L'evento AVEVA Industrial Performance & Sustainability Summit Italy ha riunito, all'inizio di ottobre a Milano, i protagonisti della transizione sostenibile dell'industria nazionale.
Nella sede della Fondazione Riccardo Catella, top manager e rappresentanti di aziende leader nei settori energetico, chimico, manifatturiero e ingegneristico si sono confrontati sulle soluzioni più innovative per coniugare performance operativa e obiettivi ESG.
La sostenibilità industriale passa dai dati
Il messaggio centrale emerso dal summit è chiaro: la sostenibilità industriale è innanzitutto una questione di misurazione. Solo attraverso dati affidabili, tecnologie interoperabili e intelligenza predittiva è possibile rendere i processi industriali più efficienti e ridurne concretamente l'impatto ambientale.
Standard e progettazione sostenibile: le basi della transizione
Al Summit Aveva è intervenuto Andrea Bombardi, Global Market Development di RINA, che ha illustrato come gli standard di sostenibilità debbano guidare la progettazione di impianti e infrastrutture complesse attraverso l'impiego di tecnologie e azioni convergenti.
Nextchem, parte del gruppo Maire-Tecnimont, attraverso Edoardo Disarò, ha presentato la propria visione incentrata sulla decarbonizzazione di impianti esistenti e nuovi.
La società ha dimostrato come strumenti di ingegneria avanzata permettano una progettazione più efficiente, operazioni ottimizzate e una collaborazione più fluida tra i team di lavoro.
Il caso Enel Green Power: risultati tangibili dalla manutenzione predittiva
Uno dei momenti più significativi dell'Aveva Summit è stata la presentazione del progetto realizzato da Enel Green Power in collaborazione con AVEVA. Andrea Pica, Head of Global TS Cross Remote Diagnostic Area, ha illustrato come la digitalizzazione dei processi di Operations & Maintenance abbia prodotto risultati misurabili e straordinari.
Attraverso le soluzioni AVEVA Predictive Analytics e AVEVA PI System, Enel ha analizzato due anni di dati operativi della flotta termica e geotermica, dimostrando l'impatto concreto della diagnostica remota.
Grazie alla riduzione dei fermi non pianificati ha evitato 1,2 TWh di energia non prodotta. Ha poi risparmiato oltre 54.000 tonnellate di CO₂ equivalente, grazie al miglioramento dell'efficienza operativa. Infine, ha evitato 3.000 tonnellate di emissioni, attraverso una maggiore generazione da fonti rinnovabili.
Questi numeri dimostrano come la manutenzione predittiva non sia solo uno strumento di efficientamento, ma un pilastro strategico per la decarbonizzazione industriale.
La decarbonizzazione secondo Schneider Electric
A parlare di decarbonizzazione, nella sessione pomeridiana, è salito sul palco anche Claudio Giulianetti, VP Industrial Automation di Schneider Electric, che ha presentato la visione del gruppo in questo percorso aziendale, proponendo soluzioni integrate per accompagnare i clienti verso l'efficientamento e la sostenibilità.
Carbon Capture: Termokimik e l'approccio sinergico ai progetti CCUS
Termokimik, tra le principali realtà EPC italiane specializzata nella progettazione di impianti industriali per la protezione dell'ambiente, ha condiviso la propria esperienza sui progetti di Carbon Capture, Utilization and Storage (CCUS).
Alberto Gambarè, Process Engineering Manager, e Mario Crespi, Senior Process Engineer, hanno raccontato come, dopo aver validato con le tecnologie EPC di Aveva il progetto pilota CCUS realizzato per Enel, l'azienda abbia intrapreso nuovi progetti sfruttando la simulazione per testare diverse condizioni operative in fase di early design.
Questo approccio consente di mitigare l'impatto ambientale della produzione di energia elettrica, promuovere maggiore circolarità nei processi industriali e ottenere risultati concreti sulla riduzione delle emissioni di CO₂.
Dati, AI e collaborazione per un'industria resiliente
Il momento conclusivo del Summit è stata la tavola rotonda "Sostenibilità: Decisioni e Azioni Condivise basate sui Dati", moderata da Marta Ponis, Strategic Streams Global Vice President di RINA, con la partecipazione di Mona Mohamed Mohiyeldin Soliman, Head of Digital Ambiente and Operational Technology Solutions di A2A, Lamberto Lamberti, Head of Group Sustainability di Lamberti, Valter Mantelli, Direttore Tecnico di Iplom, Giuseppe di Bartolo, Sales Director and Board Member di E-matica.
Il dibattito si è concentrato sul ruolo dell'intelligenza artificiale industriale, dell'analisi predittiva e della gestione integrata dei dati nel promuovere: efficienza energetica, riduzione degli sprechi, prolungamento del ciclo di vita degli asset industriali, impatto misurabile in settori ad alto impatto climatico.
Tre domande a Luca Branca
Intercettato al termine della tavola rotonda, Luca Branca, Country Director di AVEVA Italia, ribadisce ai microfoni di Automazionenews l'importanza del dato come punto di partenza per attuare strategie concrete di sostenibilità e ci ha dato la sua interpretazione sul ruolo dell'AI in questo percorso.
All’Aveva Summit si rafforza il messaggio che la sostenibilità industriale vada necessariamente misurata, come primo passo per migliorarla. Il caso Enel Green Power ne è un esempio illuminante. Cosa ne pensi di questo caso di riduzione della CO₂ grazie alla manutenzione predittiva?
La sostenibilità non è un concetto astratto: è un processo misurabile, e la digitalizzazione fornisce gli strumenti per trasformare i dati in azioni concrete. Il caso di Enel Green Power dimostra come la manutenzione predittiva non sia solo una leva di efficienza, ma anche di sostenibilità: ridurre i guasti significa ottimizzare l’utilizzo degli asset, diminuire l’impatto ambientale e, soprattutto, evitare sprechi energetici. Ed è immediato comprendere come ogni intervento di manutenzione evitato grazie ai dati sia un risparmio di CO₂, di risorse e di tempo.
E cosa diresti che serve oggi a un’azienda per passare davvero dalla teoria alla pratica, dalle dichiarazioni di obiettivi ESG a risultati concreti?
Per passare dalla teoria alla pratica, le aziende devono prima di tutto avere accesso ai propri dati in modo integrato e affidabile. Per misurare la sostenibilità su fatti e non su intenzioni, serve una base dati solida, piattaforme digitali connesse, e una cultura aziendale orientata alla collaborazione tra IT, Operations e management: solo così gli obiettivi ESG diventano risultati tangibili.
Durante la tavola rotonda si è parlato di come si ritenga ancora difficile coniugare efficienza operativa e sostenibilità. In che modo l'AI può contribuire nelle aziende a far convergere in modo strategico questi due aspetti?
Partiamo dal presupposto che la sostenibilità non debba essere vista come un mero obbligo normativo, ma come un vero e proprio driver di competitività. In questa prospettiva, la tecnologia – e ancor più l’innovazione abilitata dall’Intelligenza Artificiale – consente alle aziende di automatizzare l’analisi dei dati, ottimizzare i processi produttivi, ridurre consumi e sprechi e, allo stesso tempo, migliorare le performance operative. In pratica, un modello di AI può prevedere l’usura di un componente, ottimizzare i cicli di manutenzione o suggerire il modo più efficiente di utilizzare energia e materie prime. E questo approccio data-driven trasforma la sostenibilità da costo a vantaggio competitivo concreto. In Aveva vediamo l’AI non come una tecnologia a sé, ma come un acceleratore di consapevolezza e collaborazione: uno strumento per aiutare le aziende a prendere decisioni più rapide, più intelligenti e più sostenibili.
Un ecosistema aperto per la trasformazione sostenibile
L'Aveva Industrial Performance & Sustainability Summit si è confermato un evento ben inserito nel percorso strategico della software company che punta a favorire la convergenza tra performance operativa e obiettivi ESG, attraverso tecnologie industriali avanzate e metriche condivise e trasparenti.
Il Summit ha messo in evidenza come l'industria nazionale possa affrontare la sfida della sostenibilità con strumenti concreti, investimenti mirati e una visione condivisa: quella di un futuro industriale più efficiente, resiliente e responsabile.