Lo sviluppo tecnologico sta rivoluzionando molti settori, tra cui anche quello zootecnico. È in questo ambito che si colloca il progetto Zootecnica 4.0 realizzato da Npo Sistemi e presentato nella categoria Automation dei Digital360 Awards 2023. Grazie all’integrazione di più tecnologie dialoganti, come l’IoT, l’AI e l’hyperautomation, la soluzione ha l’obiettivo di monitorare in tempo reale l’operatività di un’azienda di allevamento allo scopo di ottenere una stima puntuale di variabili non direttamente osservabili, come il peso e i comportamenti degli animali, combinandoli con i dati sull’alimentazione, per valutare l’efficacia delle ricette e il loro stato di salute.
Gli obiettivi del progetto Zootecnica 4.0
L’esigenza principale da cui ha preso le mosse il progetto era quella, da parte dell’azienda, di tenere sotto controllo un allevamento di bovini da carne, automatizzando la rilevazione di informazioni chiave per salvaguardare la salute degli animali, tra cui:
- l’aumento di peso e altri dati relativi al possibile insorgere di infezioni;
- l’efficacia del mix alimentare rispetto all’aumento di peso;
- l’uso degli antimicrobici e la percentuale di incidenza dell’antibiotico-resistenza con i rischi per la salute umana e animale correlati;
- i costi legati all’alimentazione dei bovini.
Tutte queste informazioni, in precedenza, non erano accessibili in modo puntuale e circostanziato. Motivo per il quale la proposta di Npo Sistemi si è orientata verso l’adozione di un insieme di tecnologie che Gartner fa rientrare all’interno della hyperautomation.
Le caratteristiche delle tecnologie implementate
Nel dettaglio, lo smart monitoring per il monitoraggio del peso degli animali è stato implementato mediante l’installazione di due box con bilance connesse e sistemi di prossimità e l’introduzione di un sistema di Computer Vision che, attraverso l’apprendimento di modelli, consente il tracking del singolo animale e il rilevamento di anomalie.
Per quanto riguarda invece il monitoraggio dei consumi, i carri miscelatori di mangime sono stati dotati di sistemi di prossimità e comandi remoti con cui l’operatore può gestire lo scarico dei mangimi dai silos. Inoltre, con il passaggio del carro vicino ai box, viene letto il peso in corrispondenza dei tag di prossimità così da stimare in tempo reale quanto prodotto è già stato scaricato.
Visto il contesto in cui sono state introdotte le tecnologie, è stato necessario considerare soprattutto aspetti di durabilità e robustezza delle soluzioni. Dal punto di vista organizzativo, è risultato fondamentale rendere queste soluzioni facilmente fruibili da parte di operatori con competenze IT non professionali. Infine, sul versante dei costi, l’adozione di soluzioni RFID e di telecamere ha permesso di estendere il progetto, replicando i dati estratti. A tutto ciò vanno aggiunti i servizi di Machine Learning e Artificial Intelligence che hanno reso possibile contenere i costi per l’elaborazione e la gestione real-time dello streaming dei dati.
Risultati raggiunti e replicabilità della soluzione
Grazie a questa soluzione innovativa, l’azienda ha ottenuto una maggiore facilità di fruizione dei dati in tempo reale, anche da remoto. Oggi ha la possibilità di monitorare informazioni come l’accrescimento di peso dei bovini, confrontandole con gli standard ritenuti corretti, e di agire in maniera proattiva qualora fosse necessario. Il monitoraggio smart, poi, permette di tenere sotto controllo i consumi e di inviare notifiche sullo stato delle giacenze in magazzino.
Zootecnica 4.0 è anche in grado di abilitare la comunicazione tra i dipartimenti aziendali, poiché tutti i dati estratti possono essere inviati al sistema di controllo tramite dashboard web e indicatori di sintesi. In quanto tale, è facilmente replicabile e adattabile in altri contesti aziendali, come quello manifatturiero, per effettuare il conteggio e il riconoscimento di semilavorati, identificare i difetti di qualità, tracciare consumi energetici e disponibilità di materie prime.
La piattaforma, in sostanza, si avvale di algoritmi di Machine Learning e Artificial Intelligence per automatizzare la raccolta, l’integrazione e la fruizione dei dati nei processi operativi e di business, indipendentemente dalle tecnologie e dalla frequenza di acquisizione dei dati.
