Modelli Intelligenti per la Previsione dei Consumi di Gas Naturale nei Canali di Condizionamento del Vetro: il Caso dello Stabilimento Bormioli Luigi di Fidenza = Intelligent Models for Predicting Natural Gas Consumption in Glass Forehearth Channels: the Case of Bormioli Luigi’s Plant in Fidenza

Il progetto di tesi proposto è il risultato di un’esperienza lavorativa svolta presso lo stabilimento produttivo Bormioli Luigi di Fidenza (PR), azienda leader mondiale nello sviluppo e manifattura di contenitori in vetro per la profumeria, la cosmetica, la distilleria e gli articoli per la tavola. Gli obiettivi dell’elaborato riguardano lo studio del comportamento dei canali di condizionamento del vetro e lo sviluppo di un modello intelligente in grado di predire accuratamente i consumi giornalieri di gas naturale associati al loro funzionamento. I capitoli iniziali descrivono il settore del vetro cavo, l’intero processo produttivo e la sua struttura energetica. Successivamente, è stata delineato lo scenario energetico attuale e le politiche volte a perseguire gli obiettivi di decarbonizzazione e riduzione dei consumi di energia, sottolineando il ruolo fondamentale del monitoraggio interno nel promuovere un’amministrazione sostenibile. I capitoli centrali presentano il sistema energetico dei canali di condizionamento del vetro, analizzando la struttura, i materiali di costruzione e il fenomeno di corrosione. Inoltre, viene esplorato il quadro energetico dei canali, evidenziando i vettori energetici in ingresso e uscita. In seguito, è stata introdotta la scienza dei dati, l’apprendimento automatico e gli algoritmi di regressione, spiegando come le aziende adottino un approccio di business informato. Dopodiché, è stata illustrata la metodologia dell’analisi, che include la progettazione e la pulizia della base dati, nonché gli strumenti impiegati per raccogliere le informazioni relative alle produzioni giornaliere su dodici canali diversi. Inoltre, è stato identificato un gruppo di potenziali variabili (di processo, energetiche e strutturali) per inferire un modello di apprendimento automatico. A tal fine, si è reso necessario sviluppare anche un modello per descrivere l’evoluzione adimensionale dell’usura nei sistemi in esame, nonché un approccio semplificato per stimare le perdite di calore nei canali. Successivamente, l’analisi principale, condotta con MATLAB, ha impiegato modelli di apprendimento d’insieme come il Bagging e la Foresta casuale. Dopo la selezione delle caratteristiche e l’ottimizzazione dei parametri del modello, sono stati analizzati graficamente i residui e testato il modello su nuovi dati, valutando le principali metriche di errore. Infine, il modello è stato interpretato tramite grafici di dipendenza parziale, dimostrando che la Foresta casuale ha migliorato le prestazioni complessive. Pertanto, sono stati discussi i risultati principali, gli sviluppi futuri e i potenziali nuovi approcci per migliorare ulteriormente il modello previsionale. In conclusione, il modello sviluppato è stato impiegato per prevedere nuovi consumi giornalieri di gas naturale, utili per quantificare in anticipo le emissioni di CO2 e i costi associati.