Il capitale alimenterà un'espansione significativa: l'azienda prevede di quintuplicare il proprio team e di spingersi oltre il suo primo punto d'appoggio, il cemento, entrando nella produzione di acciaio, vetro e prodotti chimici . L'amministratore delegato Josh Vernon ha dichiarato a Global Cement che il finanziamento permette di perseguire la missione dell'azienda di ridurre le emissioni su scala "gigaton", con piani per estendere l'implementazione a "dozzine di siti" nella prossima fase di crescita
.
Laddove la maggior parte delle soluzioni di IA industriale si limita a sovrapporre uno strato di ottimizzazione a un sistema di controllo esistente, Gigaton sostituisce completamente l'infrastruttura di controllo sottostante. L'azienda descrive l'approccio come uno "strappare via" il software legacy in modo che la sua IA possa gestire direttamente l'impianto . Si tratta di un'architettura radicalmente diversa dai tradizionali strumenti di Controllo Avanzato di Processo (APC, Advanced Process Control), che si "appoggiano" sopra e danno suggerimenti.
In pratica, l'IA regola in modo autonomo diversi parametri critici in tempo reale: il mix di combustibile che alimenta un forno, la velocità di rotazione del forno stesso e i livelli di ossigeno necessari per una combustione efficiente . Queste variabili sono interdipendenti e cambiano costantemente in base alla qualità della materia prima, alle condizioni ambientali e agli obiettivi di produzione. Il sistema di Gigaton apprende continuamente il comportamento dell'impianto e prende decisioni a circuito chiuso senza aspettare l'intervento dell'operatore.
L'attenzione iniziale dell'azienda si è concentrata sulla produzione di cemento, uno dei settori industriali più difficili da decarbonizzare. Un caso studio con Heidelberg Materials ha documentato miglioramenti operativi concreti: una riduzione del 4% dell'indice di costo del combustibile, trainata da una riduzione del 2,2% del consumo specifico di calore, insieme a una diminuzione del 33% della variabilità del C3S (silicato tricalcico, componente chiave del clinker) e a un taglio del 2% delle emissioni di carbonio derivate dal combustibile . Il sistema è passato dall'integrazione alla messa in funzione in sole otto settimane
.
Nel suo white paper, Gigaton riferisce che la sua IA può ridurre le emissioni di carbonio da combustibile fino al 5% nella fase di piroprocesso, la parte più energivora della produzione del cemento . Il software si integra con i sistemi APC esistenti come ABB Ability e FLSmidth ECS/ProcessExpert, ma si assume il compito di impostare obiettivi dinamici invece di limitarsi a raccomandare aggiustamenti
.
L'azienda è stata fondata nel 2020 come Carbon Re, uno spinout deep-tech dell'Università di Cambridge e dell'UCL . Lo sviluppo iniziale ha richiesto più di cinque anni di lavoro a fianco degli operatori degli impianti industriali, dando al team un'esposizione diretta ai vincoli e alle modalità di guasto degli ambienti di produzione reali
. Il recente cambio di nome in Gigaton riflette un'ambizione più ampia: il nome segnala l'impegno a rimuovere miliardi di tonnellate di CO2 in diversi settori verticali dell'industria pesante, non solo nel cemento
.
Gigaton fa parte di un'ondata di aziende che stanno applicando l'IA al mondo fisico, anziché ai flussi di lavoro d'ufficio o al software consumer. Come ha notato un'analisi, questa è "una storia di IA diversa da chat, ricerca o flussi d'ufficio": si colloca all'interno della produzione fisica, dove tempismo, uso dell'energia, stabilità del processo e affidabilità delle apparecchiature contano in modi in cui un'allucinazione non può essere tollerata .
La Serie A finanzierà due binari paralleli: lo sviluppo continuo della piattaforma di prossima generazione e una più ampia implementazione nei quattro settori target . L'espansione quintupla del team segnala che Gigaton sta passando da una fase prevalentemente di ricerca a una di scala commerciale. L'espansione oltre il cemento in acciaio, vetro e chimica suggerisce che la tecnologia di base è indipendente dal settore: se un'IA può imparare a controllare un tipo di processo termico, probabilmente può imparare a controllarne un altro.
Per l'industria pesante, la tempistica è stringente. I costi dell'energia rimangono volatili, la tariffazione del carbonio si sta espandendo in diverse giurisdizioni e gli impianti devono far fronte a una pressione crescente per ridurre le emissioni senza sacrificare la produzione. Un sistema di controllo auto-apprendente, in grado di tagliare simultaneamente consumo di combustibile ed emissioni e di entrare in funzione in meno di due mesi, offre un percorso concreto per un'industria che è stata lenta a digitalizzarsi.
Comments
0 comments