I principi dell’economia circolare si basano su un’equazione molto semplice: “rifiuti uguale risorsa”. Ma la realtà è un po’ diversa. Per esempio, convertire la plastica buttata via in materiali di valore è impegnativo perché spesso la composizione della plastica o la presenza di sostanze tossiche è sconosciuta. Rilavorare un oggetto per renderlo “come nuovo” è difficile se non se ne conosce la progettazione o il suo uso precedente.

Per mantenere il valore dei materiali e dei prodotti nell’economia il più a lungo possibile, l’economia circolare deve avere accesso non solo ai rifiuti, ma anche alle informazioni inerenti: la composizione di una lega, la procedura di disassemblaggio di un’apparecchiatura o il numero di ore di operatività di un motore elettrico. I rifiuti non sono risorse, ma rifiuti + informazione lo sono.

Oggi le informazioni sulla progettazione e l’utilizzo sono a malapena considerate nel ciclo di vita di un prodotto e, quando lo sono, non vengono scambiate lungo la catena di valore. Ma alcune soluzioni emergenti, che spesso sfruttano nuove tecnologie, rendono l’equazione “rifiuti + informazione = risorsa” una realtà.

Passaporto dei materiali

Le informazioni sulla progettazione del prodotto si perdono spesso lungo la catena di valore, tra l’azienda che elabora un prodotto e quella che si occupa della fine del suo ciclo di vita. I rifiuti rimangono spesso “materiali senza un’identità”.(1) Per poter reperire e condividere le informazioni sulla progettazione di un prodotto, alcune industrie stanno utilizzando dei passaporti dei materiali. Il passaporto di un materiale è costituito da una serie di informazioni sui componenti e i materiali di cui è fatto un prodotto, e di come questi possono essere disassemblati e riciclati alla fine del ciclo di vita utile del prodotto.

Diversi edifici sono stati costruiti usando un passaporto dei materiali, come il quartier generale della Bluewater Energy Service di Hoofddorp o quello dell’azienda elettrica Liander a Duiven, entrambi in Olanda.(2) Quando questi edifici saranno ristrutturati o demoliti, i loro materiali saranno più facilmente riusati o riciclati.

Anche Maersk Line, la compagnia di trasporto container, sta usando un passaporto dei materiali per alcune delle sue navi. Oggi l’acciaio viene riciclato su larga scala. Però, diversi tipi di acciaio e metalli sono spesso mescolati nel processo di riciclo, riducendo la qualità dell’acciaio riciclato e alimentando il bisogno di nuovo minerale ferroso. Per poter costruire nuove navi partendo dalle vecchie, Maersk ha ideato un “passaporto dalla culla alla culla”, insieme ai cantieri navali coreani DSME. Il passaporto documenta quasi tutti i materiali usati per costruire le navi Triple-E (si tratta di grandi navi portacontainer con elevati standard di sostenibilità, ndr) e indica come disassemblarle e riciclarle.

Maersk

Rilavorazione intelligente

Il costo per dare a un prodotto una seconda vita, riparandolo, rimodernandolo o rilavorandolo, spesso varia in relazione alle sue condizioni. Prodotti usati pochissimo sono molto più economici da ricondizionare rispetto a quelli utilizzati molto. Sfortunatamente, le condizioni di un prodotto usato sono a volte difficili da valutare e possono richiedere un completo, e costoso, disassemblaggio.

Alcuni produttori di oggetti molto pesanti, come locomotive, motori per aerei o attrezzature minerarie, hanno scelto di dotare le loro macchine con sensori che ne tracciano le condizioni durante la fase di utilizzo e facilitano così la ristrutturazione quando arrivano a fine vita.

Komatsu, l’azienda produttrice di macchinari per l’edilizia e l’industria mineraria, ha dotato tutti i macchinari standard di sensori che inviano dati a una piattaforma centrale. La piattaforma è in grado di compilare e analizzare le informazioni sulla localizzazione e sulle condizioni del macchinario, permettendo a Komatsu di quantificare i costi e i benefici di varie opzioni di logistica inversa, tra cui il riuso, la rilavorazione o l’ammodernamento.

A Grove City, GE Transportation rilavora i motori diesel delle sue locomotive. In passato, l’azienda doveva smontare i motori separando i componenti al loro arrivo, cercando cosa doveva essere corretto prima del riassemblaggio. Lo stesso procedimento veniva applicato su ogni motore riguardo a ogni componente, indipendentemente dalle condizioni del motore. Oggi, usando i dati sulle condizioni del locomotore, l’impianto è in grado di valutare l’usura e identificare rotture in ogni componente di un motore che arriva in fabbrica. In questo modo si sa se il motore deve essere rilavorato o preparato per il riuso, o se non necessita di alcuna riparazione.

Prevedere i guasti

I dati sulle condizioni di un’apparecchiatura sono preziosi alla fine della sua vita utile, per ricondizionarla. Lo sono anche durante la sua vita utile, per manutenerla. Analizzando i dati sulle condizioni, una manutenzione predittiva può prevedere guasti a un’apparecchiatura prima che si verifichino. Sfrutta algoritmi che rilevano i pattern che portano a un guasto confrontando i dati in tempo reale con pattern di guasti pre-identificati. Recentemente, l’intelligenza artificiale ha permesso agli algoritmi di identificare nuovi pattern di guasti imparando iterativamente dai dati.

La manutenzione predittiva viene applicata a un crescente numero di beni, dai treni ai motori a reazione, dalle centrali elettriche alle piattaforme petrolifere. Per esempio, Siemens analizza continuamente i dati raccolti da centinaia di sensori e controlla dispositivi in treni, locomotori e infrastrutture ferroviarie come la temperatura dei cuscinetti assali e dei trasformatori, le condizioni dell’olio idraulico, le vibrazioni dei carrelli, i dati operativi dinamici dal sistema di trazione e da quello frenante, le operazioni delle porte automatiche e le informazioni sui sistemi di riscaldamento, ventilazione o condizionamento.

Per massimizzare il loro tempo di attività, alcuni ascensori Thyssenkrupp sono equipaggiati con sensori che raccolgono i dati del macchinario come i movimenti delle porte, i viaggi, le accensioni, i codici di errore. I dati sono inviati a una piattaforma cloud dove gli algoritmi li analizzano secondo i pattern e calcolano il tempo di operatività del macchinario e il rimanente tempo di vita dei componenti. Le diagnosi vengono inviate in tempo reale ai tecnici, con l’indicazione di quali interventi servono.

Finora le aziende si affidavano sia a una manutenzione preventiva sia correttiva, e nessuna delle due era davvero efficiente. La manutenzione preventiva, che effettua controlli secondo un calendario prefissato sulla base del chilometraggio o del tempo invece che sulle reali condizioni del macchinario, spesso porta alla sostituzione non necessaria di componenti o viene effettuata nel momento sbagliato. La manutenzione correttiva, che ripara i macchinari solo quando si rompono, può essere costosa quando il guasto comporta un lungo periodo di fermo.

La manutenzione predittiva, invece, non solo rileva le condizioni del macchinario che porteranno a un guasto, ma stima anche il tempo entro il quale il guasto si verificherà, permettendo di pianificare gli interventi manutentivi. Nel settore ferroviario, è previsto un aumento dell’efficienza fino al 25% grazie alla manutenzione predittiva.(3) È quanto ha fatto l’azienda tedesca di trasporto su rotaia DB Cargo, in collaborazione con GE, ricorrendo alla manutenzione predittiva ha ridotto del 25% il numero di guasti su un parco macchine di 250 locomotori.

ThyssenKrupp Quartier Essen/Wikicommons Arnoldius

Migliorare la produttività delle risorse

Alcuni prodotti richiedono l’impiego di molte risorse durante la loro produzione o la fase di utilizzo. Consumano grandi quantità di materiali per essere costruiti o richiedono una grande quantità di energia. Ma i dati possono contribuire a migliorare la produttività delle risorse in questi prodotti.

Come dimostra Google, che è riuscita a ridurre la quantità di energia usata per il raffreddamento dei suoi data center fino al 40%. Ogni data center infatti è dotato di migliaia di sensori che raccolgono informazioni come la temperatura, l’elettricità o la velocità delle pompe. Applicando l’intelligenza artificiale allo storico dei dati raccolti da questi sensori, Google ha potuto comprendere meglio le dinamiche del data center e ottimizzare l’efficienza del sistema di raffreddamento.(4)

Google Logo – Earth Day (WWF)

Alcuni pneumatici Michelin per macchinari minerari sono dotati di sensori che permettono agli operatori minerari di monitorare la temperatura e la pressione di ogni pneumatico in tempo reale, migliorandone la performance ed estendendone il tempo di vita.(5)

MICHELIN® XDR250 50/80R57 / ©2018 Michelin North America, Inc., All rights reserved

Gestire i big data

Sempre di più, il business dovrà non solo progettare ed elaborare prodotti, ma anche gestire i dati che li riguardano.

Per farlo, il business dovrà acquisire nuove capacità, soprattutto perché la mole di dati è molto grande. Per esempio, il motore Geared Turbofan della Pratt & Whitney misura 5.000 parametri durante un volo. La flotta di motori Geared Turbofan genererà più di due petabytes di dati all’anno, equivalente a una nuova American Library of Congress ogni anno.(6) Alcuni marchi industriali, come GE, Siemens o Boeing, hanno scelto di progettare e gestire delle loro piattaforme di analisi dei dati per immagazzinare, mettere al sicuro e analizzare i loro dati. In collaborazione con Palantir Technologies, un provider di soluzioni per big data e analisi avanzate dei dati, Airbus ha avviato una piattaforma per i dati degli aerei. La piattaforma integra i dati operazionali, di manutenzione e degli aeromobili di una linea aerea. Permette ad Airbus di migliorare la progettazione dei suoi aerei e delle apparecchiature. Aiuta anche le linee aeree a migliorare la performance operativa della loro flotta.

Il business dovrà anche implementare nuove organizzazioni per gestire i dati. Per esempio, nell’industria ferroviaria, Siemens gestisce un centro di analisi dei dati che riunisce esperti di dati, fisici, ingegneri, informatici e matematici. Il centro analizza scrupolosamente i dati diagnostici che vengono raccolti dai treni e dai componenti delle infrastrutture ferroviarie. Rolls-Royce ha aperto un Airline Aircraft Availability Centre (Centro per la disponibilità di aeromobili delle linee aeree) che monitora migliaia di motori in tutto il mondo. Monitorando i dati trasmessi da questi motori, il centro ne pianifica le operazioni e la manutenzione, portando efficienza in un’industria in cui un 1% di risparmio di carburante può significare un risparmio di 250.000 dollari all’anno per aereo.(7)

Airline Aircraft

Oggi, i dati di progettazione e utilizzo sono gestiti principalmente per beni pesanti come aerei, treni, navi o persino ponti. Ma domani, i dati dovrebbero essere gestiti per una gamma molto più ampia di prodotti, dalle auto alle lavatrici, dai telefoni alle sedie, se vogliamo rendere ancora circolare il nostro pianeta.