Come Resilco Utilizza l’Intelligenza Artificiale per Accelerare il Percorso di Rigenerazione da Rifiuti Industriali a Nuovi Materiali

Ogni anno l’industria genera enormi volumi di rifiuti che potrebbero trasformarsi in una risorsa preziosa invece di finire in discarica: ceneri da impianti waste-to-energy, scorie da acciaierie e altri residui industriali che oggi vengono semplicemente interrati, con un costo sia economico che ambientale. Allo stesso tempo, la pressione a catturare e stoccare l’anidride carbonica, anziché rilasciarla in atmosfera, sta cambiando il modo in cui le industrie pensano ai propri scarti. Trasformare lo scarto di ieri nella materia prima di domani, catturando allo stesso tempo la CO2, è uno dei modi più concreti in cui l’industria pesante può diventare parte della soluzione climatica anziché del problema.

Realizzare questo passaggio, tuttavia, è più difficile di quanto sembri. Ogni lotto di rifiuti industriali è leggermente diverso, la sua composizione cambia in base all’impianto di provenienza, alla stagionalità e al processo che lo ha generato. Prima che un nuovo materiale riciclato possa sostituire uno tradizionale, deve dimostrare di avere le stesse prestazioni, lotto dopo lotto. Questo normalmente significa mesi di test fisici in laboratorio per ogni nuova ricetta, in una fase di sperimentazione in cui i dati storici sono ancora scarsi e ogni esperimento conta.

Una delle aziende che affronta questa sfida è Resilco, una Società Benefit italiana con sede tra Monza e Milano che ha sviluppato una tecnologia brevettata per recuperare i rifiuti industriali, come ceneri e scorie d’acciaieria, e trasformarli in materie prime rigenerate, favorendo anche la cattura di anidride carbonica al loro interno. I cosiddetti Materiali Cementizi Supplementari (SCM) hanno, infatti, la possibilità di sostituire parzialmente il materiale vergine nei prodotti da costruzione, ma la loro validazione richiede diversi test, fisici, chimici, prestazionali e ambientali.

Per accelerare la validazione delle nuove formulazioni di materiale, Resilco ha pertanto stretto una partnership con Intellico. Sfruttando la propria esperienza nella predizione AI -based delle proprietà chimico-fisiche dei materiali attraverso la piattaforma MATILDE®, Intellico è stata in grado di fornire un solido punto di partenza per il progetto. La soluzione è stata poi personalizzata sulle esigenze specifiche di Resilco, addestrando modelli predittivi sulle caratteristiche uniche dei materiali da costruzione ed estendendo il framework predittivo per includere i parametri di processo chiave. Questo ha permesso di stimare le prestazioni del materiale e gli indicatori di qualità, prima dei test di laboratorio, riducendo significativamente i tempi di sperimentazione e supportando decisioni più rapide.

Anziché attendere settimane affinché un campione fisico maturi e venga testato, il team di Resilco effettua delle ipotesi caratterizzando una nuova ricetta di materiale: le caratteristiche fisiche e chimiche del rifiuto, il trattamento previsto e i parametri di processo pianificati. Il team riceve così una stima preliminare della resistenza che il materiale avrà una volta indurito, una previsione basata sulla composizione della ricetta e sulle prestazioni di materiali simili in passato.

Inoltre, lo strumento non restituisce soltanto un numero. Grazie alle sue dashboard di Intelligenza Artificiale “Explainable”, mostra quali ingredienti e caratteristiche determinano la stima, così che gli esperti che esaminano i risultati possano valutare autonomamente se il ragionamento abbia senso, anziché affidarsi ciecamente a una scatola nera. Ogni previsione è trattata come un’ipotesi di partenza per guidare il test fisico successivo, non come un suo sostituto.

La prima versione dello strumento è stata sviluppata e testata su un piccolo set di circa venti ricette reali, una frazione di quanto la maggior parte dei modelli predittivi richiederebbe per essere considerata affidabile. Ciononostante, è stata in grado di stimare la resistenza del materiale riciclato dopo 7 e 28 giorni di maturazione, con un’accuratezza in linea con i risultati pubblicati da studi basati su dataset molto più ampi.

Per un’azienda che sta ancora costruendo il proprio patrimonio di dati sperimentali, si tratta di un risultato significativo: dimostra che lo stesso approccio può essere affidabile anche prima che si siano accumulati decenni di dati storici, offrendo a Resilco una base solida su cui costruire man mano che espande la propria attività verso nuovi materiali e processi.

“Siamo lieti di collaborare con Intellico per integrare l’Intelligenza Artificiale nella gestione dei flussi di rifiuti in ingresso. Grazie a questo nuovo strumento avanzato, Resilco può ottimizzare ogni fase del processo operativo, garantendo eccellenza e soluzioni all’avanguardia nel settore dell’economia circolare.”

 

— Davide Callejo Munoz
CEO Resilco S.r.l. Società Benefit

Sulla base dei risultati ottenuti, la prossima fase si concentrerà sull’industrializzazione dei modelli predittivi e sull’implementazione su scala reale della piattaforma. Particolare attenzione sarà dedicata a definire i metodi più efficaci per la raccolta, il tracciamento e la governance dei dati in tempo reale, con l’obiettivo di costruire un’architettura dati scalabile e allineata alla strategia di crescita di Resilco. Rafforzare la qualità, la coerenza e la disponibilità dei dati di processo e di materiale migliorerà ulteriormente le prestazioni dei modelli, gettando al contempo le basi per un approccio data-driven allo sviluppo prodotto e all’ottimizzazione operativa.

La sfida che Resilco affronta non è esclusiva dei materiali da costruzione riciclati. Nell’intera economia circolare, dalle plastiche recuperate ai metalli riciclati fino ai materiali bio-based, le aziende affrontano la stessa sfida fondo: i flussi di rifiuti sono variabili, i dati storici sono limitati, i processi non sono stabili e ogni test fisico costa tempo e denaro che un’azienda in crescita può raramente permettersi. Con la crescente pressione a sostituire le materie prime vergini con quelle riciclate e a catturare anziché emettere anidride carbonica, la capacità di ottenere una stima affidabile e precoce delle prestazioni di un nuovo materiale, senza attendere mesi di lavoro in laboratorio, separerà sempre di più le aziende che riescono a scalare i propri sforzi di sostenibilità da quelle che restano bloccate alla fase pilota.