Sul piano economico pre-pandemico la produzione mondiale di automobili ha affrontato un periodo abbastanza turbolento calando dell’8% nel triennio 2017-2019. Questo è successo principalmente perché in Cina, che è la nazione più popolosa del mondo, la domanda è diminuita costringendo la produzione a dover rallentare di conseguenza. Nel 2020 il trend non è cambiato soprattutto dal momento che per molte nazioni, tra cui l’Italia, i primi lockdown generalizzati hanno costretto gli impianti produttivi a chiudere e non si sa ancora bene quando la produzione potrebbe raggiungere i livelli di qualche anno fa.

Per quanto riguarda il piano ambientale, invece, la produzione di automobili è di per sé un’attività che ha un impatto molto alto. Le recenti stime delle principali case automomilistiche ci dicono che il gruppo BMW emette circa 0.40 tonnellate di CO2eq per produrre una singola automobile, Nissan 0.49 tonnellate, Toyota 0.39 e Volkswagen fino a 0.72 tonnellate in media. Sebbene il settore automobilistico stia da tempo facendo passi in avanti – si pensi a veicoli ibridi, elettrici e a basso impatto ambientale – la produzione degli stessi deve ancora migliorare in termini di decarbonizzazione.

Le tecnologie digitali possono supportare la produzione di automobili tanto sul piano economico quanto su quello ambientale riorganizzando interi processi produttivi per renderli meno dannosi per l’ambiente e con un ritorno economico futuro senz’altro maggiore. A tal proposito abbiamo selezionato alcuni esempi di come l’integrazione delle tecnologie digitali negli impianti produttivi abbia effettivamente portato dei risultati concreti che meritano una particolare attenzione anche in vista del raggiungimento degli obiettivi di Agenda2030.

L’Intelligenza Artificiale per il Design e la produzione di componenti

Quando si accosta l’AI al settore dell’automotive si fa quasi sempre riferimento ai veicoli a guida autonoma e ai sistemi di assistenza per rendere la guida più sicura, ma questa tecnologia può essere utilizzata anche durante la produzione dei veicoli per una serie di attività lungo tutta la filiera.

Audi utilizza l’Intelligenza artificiale all’interno della produzione per identificare la presenza di eventuali crepe sulle lamiere, piccole o grandi che siano. Questo permette di ridurre al minimo il rischio di produrre un’automobile con una portiera, un cofano o un paraurti danneggiato. General Motors, invece, la utilizza durante la fase di design per progettare varie componenti dei veicoli con stili e dettagli diversi tra loro. Con l’additive manufacturing e il generative design, l’azienda è in grado esplorare diverse soluzioni di progettazioni combinando l’esperienza ingegneristica dei team al lavoro con il machine learning in un’ottica sinergica tra il lavoro umano e quello dei computer. Inserendo dei parametri all’interno dei software, come il budget a disposizione, la tipologia di componenti, i materiali e i metodi di produzione, l’algoritmo dell’AI fornisce diverse soluzioni progettuali in grado di soddisfare tutti i criteri.

Si possono utilizzare gli algoritmi anche per fare previsioni sui malfunzionamenti sia delle automobili che dei macchinari che ne producono le parti. Questo tipo di soluzioni consente di ridurre i costi legati alla produzione e alla manutenzione e da la possibilità di ottimizzare tutta la macchina produttiva offrendo più possibilità di scelta rispetto ai modelli di produzione tradizionali.

Big Data per le tempistiche e il controllo qualità

Per far sì che la produzione non rallentasse a causa dei guasti dei macchinari, Ford ha iniziato ad utilizzare i Big Data all’interno del suo stabilimento a Valencia all’inizio del 2019. Attraverso dei sensori detti miniterms, l’azienda è in grado di rilevare quando un macchinario inizia a non performare più bene rallentando progressivamente nello svolgimento delle sue attività. I dati rilevati da questi sensori vengono analizzati per fornire informazioni in tempo reale sugli andamenti della produzione agli ingegneri e per segnalargli quando un macchinario necessita una manutenzione straordinaria per riprendere i ritmi soliti. Ford ha stimato che in due anni è stato risparmiato oltre un milione di euro ed è riuscita a rispettare i tempi di consegna senza particolari problemi.

I big data possono essere impiegati anche per le analisi predittive della qualità così da identificare eventuali problemi nelle automobili molto più rapidamente di prima. Infatti le aziende automobilistiche sono soggette a molti controlli sulla qualità perché le auto devono garantire determinati standard ecologici – si pensi alle varie normative vigenti e alle classi di motori identificate dall’Unione Europea – e di sicurezza per essere vendute e i big data sono dei validi alleati per far sì che un’automobile possa essere consegnata al cliente nel miglior stato possibile.

Questo ha un risvolto ecologico molto importante perché è identificando e risolvendo eventuali anomalie ai motori che è possibile mettere su strada automobili poco inquinanti. Lo stesso vale per le automobili elettriche dove la risoluzione di imperfezioni alle batterie può consentire di risparmiare molte tonnellate di CO2eq.

IoT per la progettazione e un minore impatto ambientale

Nel settore dell’automotive l’Internet of Things ha molti margini di applicazione soprattutto per quanto riguarda il rapporto tra conducente e veicolo per far sì che le auto possano frenare in tempo evitando collisioni o che possano mantenere la traiettoria perfettamente all’interno della corsia. I dati raccolti da questi sistemi di IoT sono molto utili anche per migliorare la progettazione delle auto così da poter capire quali funzioni e sono utilizzate dagli automobilisti e come essi vi interagiscono per migliorarle o rimuoverle del tutto.

L’implementazione della sensoristica IoT all’interno delle fabbriche consente anche di raffinare gli output produttivi: un sistema di produzione con i sensori fornisce costantemente aggiornamenti sull’andamento del lavoro e può essere confrontato con una sua simulazione digitale perfettamente funzionante. Dal confronto emergeranno più facilmente i punti di discostamento rispetto al modello così da poter indirizzare gli interventi di risoluzione e migliorare l’intero processo. È quello che ha fatto Bosh che è riuscita ad ottenere un miglioramento della produzione del 25% sugli impianti di ABS.

Ma confrontare l’andamento della produzione con un suo modello può anche servire a decarbonizzare l’intero procedimento. Questo perché se il termine di paragone è un processo efficiente e a basso impatto ambientale allora è possibile far sì che l’intera produzione si migliori di volta in volta per livellarsi al prototipo virtuale più efficace ed efficiente dal punto di vista delle emissioni di anidride carbonica.

Efficientare la produzione di automobili attraverso il digitale ha dei risvolti pratici sul piano economico e su quello ambientale perché è possibile ridurre gli sprechi, i costi della produzione e l’impronta carbonica del processo produttivo, ma ha anche degli effetti molto importanti sul piano sociale perché le tecnologie digitali consentono un maggior controllo su tutta la filiera e fanno si che possano essere venduti dei veicoli più sicuri, meno inquinanti e più sostenibili.