Nell'ultimo decennio, il settore della cellulosa e della carta (Pulp and Paper, P&P) ha accolto due tendenze popolari ed emergenti: la sostenibilità e l'intelligenza artificiale (IA). Ad oggi, la maggior parte delle strategie aziendali tende a concentrarsi su queste iniziative in modo indipendente l'una dall'altra. Tuttavia, è arrivato il momento di mettere l'IA al lavoro sul fronte della sostenibilità!
Per quanto riguarda la sostenibilità, il settore P&P è sottoposto a molti controlli a causa della sua natura ad alta intensità di risorse. La maggior parte dei dirigenti di cartiere P&P ha obiettivi di sostenibilità ben definiti. Si impegnano a preservare le risorse naturali cercando al contempo di avere un'influenza positiva sull'ambiente ed evitare un'influenza negativa sugli aspetti sociali ed economici. Questi obiettivi di sostenibilità includono:
L'American Forest & Paper Association (AF&PA), nel suo report sulla sostenibilità del 2020, riconosce i principali risultati ottenuti dal settore P&P. Nonostante ciò, rimangono diversi obiettivi non raggiunti, tra cui il recupero della carta (per il riciclaggio) e l'utilizzo dell'acqua (Figura 1).
a.
b.
Figura 1. Risultati annuali inferiori agli obiettivi di sostenibilità dei membri dell'AF&PA: (a) recupero della carta per il riciclaggio e (b) utilizzo dell'acqua. (Fonte: report sulla sostenibilità AF&PA del 2020)
Gli obiettivi di sostenibilità possono essere raggiunti attraverso una produzione più intelligente e attenta alla sostenibilità, ma il loro raggiungimento richiederà probabilmente un'analisi approfondita e un ampio piano d'azione. Inoltre, una volta raggiunti tutti gli attuali obiettivi di sostenibilità, i dirigenti delle cartiere saranno spinti a stabilire obiettivi più ambiziosi per accelerare ulteriori cambiamenti. Quindi, come si possono raggiungere ulteriori obiettivi di sostenibilità dopo che gli obiettivi “facili” sono stati raggiunti?
Il processo produttivo offre diverse opportunità per conseguire questi obiettivi di sostenibilità. Tuttavia, la produzione di carta, un ambiente di produzione rapido con test di qualità difficili da misurare e limitate possibilità di ottimizzazione in tempo reale, presenta una sfida unica. Un singolo passaggio sbagliato può interferire con l'intero processo.
Oggi gli operatori delle cartiere P&P utilizzano il sistema di controllo distribuito (DCS) e la moltitudine di sensori installati per monitorare e controllare attentamente il processo. Per ottimizzare il processo, gli operatori e gli ingegneri delle cartiere devono analizzare rapidamente i dati e regolare rapidamente gli input. Ed è qui che l'IA può essere d'aiuto. Le tecniche di IA, come il machine learning e la modellazione predittiva, richiedono enormi quantità di dati storici per iniziare a raggruppare gli influenzatori, rilevare anomalie di produzione o costruire modelli per analisi predittive, prescrittive o delle cause di fondo. Queste tecniche sono incredibilmente utili per la selezione delle enormi quantità di dati raccolti nelle cartiere P&P. Sono disponibili nuovi prodotti IA per monitorare, tracciare e analizzare i dati storici e in tempo reale. I prodotti IA creano anche modelli di processo e forniscono un controllo autonomo.
Soluzioni basate sull'IA per la sostenibilità
L'unione dell'intelligenza umana e di quella artificiale consente alle cartiere P&P di affrontare le sfide di sostenibilità più ardue. In particolare, il controllo autonomo basato sull'IA permette agli operatori delle cartiere di raggiungere costantemente gli obiettivi di sostenibilità, ottimizzando al contempo gli input di produzione. Nel caso dell'utilizzo delle fibre, consentire all'IA di prendere decisioni sul loro dosaggio e sulla selezione degli impasti offre agli operatori diverse opportunità per raggiungere gli obiettivi di sostenibilità:
- Consumo di fibre ottimizzato automaticamente: utilizza solo la quantità di fibre necessaria per soddisfare i requisiti di qualità (obiettivo: silvicoltura)
- Miscela degli impasti regolata automaticamente: seleziona la miscela di fibre più economica e sostenibile e incorpora carta riciclata o di qualità inferiore (obiettivo: silvicoltura, rifiuti)
Ciò avviene utilizzando l'IA e il machine learning per creare un sensore virtuale per i parametri di qualità fondamentali e quindi incorporando un ciclo di controllo del feedback basato sull'IA per ottimizzare l'impasto. Poiché la qualità delle fibre e le condizioni della macchina possono variare da un minuto all'altro, il machine learning è una componente chiave di questo processo. Il machine learning consente al sistema di IA di prendere decisioni sulla regolazione dei processi più rapidamente e con maggiore frequenza rispetto a quanto potrebbero fare gli operatori.
Estrapolando questo esempio per ulteriori applicazioni all'interno del processo di fabbricazione della carta, il processo decisionale basato sull'IA e il controllo autonomo possono aiutare i dirigenti delle cartiere a raggiungere i restanti obiettivi di sostenibilità. Alcuni esempi sono:
- Dosaggio chimico ottimizzato automaticamente: migliora la disidratazione dei fanghi, creando così fanghi che richiedono meno energia per essere bruciati o meno scarti da inviare in discarica (obiettivo: energia, emissioni, rifiuti)
- Dosaggio autonomo dei biocidi: impedisce la formazione di acidi grassi volatili (VFA) e richiede meno acqua dolce (obiettivo: acqua)
L'attenzione di Solenis alla sostenibilità
La visione di Solenis è consentire il successo dei clienti attraverso processi innovativi e soluzioni per il trattamento delle acque. Le soluzioni basate sull'IA offrono un approccio volto alla trasformazione per gestire le risorse e i processi produttivi in modo più efficace. Combinando sostanze chimiche e tecnologie basate sull'IA, Solenis supporta l'impegno dei clienti per un futuro più sostenibile. Attraverso la nostra piattaforma di intelligenza applicata OPTIX™, una soluzione di machine learning e controllo autonomo, i clienti ottengono risparmi operativi e raggiungono gli obiettivi di sostenibilità.
Fai clic qui per leggere il report sulla sostenibilità del 2020 di Solenis.