Vuoi saperne di più di questa Case history?
Scrivici subito!
SCAM & SpectralizeR
Monitoraggio qualità AI-driven nella
produzione di fertilizzanti
Un grande produttore di fertilizzanti si trova ad affrontare una produzione complessa, caratterizzata da grandi lotti e processi lunghi, con una gamma di prodotti diversificata.
Contesto
Il settore manifatturiero è uno dei principali ambiti applicativi dell’Intelligenza Artificiale, con vantaggi concreti nell’operatività quotidiana. Le applicazioni orientate al controllo qualità rappresentano uno dei principali driver di crescita: consentono di minimizzare i difetti, garantire consistenza nel tempo e alzare il livello qualitativo generale della produzione.
SCAM, azienda leader nella produzione di Concimi Organo-Minerali con dichiarazione ambientale certificata (EPD) e all’avanguardia nella formulazione di biostimolanti e concimi speciali, ha deciso di impiegare sensori NIR per attivare un sistema di monitoraggio in tempo reale dell’intera produzione. Ecco come.
La Sfida
I prodotti SCAM sono il frutto di un’attenta calibratura di ingredienti ad alto valore agronomico e ambientale. Per garantirne la qualità a livello di singolo sacco immesso sul mercato, è fondamentale mantenere il livello di umidità entro un range molto ristretto — con un errore massimo accettabile di 0,3% — lungo tutto il processo produttivo.
La produzione è complessa: grandi lotti, processi lunghi e una gamma diversificata di SKU rendono la qualità del prodotto finale sensibile a numerose variabili. Le sfide principali erano:
- Rilevare tempestivamente i drift produttivi prima che generino prodotto fuori specifica
- Abilitare interventi correttivi rapidi da parte di operatori e chimici di laboratorio
- Ottimizzare il controllo qualità in termini di costo e accuratezza analitica
La Soluzione
Kode ha sviluppato una versione custom di SpectralizeR, il suo software chemiometrico AI, con sonde NIR installate in due punti critici dell’impianto: durante la granulazione e prima del confezionamento.
Applicability Domain
Per ogni tipologia di prodotto è stato costruito un modello di Applicability Domain che assegna uno score di validità a ogni spettro acquisito, distinguendo le acquisizioni corrette da quelle anomale e generando alert automatici per gli operatori.
Modello di Calibrazione
Sui dati validati, il team di data science ha sviluppato un modello chemiometrico predittivo, addestrato in più iterazioni per garantire robustezza rispetto a fattori esogeni (polvere, temperatura, luminosità). Il modello converte l’impronta spettrale in un valore di umidità leggibile in dashboard, in forma grafica o tabellare.
Sistema di Decision Support
Un’applicazione web custom, accessibile da qualsiasi postazione, con interfacce differenziate per ruolo:
- Per gli operatori di linea: monitoraggio real-time con allarmi di superamento soglia, visualizzazione dell’andamento temporale e drift prevention tramite modelli previsionali e regole di Statistical Process Control (MSPC).
- Per i chimici di laboratorio: una sezione dedicata per gestire i modelli esistenti, applicare pipeline di preprocessing, calcolare l’Applicability Domain e creare nuove calibrazioni in autonomia — senza dipendere da supporto esterno.
I Risultati
Grazie all’integrazione di SpectralizeR, SCAM ha ottenuto:
- Riduzione di drift e anomalie grazie al rilevamento precoce e agli alert in tempo reale
- Garanzia della qualità per ogni singola unità prodotta e commercializzata
- Ottimizzazione del processo attraverso monitoraggio continuo e analisi storica per SKU
- Autonomia nella ricalibrzione dei modelli chemiometrici da parte del personale di laboratorio
SCAM ha integrato operativamente la soluzione in produzione e può già certificare la qualità di ogni prodotto immesso sul mercato.
Conclusioni
Il progetto SpectralizeR dimostra come l’AI chemiometrica, correttamente ingegnerizzata per un contesto industriale, vada ben oltre la raccolta dati: diventa un sistema attivo che protegge la qualità, riduce gli scarti e mette gli operatori in condizione di agire in autonomia e in tempo reale. Un approccio pienamente in linea con i principi dello Smart Manufacturing e di Industry 5.0.
