Machine Learning come risorsa per il settore conciario
A cura di Luigi Salmaso e Marta Disegna, Università di Padova
Contributo apparso su CPMC II/2023
Con il termine Intelligenza Artificiale intendiamo un insieme di diversi approcci che consentono di creare “macchine intelligenti”, ovvero meccanismi che agiscono o reagiscono a stimoli esterni nel modo più umano possibile replicando caratteristiche o
comportamenti propri del genere umano. L’Intelligenza Artificiale non si riferisce ad un unico concetto ma ad una pluralità di approcci, tra cui gli algoritmi di Machine Learning. Questi algoritmi sono nati dall’esigenza di sviluppare metodi statistici avanzati per l’identificazione di schemi e relazioni nascoste tra i dati che consentano di estrarre maggiori informazioni utili per prendere decisioni e ottenere previsioni future più accurate. L’approccio al Machine Learning non è, come molti pensano, a scatola chiusa ma è costituito da regole matematichestatistiche ben definite e gli algoritmi non sono altro che una serie di istruzioni, ovvero linee di codice, che rappresentano il più possibile il pensiero umano. Esistono diverse tipologie di algoritmi di Machine Learning che si differenziano per l’oggetto di analisi. Negli anni, sono stati sviluppati principalmente modelli di previsione, classificazione e raggruppamento. Tra gli algoritmi di Machine Learning più conosciuti citiamo, a titolo di esempio, le reti neurali, gli alberi decisionali e il Deep Learning. I modelli di Machine Learning si sono sviluppati a metà del ventesimo secolo grazie alla rivoluzione informatica prima e digitale poi ma è con la quarta rivoluzione industriale, nota come industria 4.0, che questi algoritmi sono entrati a far parte della vita quotidiana aziendale, a prescindere dal settore industriale di appartenenza. In particolare, nel settore conciario, i modelli di Machine Learning possono avere un ruolo fondamentale su vari aspetti che vanno dalla sostenibilità, ambientale ma anche di filiera, al “Made in Italy” (Jamwal et al. 2022). Queste tecnologie possono infatti aiutare le aziende di questo settore a ridurre sia i costi, di produzione e manutenzione, che i difetti di produzione sviluppando aziende altamente efficienti. Per quanto riguarda la sostenibilità, il Machine Learning può essere utilizzato per vari scopi tra cui: l’ottimizzazione dei processi, l’ottimizzazione della catena di fornitura, la riduzione degli sprechi, il controllo qualità, la gestione dell’acqua e dei prodotti chimici, la previsione dell’impatto ambientale (Morera et al. 2023, Satinet & Fouss 2022, Zhang et al. 2021). In particolare, attraverso l’analisi dei dati, sia storici che raccolti in tempo reale, relativi ai processi di concia è possibile identificare i fattori che consentono di ridurre significativamente il consumo di risorse, quali prodotti chimici, acqua ed energia, o la generazione di rifiuti, mantenendo la qualità desiderata del prodotto finale. La riduzione degli sprechi può avvenire attraverso modelli che identificano i fattori di rischio che, nelle diverse fasi di produzione, potenzialmente
riducono la qualità o definiscono la difettosità del prodotto. Tale analisi consente di adottare misure preventive, quali l’aggiustamento dei fattori di produzione o l’applicazione di trattamenti specifichi, che consentono di ridurre gli sprechi e il riprocessamento dei prodotti. Un altro aspetto importante che crea preoccupazioni per il settore della concia è l’uso dell’acqua e lo smaltimento dei prodotti chimici (Turki et al. 2020). I modelli di Machine Learning consentono di ottimizzare sia l’uso dell’acqua, definendo quantità da erogare e fasce orarie ottimali di utilizzo durante il processo di concia, che l’uso di prodotti chimici, identificando la giusta dose da utilizzare in ciascuna fase del processo di concia riducendo gli sprechi. In generale, considerando fattori come il consumo di energia, l’uso dell’acqua, gli sprechi di prodotti chimici e le emissioni di carbonio, gli algoritmi di Machine Learning possono aiutare le concerie a valutare il proprio grado di sostenibilità, su ciascuna fase di lavorazione, individuando aree di miglioramento e consentendo alle aziende di prendere decisioni basate sui dati che gli
permettano di ridurre l’impatto ambientale (Merneedi & Palisetty 2023). Per quanto riguarda l’ottimizzazione della catena di
fornitura, il Machine Learning è un valido strumento per prevedere la domanda, riducendo sovrapproduzioni, ottimizzare gli
approvvigionamenti e identificare percorsi di trasporto sostenibili, ovvero percorsi che consentano di ridurre le emissioni di carbonio e di energia. Identificando i fattori che maggiormente determinano l’insorgenza di un difetto di produzione, gli algoritmi di Machine Learning sono un valido strumento anche per migliorare la reputazione del “Made in Italy” delle industrie conciarie assicurando livelli costanti e ottimali di qualità, guidando la progettazione e innovazione del prodotto, rilevando contraffazioni, fornendo esperienze e prodotti personalizzati in funzione dei bisogni dei consumatori e promuovendo la sostenibilità. In particolare, il “Made in Italy” è spesso associato a concetti difficili da valutare quali autenticità e artigianato. Gli algoritmi di riconoscimento delle immagini e di elaborazione dei testi possono svolgere un ruolo chiave nell’identificazione di prodotti contraffatti analizzando, ad esempio, immagini o descrizioni reperibili online (Adão et al. 2022, Chen et al. 2022, Jawahar et al.
2023, Moganam & Sathia Seelan 2022).
Attraverso i modelli di Machine Learning è poi possibile analizzare gli andamenti di mercato e le preferenze dei consumatori, entrambi in continua evoluzione e caratterizzati da un’elevata incertezza, fornendo vitali informazioni per la progettazione e sviluppo di nuovi prodotti in pelle. Sfruttando il Machine Learning, e le tecnologie dell’Intelligenza Artificiale in generale, le concerie possono proteggere la reputazione del marchio “Made in Italy”, sostenendo la tradizione dell’artigianato italiano e mantenendo il vantaggio competitivo del settore conciario italiano nel mercato globale, sia in termini di qualità che creatività.
Vuoi ricevere la copia di CPMC? Iscriviti QUI per leggere la rivista ufficiale della Stazione Pelli e non perderti i prossimi numeri.