Il team della scienza dei dati
per la sfida della sostenibilità

Innovazione e sostenibilità possono andare a braccetto. Lo conferma il team di «data science» di TenarisDalmine, che dal 2016 applica l’intelligenza artificiale, il «machine learning» e le nuove tecnologie per ottimizzare la produzione e abbattere le emissioni. «Portare innovazione in un settore con una lunga tradizione come la siderurgia è una sfida entusiasmante, che richiede competenza, visione e dialogo con chi conosce i processi produttivi», esordisce Vincenzo Manzoni, direttore del gruppo e docente di «Data analysis for business analytics» all’Università di Bergamo. «Ma i risultati ci hanno premiato: molti dei nostri progetti sono stati già implementati in Tenaris nelle 5 acciaierie e nei 7 principali laminatoi in tutto il mondo. Da quando li abbiamo attivati, abbiamo ad esempio azzerato gli incidenti causati dalle perdite d’acqua nei forni di acciaieria, ridotto dell’1% il costo di acquisto di materie prime – su una produzione di milioni di tonnellate, si tratta di volumi enormi – e contribuito ad abbattere la quantità di CO₂ prodotta per tonnellata di acciaio del 15% nel periodo 2018-2025».

L’unità di «data science»

L’unità di «data science», opera come centro di eccellenza per l’intero gruppo Tenaris. Il team, basato a Dalmine, è composto da 11 giovani talenti e comprende professionalità assai diverse: 5 ingegneri informatici, un ingegnere dell’automazione, un ingegnere matematico, un ingegnere gestionale, uno statistico, un fisico e un astrofisico. Sette sono bergamaschi, e la più giovane ha solo 23 anni.

L’unità è nata come risposta a un problema concreto: «Ci siamo resi conto che alcuni dati che raccoglievamo per altri scopi potevano offrire un valore strategico importante, se opportunamente utilizzati. Per esempio, sono stati fondamentali per orientare decisioni di investimento in nuovi impianti, continua Manzoni.

Gli fa eco Andrea Rota della sezione di analisi avanzata dei dati («Advanced Data Analytics») che ha sviluppato le soluzioni e le tecnologie per portare l’Ia sulla linea di produzione. «Immaginateci come gli ingegneri che stanno ai bordi dei circuiti di Formula 1: analizzano i dati in tempo reale e aiutano il pilota a vincere la gara». Anche il bilancio di sostenibilità di Tenaris richiama l’importanza dell’unità di analisi dei dati per migliorare l’efficienza delle operazioni e contribuire a raggiungere gli obiettivi ambientali, specie per quanto riguarda la decarbonizzazione e sottolinea il contributo svolto dal team di «data science» per «aumentare l’utilizzo di materie prime riciclate, riducendo al contempo la ghisa nel mix di metalli. Grazie alla scienza dei dati, possiamo calcolare le formule migliori per massimizzare l’utilizzo di materie prime mantenendo gli elevati standard di qualità e di performance. I progetti di successo del team sono numerosi: l’Ia viene implementata in diversi processi di TenarisDalmine, dalla manutenzione predittiva al controllo qualità, fino alla prevenzione dei guasti e all’ottimizzazione della produzione. I software sviluppati negli ultimi anni hanno avuto un impatto concreto nel migliorare formazione e sicurezza dei lavoratori, nell’evitare i malfunzionamenti causati dalle perdite d’acqua nei forni fusori, azzerando gli incidenti di questo tipo negli impianti del gruppo. Non a caso, l’ultimo bilancio aziendale di sostenibilità riconosce gli sforzi di questo gruppo. Conclude Manzoni: «Le nostre iniziative di “data science” sfruttano i numeri provenienti dalla nostra rete globale di centri produttivi per collegare tra loro i processi, per produrre conoscenza capace di orientare il flusso di lavoro e per migliorare l’efficienza, la qualità e l’utilizzo delle risorse lungo la catena del valore di Tenaris».

Prevenire i guasti

L’Ia contribuisce a prevenire i guasti: una serie di sensori tiene sotto controllo le temperature degli impianti, mentre un algoritmo le confronta con i risultati simulati su un «gemello digitale» («digital twin»). «Uno degli eventi più gravi che può accadere in acciaieria è la fuoriuscita accidentale di acqua nell’acciaio liquido. Per evitarla occorre prevenire la perforazione delle pareti del forno e la degradazione della copertura refrattaria. Il nostro sistema si basa su diversi sensori di temperatura installati sul guscio della struttura», spiega Jacopo Balocco del dipartimento di modellazione dei dati del team di «data science». I sensori registrano la temperatura reale del forno in più punti e l’Ia confronta in tempo reale i numeri con le previsioni del «gemello digitale». Se i due valori sono diversi, il sistema allarma l’operatore per approfondire il caso. In questo esempio, l’Ia agisce per aumentare la capacità diagnostiche umane.

Ricette perfette

«L’obiettivo ambientale di Tenaris è la riduzione delle emissioni dal 30% entro il 2030 rispetto ai valori medi del 2018. In particolare, entro il 2030 dovranno essere abbattute le emissioni di CO₂ da 1,54 a 1,08 tonnellate per ogni tonnellata di acciaio prodotto. «In Tenaris siamo sulla giusta strada - riporta l’astrofisico Davide Poletti. Già oggi, i nostri forni emettono il 15% in meno di CO₂ per tonnellata di acciaio, rispetto a sette anni fa. Mettendo in campo le diverse competenze abbiamo contribuito a questo successo con un sistema che migliora le ricette dell’acciaio tramite l’Ia. Il risultato ottenuto è che il sistema progettato, ottimizza i costi, efficienta i processi e riduce il consumo di ghisa che ha un forte impatto sulle emissioni».Il software incrocia i dati delle specifiche richieste dal cliente con i requisiti di produzione e fornisce un mix ottimale per ottenere il risultato voluto.

Quiz interattivi

Del team fa parte Benedetta Maffeis, ingegnera gestionale che si è occupata di un sistema per la valutazione dell’apprendimento. Non ancora laureata, sta già contribuendo e all’innovazione dei processi aziendali, dimostrando come Tenaris sia un ambiente che valorizza il talento sin dalle prime esperienze professionali. «È il progetto su cui sto scrivendo la mia tesi di laurea e ora è in fase di implementazione nei processi di formazione su sicurezza e procedure operative», racconta. Il software utilizza lo stesso motore di ChatGpt: analizza i documenti, ne comprende il contenuto e genera domande di qualità, con diversi livelli di difficoltà.L’obiettivo non è solo verificare la conoscenza dell’operatore, ma anche favorire l’apprendimento: in caso di risposta errata, il sistema spiega l’errore e offre un supporto personalizzato.

Il tubo giusto

Alcune specifiche tecniche dei nostri tubi sono determinate da un processo chiamato trattamento termico, in cui i tubi vengono riscaldati e raffreddati seguendo temperature ben definite. Il team di «data science» ha creato un software capace di prevedere, in funzione delle caratteristiche richieste, le temperature su cui impostare il forno per ottenerle. «Il software ha imparato il comportamento del forno osservando un archivio storico di decine di migliaia di tubi passati, di cui conosciamo composizione chimica, dimensioni, temperature e tempo trascorso nel forno. Lo strumento può essere usato dalla produzione anche per trovare le temperature che permettono di ottenere le proprietà richieste con il minimo consumo di energia», spiega Luca Campana, ingegnere dell’automazione tra i creatori dello strumento.