Seaside, società del Gruppo Italgas, è stata scelta da Ilip, leader europeo nelle soluzioni d’imballaggio per alimenti in plastica termoformata e in materiale compostabile, per la realizzazione di un importante progetto di efficienza energetica presso il proprio stabilimento produttivo. Attraverso l’applicazione di soluzioni di machine learning, Ilip stima di conseguire un risparmio energetico sui consumi di produzione del 10%.
Il progetto realizzato da Seaside per Ilip prevede l’utilizzo del software di Predictive Energy Analytics Savemixer impiegato per analizzare e predire i consumi energetici del sito produttivo di Valsamoggia, correlando i dati energetici con le variabili di produzione. Tale analisi inoltre ha consentito di ottenere una base solida di confronto per la misurazione di dettaglio dei saving energetici ottenuti da interventi impiantistici sulle linee.Il processo produttivo di Ilip, che trasforma materie plastiche attraverso la termoformatura con forni elettrici, è fortemente energivoro e gli interventi in efficienza energetica rappresentano dunque un rilevante vantaggio competitivo non solo dal punto di vista del miglioramento dell’impatto ambientale dell’azienda, ma anche in termini economici. 
In particolare, le attività innovative svolte nell’implementazione del sistema di Predictive Energy Analytics Savemixer si concentreranno su tre principali aree di intervento: la modellazione energetica delle linee produzione tramite machine learning, ovvero l’identificazione dei livelli di consumo ottimale di ogni processo, l’analisi degli scostamenti per l’identificazione di anomalie energetiche e l’interfacciamento tra il sistema hardware di monitoraggio energetico e l’ERP di produzione.
Proprio la possibilità di correlare i consumi energetici, che saranno ottenuti attraverso l’applicazione di meters sui macchinari, con i dati di produzione raccolti dall’ERP di Ilip rappresenta uno degli elementi di maggiore innovazione del progetto. L’ERP infatti consente al software di disporre di informazioni estremante dettagliate in grado di sostenere in maniera ottimale l’attività di machine learning e di conseguenza l’accuratezza dell’attività di analisi predittiva. Questo permetterà ad esempio la possibilità di analizzare in maniera puntuale i consumi di ogni processo, valutando dal punto di vista energetico eventuali modifiche e innovazioni.
Inoltre, Savemixer rappresenta già in questo momento un importante ausilio nella verifica del corretto funzionamento dei macchinari, individuando attraverso anomalie di consumo eventuali problemi, che possono essere affrontati in anticipo consentendo di evitare eccessivi sprechi di energia e soprattutto fermo-macchine che possono pregiudicare l’attività.