Ottimizzazione dei processi produttivi nella trasformazione del pomodoro biologico e modelli di deep learning e business intelligence
L’industria di trasformazione del pomodoro biologico deve garantire una qualità costante della materia prima e del prodotto, e contenere nel tempo consumi e scarti, anche quando la domanda oscilla e l’offerta cambia con la stagionalità. Attraverso l’integrazione di dati in tempo reale e l’analisi predittiva degli stessi è possibile superare i limiti delle metodologie attuali che non consentono di gestire in maniera efficiente la produzione, ridurre gli sprechi e aumentare la produttività.
Dyrecta Lab, in qualità di Istituto di ricerca e laboratorio scientifico riconosciuto dal MUR, ha affrontato il problema nello studio “Integrated IoT-based production, deep learning, and Business Intelligence approaches for organic food production”. Lo studio è stato pubblicato nel 2025 sul Journal of Industrial Information Integration (Elsevier). Gli autori sono Angelo Maurizio Galiano di Dyrecta Lab, Nicola Contuzzi e Giuseppe Casalino del Politecnico di Bari.
IoT, tecniche di regressione, LSTM e business intelligence
L’applicazione integrata di sensori intelligenti e strumenti analitici basati sull’intelligenza artificiale permette di migliorare l’analisi e il monitoraggio in tempo reale, al fine di gestire efficacemente l’uso delle risorse, ed incrementare la qualità dei prodotti, aumentando la capacità operativa e riducendo così al minimo gli sprechi.
A tal fine è stato sviluppato un modello che combina sistemi di produzione basati su IoT con applicazioni di Business Intelligence volte a migliorare la qualità della salsa di pomodoro biologica. Sensori collocati in punti strategici della produzione forniscono informazioni in tempo reale, che poi vengono analizzate attraverso l’Intelligenza Artificiale e il data mining per incrementare la qualità. Il modello prende in esame la domanda dei consumatori per aumentare i margini di profitto. In sintesi, il framework sviluppato e applicato alla produzione di salsa di pomodoro biologica si basa su quattro aspetti principali:
- Monitoraggio in tempo reale (IoT): sensori distribuiti lungo la linea produttiva tracciano costantemente temperatura, pressione e portata.
- Analisi e preprocessing del dato: i dati raccolti dai sensori vengono depurati da anomalie temporali e normalizzati rispetto all’intero ciclo produttivo.
- Analisi predittiva: algoritmi avanzati (come i modelli LSTM) e tecniche di regressione analizzano parametri qualitativi cruciali del pomodoro — tra cui gradi Brix, acidità (pH) e percentuale di conformità — incrociandoli con lo storico delle vendite e le condizioni climatiche del raccolto.
- Business Intelligence e logistica: attraverso indicatori di prestazione (KPI), il sistema ottimizza l’approvvigionamento della materia prima, gli accordi con i fornitori e l’acquisto del materiale di confezionamento in funzione della domanda prevista.
I risultati del caso di studio su sei aziende di trasformazione del pomodoro
Ben sei aziende di trasformazione del pomodoro hanno testato il framework. I risultati ottenuti mostrano:
- +15% nella qualità del prodotto finale: grazie ai sensori IoT che consentono correzioni immediate di tempi e temperature nei processi di scottatura (brovature) ed ebollizione.
- -20% di sprechi produttivi: individuati in maniera predittiva i pattern di deterioramento della qualità del pomodoro per ciascuna azienda agricola, migliorati i programmi di approvvigionamento e di lavorazione garantendo l’impiego esclusivo dei pomodori più freschi, con percentuali inferiori di frutti verdi o marci.
- +25% di produttività operativa: ricalibrata la capacità di offerta sulla domanda di mercato, riducendo al minimo sia i casi di sovrapproduzione sia le instabilità causate da rotture di stock.
- +30% di redditività aziendale: crescita attribuita al miglioramento delle prestazioni di vendita, a strategie di prezzo basate sui dati e a una gestione ottimizzata della qualità dei fornitori.
“Tracciabilità della filiera integrata del pomodoro biologico mediante ingegnerizzazione dei processi produttivi – BioTomatoTraceability4.0” è un lavoro sviluppato nell’ambito del progetto industriale.
Contattaci per valutare un progetto di ricerca e sviluppo sui processi della tua azienda agroalimentare.
Per maggiori informazioni, consulta la pubblicazione:
https://doi.org/10.1016/j.jii.2025.100850
