{"id":19573,"date":"2026-07-24T15:33:36","date_gmt":"2026-07-24T15:33:36","guid":{"rendered":"https:\/\/intellico.ai\/?p=19573"},"modified":"2026-07-24T15:45:30","modified_gmt":"2026-07-24T15:45:30","slug":"come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali","status":"publish","type":"post","link":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/","title":{"rendered":"Come Resilco Utilizza l\u2019Intelligenza Artificiale per Accelerare il Percorso di Rigenerazione da Rifiuti Industriali a Nuovi Materiali"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
01<\/span>

Rifiuto, non risorsa<\/h2><\/div>

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, anzich\u00e9 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, \u00e8 uno dei modi pi\u00f9 concreti in cui l’industria pesante pu\u00f2 diventare parte della soluzione climatica anzich\u00e9 del problema.<\/p>

Realizzare questo passaggio, tuttavia, \u00e8 pi\u00f9 difficile di quanto sembri. Ogni lotto di rifiuti industriali \u00e8 leggermente diverso, la sua composizione cambia in base all’impianto di provenienza, alla stagionalit\u00e0 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.<\/p>

Una delle aziende che affronta questa sfida \u00e8 Resilco, una Societ\u00e0 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 possibilit\u00e0 di sostituire parzialmente il materiale vergine nei prodotti da costruzione, ma la loro validazione richiede diversi test, fisici, chimici, prestazionali e ambientali.<\/p>

02<\/span>

Predire prima di testare<\/h2><\/div>

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 propriet\u00e0 chimico-fisiche dei materiali attraverso la piattaforma MATILDE\u00ae<\/a>, Intellico \u00e8 stata in grado di fornire un solido punto di partenza per il progetto. La soluzione \u00e8 stata poi personalizzata sulle esigenze specifiche di Resilco<\/strong>, 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 qualit\u00e0, prima dei test di laboratorio, riducendo significativamente i tempi di sperimentazione e supportando decisioni pi\u00f9 rapide.<\/p>

Anzich\u00e9 attendere settimane affinch\u00e9 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 cos\u00ec una stima preliminare della resistenza che il materiale avr\u00e0 una volta indurito, una previsione basata sulla composizione della ricetta e sulle prestazioni di materiali simili in passato.<\/p>

Inoltre, lo strumento non restituisce soltanto un numero. Grazie alle sue dashboard di Intelligenza Artificiale “Explainable”<\/strong>, mostra quali ingredienti e caratteristiche determinano la stima, cos\u00ec che gli esperti che esaminano i risultati possano valutare autonomamente se il ragionamento abbia senso, anzich\u00e9 affidarsi ciecamente a una scatola nera. Ogni previsione \u00e8 trattata come un’ipotesi di partenza per guidare il test fisico successivo, non come un suo sostituto.<\/p>

03<\/span>

Venti ricette<\/h2><\/div>

~20<\/p>

ricette reali nel dataset<\/p><\/div>

7 \u00b7 28<\/p>

giorni di maturazione predetti<\/p><\/div>

1\u00aa<\/p>

versione gi\u00e0 operativa<\/p><\/div><\/div>

La prima versione dello strumento \u00e8 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, \u00e8 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 pi\u00f9 ampi.<\/p>

Per un’azienda che sta ancora costruendo il proprio patrimonio di dati sperimentali, si tratta di un risultato significativo: dimostra che lo stesso approccio pu\u00f2 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 attivit\u00e0 verso nuovi materiali e processi.<\/p>

“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 pu\u00f2 ottimizzare ogni fase del processo operativo, garantendo eccellenza e soluzioni all’avanguardia nel settore dell’economia circolare.”<\/p>

\u00a0<\/div>

\u2014 Davide Callejo Munoz
CEO Resilco S.r.l. Societ\u00e0 Benefit<\/p><\/blockquote>

04<\/span>

Dal pilota alla scala<\/h2><\/div>

Sulla base dei risultati ottenuti, la prossima fase si concentrer\u00e0 sull’industrializzazione dei modelli predittivi e sull’implementazione su scala reale della piattaforma. Particolare attenzione sar\u00e0 dedicata a definire i metodi pi\u00f9 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 qualit\u00e0, la coerenza e la disponibilit\u00e0 dei dati di processo e di materiale migliorer\u00e0 ulteriormente le prestazioni dei modelli, gettando al contempo le basi per un approccio data-driven allo sviluppo prodotto e all’ottimizzazione operativa.<\/p>

05<\/span>

Oltre i materiali da costruzione<\/h2><\/div>

La sfida che Resilco affronta non \u00e8 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 pu\u00f2 raramente permettersi. Con la crescente pressione a sostituire le materie prime vergini con quelle riciclate e a catturare anzich\u00e9 emettere anidride carbonica, la capacit\u00e0 di ottenere una stima affidabile e precoce delle prestazioni di un nuovo materiale, senza attendere mesi di lavoro in laboratorio, separer\u00e0 sempre di pi\u00f9 le aziende che riescono a scalare i propri sforzi di sostenibilit\u00e0 da quelle che restano bloccate alla fase pilota.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Per accelerare la validazione delle nuove formulazioni di materiale, Resilco ha pertanto stretto una partnership con Intellico, attraverso la piattaforma MATILDE\u00ae…<\/p>\n","protected":false},"author":2,"featured_media":19581,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[49,65,152],"tags":[166,51,90],"class_list":["post-19573","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog-it","category-case-history","category-matilde","tag-gare","tag-ia","tag-intellico"],"yoast_head":"\nMATILDE per Resilco: AI per i materiali rigenerati | Intellico<\/title>\n<meta name=\"description\" content=\"Resilco valida con l'AI i materiali rigenerati da rifiuti industriali: con MATILDE\u00ae di Intellico.ai stime affidabili da sole 20 ricette.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"MATILDE per Resilco: AI per i materiali rigenerati | Intellico\" \/>\n<meta property=\"og:description\" content=\"Resilco valida con l'AI i materiali rigenerati da rifiuti industriali: con MATILDE\u00ae di Intellico.ai stime affidabili da sole 20 ricette.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/\" \/>\n<meta property=\"og:site_name\" content=\"Intellico\" \/>\n<meta property=\"article:published_time\" content=\"2026-07-24T15:33:36+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-07-24T15:45:30+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/intellico.ai\/wp-content\/uploads\/2026\/07\/resilco.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"903\" \/>\n\t<meta property=\"og:image:height\" content=\"507\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Intellico\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Intellico\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minuti\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"MATILDE per Resilco: AI per i materiali rigenerati | Intellico","description":"Resilco valida con l'AI i materiali rigenerati da rifiuti industriali: con MATILDE\u00ae di Intellico.ai stime affidabili da sole 20 ricette.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/","og_locale":"it_IT","og_type":"article","og_title":"MATILDE per Resilco: AI per i materiali rigenerati | Intellico","og_description":"Resilco valida con l'AI i materiali rigenerati da rifiuti industriali: con MATILDE\u00ae di Intellico.ai stime affidabili da sole 20 ricette.","og_url":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/","og_site_name":"Intellico","article_published_time":"2026-07-24T15:33:36+00:00","article_modified_time":"2026-07-24T15:45:30+00:00","og_image":[{"width":903,"height":507,"url":"https:\/\/intellico.ai\/wp-content\/uploads\/2026\/07\/resilco.jpg","type":"image\/jpeg"}],"author":"Intellico","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Intellico","Tempo di lettura stimato":"5 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#article","isPartOf":{"@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/"},"author":{"name":"Intellico","@id":"https:\/\/intellico.ai\/#\/schema\/person\/287a2a4ab61b77e7326eb0cb42faf494"},"headline":"Come Resilco Utilizza l\u2019Intelligenza Artificiale per Accelerare il Percorso di Rigenerazione da Rifiuti Industriali a Nuovi Materiali","datePublished":"2026-07-24T15:33:36+00:00","dateModified":"2026-07-24T15:45:30+00:00","mainEntityOfPage":{"@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/"},"wordCount":977,"image":{"@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#primaryimage"},"thumbnailUrl":"https:\/\/intellico.ai\/wp-content\/uploads\/2026\/07\/resilco.jpg","keywords":["gare","IA","Intellico"],"articleSection":["Blog","Case History","Matilde"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/","url":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/","name":"MATILDE per Resilco: AI per i materiali rigenerati | Intellico","isPartOf":{"@id":"https:\/\/intellico.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#primaryimage"},"image":{"@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#primaryimage"},"thumbnailUrl":"https:\/\/intellico.ai\/wp-content\/uploads\/2026\/07\/resilco.jpg","datePublished":"2026-07-24T15:33:36+00:00","dateModified":"2026-07-24T15:45:30+00:00","author":{"@id":"https:\/\/intellico.ai\/#\/schema\/person\/287a2a4ab61b77e7326eb0cb42faf494"},"description":"Resilco valida con l'AI i materiali rigenerati da rifiuti industriali: con MATILDE\u00ae di Intellico.ai stime affidabili da sole 20 ricette.","breadcrumb":{"@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#primaryimage","url":"https:\/\/intellico.ai\/wp-content\/uploads\/2026\/07\/resilco.jpg","contentUrl":"https:\/\/intellico.ai\/wp-content\/uploads\/2026\/07\/resilco.jpg","width":903,"height":507},{"@type":"BreadcrumbList","@id":"https:\/\/intellico.ai\/it\/blog\/come-resilco-utilizza-lintelligenza-artificiale-per-accelerare-il-percorso-di-rigenerazione-da-rifiuti-industriali-a-nuovi-materiali\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/intellico.ai\/it\/"},{"@type":"ListItem","position":2,"name":"Come Resilco Utilizza l\u2019Intelligenza Artificiale per Accelerare il Percorso di Rigenerazione da Rifiuti Industriali a Nuovi Materiali"}]},{"@type":"WebSite","@id":"https:\/\/intellico.ai\/#website","url":"https:\/\/intellico.ai\/","name":"Intellico","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/intellico.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/intellico.ai\/#\/schema\/person\/287a2a4ab61b77e7326eb0cb42faf494","name":"Intellico","url":"https:\/\/intellico.ai\/it\/blog\/author\/intellico\/"}]}},"_links":{"self":[{"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/posts\/19573","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/comments?post=19573"}],"version-history":[{"count":8,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/posts\/19573\/revisions"}],"predecessor-version":[{"id":19586,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/posts\/19573\/revisions\/19586"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/media\/19581"}],"wp:attachment":[{"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/media?parent=19573"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/categories?post=19573"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/intellico.ai\/it\/wp-json\/wp\/v2\/tags?post=19573"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}