Ottimizzazione energetica e sostenibilità ambientale nell'estrusione del PVC attraverso l'integrazione di Digital Twin, Soft-Sensor e LCA

Abstract:
L’estrusione della plastica è un processo altamente automatizzato e ad alta intensità energetica, in cui efficienza e qualità del prodotto dipendono da complesse interazioni tra i parametri di processo e le proprietà dei materiali. In questo contesto, il Digital Twin (DT) è proposto come tecnologia per il miglioramento del monitoraggio e dell’ottimizzazione del processo attraverso l’integrazione di modelli data-driven (Machine Learning) e l’acquisizione di dati in tempo reale mediante sistemi Industrial Internet of Things (IIoT). Il DT viene inizialmente impiegato per stimare la portata e le caratteristiche qualitative del prodotto in assenza di sistemi di misura diretta, consentendo di accelerare le fasi di setup ed incrementandone così l’efficienza (Soft-Sensor-based DT). In parallelo, il DT supporta la stima in tempo reale del consumo energetico, tenendo conto della dipendenza dalla reologia del materiale e dalle condizioni di processo. Inoltre, l’integrazione del DT con la metodologia del Life Cycle Assessment (LCA) consente di generare in modo dinamico gli output della fase di Life Cycle Inventory (LCI), ovvero la fase in cui vengono raccolti i dati relativi al consumo delle diverse risorse (materiali ed energia) e alle emissioni prodotte, superando i limiti degli approcci statici tradizionali. I risultati dimostrano che l’implementazione del DT consente di migliorare la qualità e la risoluzione della raccolta dei dati ambientali, abilitando il monitoraggio continuo e l’ottimizzazione in tempo reale della performance ambientale del processo.