L’applicazione del digitale secondo il paradigma deduttivo, ovvero l’analisi basata su causa effetto, e i recenti progressi nell’ambito dell’analisi predittiva - che fa leva sulla correlazione degli eventi, grazie all’utilizzo di logiche di deep learning e machine learning - offrono alle aziende la possibilità di misurare il consumo energetico in relazione ai processi produttivi, creando il presupposto per una pianificazione ed efficienza energetica superiore a quelli tipicamente raggiungibili attraverso semplice tecniche di monitoraggio.

Una testimonianza di innovazione ed eccellenza italiana nell’ambito della fornitura di servizi per l’efficientamento energetico è Seaside, Energy Service Company fondata a Bologna nel 2010 che vanta un fatturato di 8 milioni di euro.

“Abbiamo intrapreso un percorso che integra l’efficienza energetica alla componente informatica”, afferma l’amministratore delegato Paolo Benfenati. “Percorso che abbiamo deciso di compiere in partnership con Microsoft poiché garantiva la creazione di una soluzione coerente con i nostri obiettivi, sia in termini di infrastruttura sia di soluzioni di intelligence, rendendo pienamente sostenibile la disponibilità del tutto in modalità software as service e di piattaforma”.

Quanto sviluppato da Seaside rientra a pieno titolo nel grande tema dell’Industria 4.0 dove piattaforme interconnesse rendono disponibili dati e informazioni per rendere più efficiente e produttivo l’ambiente di lavoro.

L’obiettivo è implementare un modello di energy intelligence che preveda l’utilizzo dei dati per conoscere meglio lo stato delle utenze energetiche, in un building o in un processo produttivo, dando la possibilità di suggerire delle azioni migliorative rispetto al governo e alla gestione delle utenze energetiche mettendo in atto delle analisi predittive.

Dalle analisi condotte da Seaside sulle diagnosi energetiche effettuate in 250 aziende italiane emerge che, in media, nelle realtà con consumi energetici di circa 2 milioni di euro il risparmio della quantità di energia utilizzata a produzione ferma ipotizzabile è tra il 10 e il 20% ovvero circa 20 mila euro cui poi si possono aggiungere risparmi che vanno a incidere sulla gestione di processo dell’energia.
 
"Gli investimenti si ripagano molto velocemente", afferma Paolo Benfenati che cita ad esempio il deployment di un’infrastruttura di energy intelligence che assicura in real time informazioni sul consumo dei diversi componenti del processo produttivo dando indicazioni sulla gestione ottimale degli stessi. "Un investimento di circa 200 mila euro che si è tradotto in un ritorno dell’investimento in soli 12 mesi".

“La sfida è integrare il tema dell’energia a quello più ampio della pianificazione della produzione. Vi sono oggi interventi che mirano all’ottimizzazione della gestione energetica in parti del processo produttivo, ma l’obiettivo a cui tendere è vedere il tutto nella sua interezza. Come? sviluppando un sistema di Predictive Energy Analytics o di consumo energetico predittivo che riesce a gestire l’energia in funzione della produzione grazie all’utilizzo di algoritmi statistici e di machine learning”.