Dall’osservazione dei macchinari alla modellazione avanzata dei fenomeni: l’analisi dei processi produttivi di KME

Nel distretto metallurgico della Valle del Serchio, lo stabilimento KME di Fornaci di Barga rappresenta uno dei poli produttivi storici della lavorazione del rame e delle sue leghe. Si tratta di un impianto articolato, in cui linee e macchinari operano in continuità e dove ogni variazione di temperatura, pressione o velocità influenza in modo diretto la qualità del prodotto finale. In questo scenario, l’affidabilità dei dati di processo diventa una condizione necessaria per mantenere stabilità, efficienza e controllo dei parametri critici. È in questo contesto che KME ha avviato un progetto con SAS, affiancato dalla collaborazione tecnologica di Alleantia, con l’obiettivo di ottenere una lettura più precisa del comportamento degli impianti e di ridurre l’incertezza che accompagna i fenomeni fisici più complessi. La combinazione tra acquisizione strutturata dei dati di fabbrica e modellazione analitica ha permesso all’azienda di affrontare una sfida tipica degli ambienti produttivi maturi: integrare competenze ingegneristiche consolidate con strumenti capaci di descrivere, correlare e anticipare dinamiche non immediatamente osservabili.

A descrivere contesto e progetto, l’Ing. Manuele Fanucci e l’Ing. Francesco Bucci rispettivamente Plant Director e Engineering and Technology di KME Italy di Fornaci di Barga, che dicono: “lo stabilimento di Fornaci di Barga è un impianto in cui la produzione del rame e delle sue leghe si sviluppa attraverso fasi consecutive e strettamente collegate".

La responsabilità di governare questa complessità ricade sulla direzione di stabilimento, guidata dall’Ing. Manuele Fanucci, che deve garantire continuità operativa e controllo dei processi in condizioni spesso variabili. All’interno di questo scenario, l’Ing. Francesco Bucci ha assunto il coordinamento tecnico del progetto basato su SAS. La sua attività si è concentrata sullo sviluppo di un sistema capace di rendere leggibili fenomeni che normalmente emergono solo attraverso l’esperienza diretta degli operatori o attraverso analisi puntuali non sempre replicabili. L’obiettivo era ottenere una visione più precisa del comportamento delle macchine, correlare dati provenienti da sensori diversi e ricostruire dinamiche che, nella pratica quotidiana, risultano difficili da isolare o interpretare. La sfida principale risiedeva nella disomogeneità delle fonti: ogni linea e ogni macchina produce dati con frequenze, formati e livelli di granularità differenti, rendendo complesso stabilire una base comune di osservazione.

Per affrontare questo nodo tecnico è stato necessario introdurre un sistema di connettività industriale in grado di raccogliere, standardizzare e trasmettere dati di campo in modo continuo. A questo scopo KME ha coinvolto Alleantia, partner SAS, che ha messo a disposizione le proprie tecnologie di integrazione OT/IT. “Abbiamo lavorato per creare un'infrastruttura capace di unificare flussi informativi eterogenei, garantire stabilità nella raccolta dei dati e predisporre le condizioni per un utilizzo analitico affidabile da parte della piattaforma SAS”, spiegano Antonio Conati Barbaro, Co-founder & COO di Alleantia, e Stefano Linari, Presidente e CEO di Alleantia. “Questa base tecnica è diventata il prerequisito per trasformare le osservazioni di stabilimento in un progetto strutturato di analisi avanzata”.

La sfida iniziale: comprendere fenomeni complessi e stabilizzare i processi

Il progetto nasce con un obiettivo preciso: migliorare la qualità del monitoraggio dei parametri di processo e aumentare la capacità di prevenire condizioni che possono generare inefficienze, scarti o fermi impianto.

In sintesi, le principali difficoltà erano l’eterogeneità delle fonti dati, la complessità di mettere in relazione le variabili fisiche e l’assenza di un modello analitico in grado di spiegare alcuni fenomeni tecnici.

Il tema non era la quantità di dati disponibile, ma la possibilità di trasformarli in una rappresentazione consistente e utile ai fini decisionali. Un ulteriore elemento era la necessità di disporre di analisi tempestive, capaci di supportare gli operatori nella gestione quotidiana degli impianti, senza sovraccaricare le attività operative.

Il contributo di SAS Viya: modellazione, scalabilità e gestione del ciclo analitico

Tre elementi hanno avuto un ruolo determinante

1. L’integrazione con le fonti dati industriali, resa possibile dalla connettività predisposta da Alleantia.

2. La possibilità di costruire modelli predittivi e descrittivi, utili per individuare soglie critiche, condizioni anomale e dinamiche non lineari.

3. La scalabilità della piattaforma, che consente di estendere l’analisi ad altri impianti o processi senza modificare la struttura del progetto.

Il team KME ha potuto sperimentare diverse configurazioni analitiche, confrontare modelli e costruire indicatori sintetici di performance, ottenendo una maggiore visibilità sui fenomeni tecnici rilevanti.

Le nuove capacità ottenute: monitoraggio avanzato e supporto decisionale

“Dopo la messa a regime del progetto, l’organizzazione dispone di un patrimonio informativo più solido”, puntualizzano gli ingegneri di KME. “Oltre alla standardizzazione della raccolta dati, abbiamo acquisito nuove capacità di correlazione tra variabili, che permettono di comprendere il comportamento dei fenomeni con maggiore precisione; indicatori predittivi, utili per anticipare condizioni di rischio o riduzioni di efficienza; strumenti di simulazione, grazie ai quali valutare scenari alternativi e confrontare l’impatto di variazioni di processo; maggiore affidabilità nelle analisi, con la possibilità di validare e confrontare i modelli nel tempo”.

La differenza rispetto alla situazione precedente risiede nella disponibilità di un sistema che non si limita a raccogliere dati, ma che permette di interpretarli e usarli in modo sistematico per migliorare le decisioni operative. Gli effetti osservabili riguardano maggiore stabilità dei cicli produttivi, grazie alla possibilità di identificare precocemente anomalie nei parametri; riduzione di inefficienze e scarti, ottenuta attraverso il monitoraggio continuo e la modellazione dei fenomeni critici; riduzione dei tempi di analisi, con un impatto positivo sulla tempestività decisionale; ottimizzazione delle attività operative, supportate da indicatori più affidabili.

L’approccio analitico ha permesso inoltre di consolidare una conoscenza tecnica più precisa sugli impianti, con benefici indiretti anche sulla manutenzione e sulla gestione dei fermi.

Tracciabilità ambientale di prodotto: estendere l’analisi oltre il processo

Le nuove capacità analitiche permettono allo stabilimento di Fornaci di Barga di misurare con precisione l’impatto ambientale dei prodotti, tracciando la carbon footprint di ciascun articolo durante tutto il ciclo produttivo, grazie a dati di processo dettagliati e affidabili. Non si tratta più di stime generiche, ma di analisi puntuali basate sui dati reali di produzione, che collegano consumi energetici, parametri di processo e le caratteristiche del prodotto finale.

Questo approccio permette a KME di garantire una tracciabilità reale della sostenibilità del prodotto e della supply chain a esso associata, un risultato che - almeno nel contesto europeo - rappresenta un elemento distintivo. La sostenibilità viene così ricondotta all’interno del perimetro industriale e operativo: non come dichiarazione a valle, ma come esito diretto di processi misurati, monitorati e governati attraverso i dati. In questo senso, l’analisi avanzata non supporta solo l’efficienza e la qualità, ma diventa uno strumento abilitante per una rendicontazione ambientale verificabile e tecnicamente fondata.

Integrazione dati e prospettive di evoluzione: il modello KME

L’avvio del progetto presso lo stabilimento di Fornaci di Barga ha messo in luce la necessità di una infrastruttura robusta per la raccolta e la gestione dei dati, indispensabile per affrontare la complessità produttiva. Attraverso l’integrazione OT/IT garantita da Alleantia, KME ha potuto unificare e standardizzare le informazioni provenienti da diversi macchinari, assicurando un flusso dati continuo e coerente verso la piattaforma SAS Viya. Questo approccio ha risolto la frammentazione dei dati e ha posto le basi per una scalabilità semplice del modello, trasformando l’iniziativa in un riferimento per l’intera organizzazione.

Guardando al futuro, il progetto segna l’inizio di una trasformazione nella gestione dei processi produttivi, con l’ambizione di estendere il modello ad altri reparti e siti del gruppo. Gli sviluppi attesi riguardano l’aumento delle variabili monitorate grazie a nuovi sensori e fonti dati, l’affinamento dei modelli predittivi e l’adozione di dashboard operative a supporto degli operatori. L’architettura OT/IT integrata con SAS Viya rende il sistema replicabile in diverse unità produttive, favorendo una gestione omogenea e confrontabile dei dati.

L’obiettivo finale è integrare la cultura dei dati nella gestione degli impianti, rafforzando la capacità di osservazione, controllo e prevenzione dei fenomeni critici.

12 gennaio 2026