Digital twin energetico per la manifattura: −39% sul costo dell’energia in simulazione
Un digital twin energetico per un gruppo manifatturiero con 7 stabilimenti: decide quando e dove produrre, con −39% sul costo dell’energia in simulazione.
- Anno
- 2026
- Ruolo
- Ideazione e sviluppo con l’AI
- Cliente
- Concept · gruppo manifatturiero multi-stabilimento
- Strumenti
- Claude Code · React
Esperienza umana
Gli anni nell’industria mi hanno insegnato che una parte del costo si decide prima di produrre: nell’ora scelta e nello stabilimento scelto. Ho definito le regole che il sistema non può mai violare, dalle scadenze alla qualità, e ho voluto che ogni numero fosse calcolato, mai messo in scena.
AI
L’ho costruito con Claude Code come team di sviluppo: motore di simulazione e ottimizzazione in Python, interfaccia React con mappa e gemello digitale 3D, scambio di file con SAP e 115 test automatici. L’AI ha scritto il codice; regole, dati sintetici documentati e verifiche li ho decisi e controllati io.
Risultato
−39%costo dell’energia vs pianificazione MRP (simulazione)
- 0
scadenze mancate
- 7
stabilimenti simulati ora per ora
Contesto
Nella manifattura il costo dell’energia cambia ora per ora e da uno stabilimento all’altro, ma la pianificazione tradizionale (MRP) produce appena può, dove è abituata. Ho costruito un digital twin energetico, cioè un gemello digitale di un gruppo manifatturiero con 7 stabilimenti in 5 paesi, per mostrare alla direzione quanto vale scegliere bene quando e dove produrre.
Obiettivo
Una demo dal vivo di dieci minuti per un pubblico non tecnico: chiara, credibile e con numeri tutti calcolati, mai messi in scena.
Come decide il digital twin
Dato un ordine di produzione, il sistema simula ora per ora i prezzi dell’energia per zona e fascia F1/F2/F3, le emissioni di CO2, il fotovoltaico, i turni, la capacità delle linee e la logistica. Poi confronta i piani possibili con quello della pianificazione tradizionale e raccomanda se produrre subito, rimandare, spostare in un altro stabilimento, dividere l’ordine o non produrlo affatto. Dieci regole non negoziabili, come scadenze e qualità, vincono sempre sul risparmio, e ogni raccomandazione va approvata da una persona.
Intelligenza artificiale per aziende manifatturiere, con i piedi per terra
Ogni decisione arriva con una spiegazione, un livello di confidenza e il confronto con il piano tradizionale. Se il piano tradizionale è già il migliore, il sistema lo dice invece di inventare un risparmio. Si integra con SAP tramite scambio di file e funziona anche senza connessione a internet.
Risultati
Nello scenario simulato di picco dei prezzi invernale, sugli 8 ordini prodotti il costo dell’energia scende del 39% rispetto alla pianificazione tradizionale, da 5.368 a 3.256 euro, senza scadenze mancate; un nono ordine, con domanda non confermata, viene fermato. Il sistema mostra anche il compromesso: spostando la produzione dove l’energia costa meno, le emissioni di CO2 di quegli ordini salgono del 16%. Sono dati sintetici documentati: il concept dimostra il metodo, non un risparmio già misurato in fabbrica.
