Impresa 4.0, le tecnologie abilitanti dell’agrifood

Tra i settori meno inclini all’innovazione, le nove tecnologie sono distribuite in sette fasi applicative. L’impatto dello Smart Farming sull’agrifood tradizionale

06 Mar 2020

Giuseppe Storelli

Camera di commercio di Bari

Tra i settori, storicamente, meno inclini all’innovazione c’è quello legato all’agrifood, che indubbiamente, causa anche il peso della tradizione secolare a questo legata e di una classe imprenditoriale particolarmente vetusta ha mostrato negli anni un minor tasso di propensione al cambiamento e all’adozione di nuovi processi tecnologici.

Il grado di diffusione delle nove tecnologie abilitanti all’interno del contesto aziendale, infatti, non dipende esclusivamente da fattori quali il dimensionamento (la grande impresa innova generalmente di più della piccola e media impresa) o la propensione del management all’innovazione ma soprattutto dal verticale in cui questa opera.

Spesso i fattori di accelerazione e diffusione di una tecnologia o di uno specifico processo nel contesto aziendale dipendono più da stimoli esogeni all’impresa che da spinte o predisposizioni interne. Dalla necessità di certificazione dei processi di uno specifico cliente, alla minaccia incombente di un concorrente, da particolari agevolazioni alla trasformazione del contesto normativo fino alla semplice proposta commerciale di un nuovo fornitore spesso l’impresa innova più come follower che come leader di un processo di cambiamento anche grazie alla spinta del mercato specifico in cui opera e della pluralità di soggetti che lo compongono.

Le nove tecnologie abilitanti applicate al contesto agrifood

TecnologiaDescrizione
Advanced Manufacturing SolutionsRobot collaborativi interconnessi (Cobot)
Additive ManufacturingStampanti e Scanner 3D connessi a sistemi software di prototipazione
Augmented and Virtual realitySistemi di Realtà aumentata, mista e virtuale
SimulationStrumenti per la simulazione industriale
Horizontal e vertical integrationSoluzioni di integrazione verticale e orizzontale
Industrial Internet of ThingsImpianti e sensoristica industriale connessa
CloudGestione di dati, calcolo, storage remoto
CybersecuritySoluzioni di sicurezza fisica e digitale delle informazioni
Big Data AnalyticsAnalisi di grandi quantità di dati strutturati e non

L’impatto delle tecnologie abilitanti sul settore agrifood potrebbe essere distinto in due principali categorie:

  1. tecnologie a impatto primario ovvero capaci direttamente di cambiare, in meglio i processi aziendali nel comparto agroalimentare
  2. tecnologie a impatto secondario il cui utilizzo risulta sempre strategico ma più trasversale e spesso necessariamente legato alla prima categoria di tecnologie

Del primo gruppo fanno indubbiamente parte:

  • Advanced e Additive Manufacturing
  • Augmented Reality
  • Industrial Internet of Things
  • Big Data Analytics

mentre del secondo:

  • Cybersecurity
  • Simulation
  • Cloud

Menzione speciale per Horizontal e Vertical Integration che nella sua pluralità di contesti applicativi e significati potrebbe far parte di entrambi i gruppi ma che, soprattutto nella sua accezione più legata al mondo del controllo e certificazione di filiera, verrà considerata tra le tecnologie del primo gruppo.

Gli ambiti applicativi delle tecnologie abilitanti

Per comprendere appieno i punti di tangenza e le potenzialità applicative delle tecnologie abilitanti di impresa 4.0 è necessario scomporre le fasi ideali dell’attività aziendale del comparto agroalimentare in 7 macro-processi necessariamente interconnessi tra loro:

– Pianificazione delle attività di impresa

– Semina / Piantamento | Allevamento

– Coltivazione | Monitoraggio Allevamento

– Raccolta | Trasformazione

WEBINAR - 3 NOVEMBRE
CISO as a Service: perché la tua azienda ha bisogno di un esperto di Cyber Security?
Sicurezza
Cybersecurity

– Gestione del Magazzino

– Logistica e Distribuzione

– Relazione con il Mercato

Le sette fasi applicative delle tecnologie abilitanti di Impresa 4.0 nel contesto agrifood

Ognuna di queste fasi è composta da una molteplicità di sotto-processi nonché di input, output e stakeholder differenti con altrettante sfumature di compatibilità e potenziale integrazione tecnologica ma solo le fasi 2 (semina/allevamento), 3 (coltivazione, monitoraggio allevamento) e 4 (raccolta) sono tipiche del mondo agroindustriale e possono essere racchiuse nella definizione generale di Smart Farming.

Cosa si intende per Smart Farming

Per Smart Farming si intendono le attività agroindustriali in cui le piante (o gli animali) ricevono esattamente il trattamento di cui hanno bisogno, determinato con grande precisione grazie alle più recenti tecnologie nell’ottica di una maggiore efficienza, efficacia nonché sostenibilità economica e ambientale.

Tra le tecnologie adoperabili in tal senso, spesso in un regime di interconnessione, vi sono indubbiamente GPS (o anche indoor positioning), sensoristica afferente il mondo dell’industrial internet of things, robotica collaborativa e Big Data Analytics.

La tecnologia può aiutare nel processo decisionale strategico sia a livello di azienda agricola ovvero in campo sia nelle azioni operative a livello di impianto di trasformazione consentendo una sostanziale ottimizzazione della produzione potendo quindi contare su colture più sostenibili. In termini di approccio la differenza sostanziale rispetto all’agricoltura classica è che invece di determinare le azioni necessarie a livello di appezzamento o coltura, l’agricoltura di precisione consente di agire per metro quadrato o addirittura per singola pianta o animale.

Per raggiungere questi obiettivi, in un modello ideale, i sensori sono tenuti a registrare i dati di osservazione delle colture e/o del suolo (fase di osservazione).

Sulla base dei valori dei sensori, viene utilizzato un software specifico con regole decisionali e modelli predittivi per accertare le condizioni della coltura o del suolo e le eventuali carenze o necessità (fase di analisi) e determinare se è necessario un trattamento specifico per l’unità specifica monitorata e, in caso affermativo, quali (fase decisionale).

Infine, il trattamento deve essere eseguito anche attraverso il corretto funzionamento delle macchine (fase di implementazione). Dopo la valutazione, la catena ricomincia dall’inizio.

Questo modello, che potremmo definire modello standard di applicazione dello Smart Farming, rappresenta la base concettuale attraverso cui le tecnologie (generalmente IIoT e Big Data) vengono applicate nel mondo agroindustriale.

L’applicazione all’allevamento di precisione

Chiaramente tutti i principi alla base dello Smart Farming possono essere applicati anche nell’ambito dell’allevamento di bestiame, dal bestiame da latte sino all’ambito avicolo e più in generale all’industria della macellazione. Dai sistemi di geo-fencing ovvero sistemi di “recinzione virtuale” con pascoli senza confini visibili, sino al monitoraggio dei parametri biologici (battito cardiaco, ph, stato di salute) dei singoli animali con analisi dei pattern di comportamento, dieta e molto altro ancora.

Uno sguardo all’agricoltura del futuro

Si prevede che la popolazione mondiale toccherà i 9,6 miliardi di persone entro il 2050 – in un ecosistema ambientale a risorse limitate e in esaurimento le modalità con cui si produce nutrimento per la popolazione rappresentano una sfida chiave per il futuro dell’umanità.

Alla luce di questa crescita demografica e delle crescenti sfide derivanti da condizioni climatiche sempre più estreme l’agricoltura deve ancor più rivolgersi alle nuove tecnologie e a un nuovo approccio olistico dell’ecosistema naturale.

Senza guardare necessariamente a orizzonti temporali trentennali o a prospettive di scarsità di risorse la forza e l’importanza del settore agroalimentare a livello nazionale ed europeo è testimoniata anche dai numeri più recenti.

L’Unione Europea ci comunica infatti che pur se in un contesto di contrazione congiunturale il settore agrifood continua a crescere del 7,3% YoY (anno su anno) con un fatturato derivante dall’export che si attesta a livello europeo a circa 14 miliardi di euro e che indubbiamente, considerati i trend demografici è destinato a crescere.

L’impatto dello Smart Farming sull’agroindustriale tradizionale

L’ascesa dell’agricoltura di precisione e di strumenti di Big Data Analytics impatta sul mondo agroindustriale tradizionale su due livelli diversi ma interconnessi tra loro.

A livello macro innanzitutto è necessario chiedersi come sarà l’industria in futuro e quali tipologie di aziende sopravviveranno alle nuove dinamiche di mercato, a livello micro è necessario comprendere gli strumenti necessari per le imprese per poter far fronte alle sfide di domani.

Per favorire questo tipo di analisi si dovrà tenere in considerazione l’intera catena del valore della filiera agrifood dai grandi gruppi ai piccoli produttori ripercorrendo tutta la filiera distributiva sino alla singola attività di vendita al dettaglio, passando per agricoltori, lavoratori, trasformatori, grossisti e consumatori.

I benefici dell’agricoltura di precisione sono infatti in grado di trasformare in meglio tutta la catena del valore spingendo per una visione più integrata del processo nella sua interezza cambiando l’approccio del modello industriale dalla tradizionale visione in compartimenti stagni dei fattori di produzione: fertilizzanti, sementi, prodotti chimici e macchinari a una più integrata ma soprattutto tracciabile.

Per l’agricoltura convenzionale infatti, l’obiettivo guida era quello di aumentare costantemente la produzione. Gli agricoltori erano soliti trattare ogni input come un’entità separata senza prestare attenzione alla natura integrata di tutte le decisioni relative agli input e ai diversi modi di leggere le prestazioni. Essi combinavano sementi, fertilizzanti e prodotti chimici per massimizzare i rendimenti. La produttività è stata preferita alla minimizzazione dei costi degli input. La struttura del mercato e la natura della concorrenza non promuovevano un insieme olistico e integrato di relazioni tra i fornitori di input e gli agricoltori.

Nella realtà dell’agricoltura di precisione e dell’analisi dei dati, le cose sono cambiate notevolmente. C’è un’enfasi sulla raccolta e sull’utilizzo di grandi quantità di dati per prendere decisioni migliori. Oggi è possibile interconnettere basi di dati eterogenee come quelle relative ai macchinari (es. costo del carburante, velocità, percorsi, idraulica e diagnostica) con dati agronomici quali periodo di semina, clima, fertilizzazione e cultivar.

Questo processo richiede una visione integrata del percorso dell’agricoltore dalla pianificazione alla raccolta sino al commercio e distribuzione. Di conseguenza, richiede una visione olistica del processo di produzione agricola, non necessariamente legata a una struttura industriale predefinita.

Partendo da questa prospettiva diventa quindi d’obbligo definire in cosa dovrebbero eccellere le aziende per poter avere successo sul mercato o in altre parole, che tipo di capacità, competenze o risorse dovranno essere sviluppate dai policy & decision maker per permettere al sistema paese di competere nei mercati del futuro.

WEBINAR
Sicurezza e Smart Working; elementi strategici per il business
Sicurezza
Cybersecurity

@RIPRODUZIONE RISERVATA
S
Giuseppe Storelli
Camera di commercio di Bari

Articolo 1 di 3