenere la complessità del processo: gli sforzi principali si sono focalizzati su come supportare in modo cognitivo gli operatori di macchina e sulla tempestività con cui intervenire anticipando gli eventi di failure. Lo stesso paradigma, pur con modello rivisto, sarà d’aiuto in futuro sia in azioni predittive su potenziali failure di macchine e processi sia nell’ottimizzazione e miglioramento della qualità di prodotto e di sistema.
Il modello presentato è ora in fase di apprendimento e richiederà tempo e competenza tecnica per raggiungere un grado di affidabilità tale da poter essere adottato in produzione come sistema di affiancamento operativo.
All’interno del progetto PolyTwin, RadiciGroup – attraverso la Business Area High Performance Polymers – svolge un ruolo centrale come partner industriale e ambiente di validazione della soluzione. Il Digital Twin è infatti applicato direttamente alle linee produttive di compounding del gruppo, caratterizzate da elevata complessità in termini di numero di prodotti, materie prime e parametri di processo.
Il contributo di RadiciGroup non si limita alla messa a disposizione dei dati, ma riguarda anche la validazione operativa dei modelli sviluppati. I risultati emersi nella fase iniziale di applicazione evidenziano come il sistema sia in grado di intercettare anomalie con elevata affidabilità: tutte le anomalie segnalate sono state confermate dal team aziendale, e una quota significativa – pari al 70% – non sarebbe stata individuata attraverso metodi tradizionali. Questo ruolo consente di trasformare PolyTwin da progetto sperimentale a soluzione concreta, testata in condizioni reali e progressivamente migliorata grazie al continuo feedback operativo.
RadiciGroup High Performance Polymers contribuisce così in modo determinante alla messa a punto di un modello di Digital Twin realmente applicabile all’industria del compounding, accelerandone il passaggio dall’innovazione alla piena operatività.
