SIMBIOSI INDUSTRIALE E AI GENERATIVA: SVILUPPO DI PROMPT E APPLICAZIONE AL RIUSO DI UN MATERIALE PLASTICO

This thesis explores the use of generative artificial intelligence to support industrial symbiosis, with a particular focus on the valorisation of a defective plastic component from the automotive sector. The aim of the work is to develop and validate a methodological framework based on generative AI models, guided through structured prompts, capable of analysing the characteristics of an end-of-life product, abstracting its relevant functions and generating potential reuse scenarios in industrial and building applications. The methodology includes a preliminary literature review on circular economy, industrial symbiosis and AI applications, followed by the iterative design of an increasingly articulated sequence of prompts. The framework is organised into four main steps: analysis of the component’s characteristics, definition of primary and secondary functions, identification of potential applications, and multi-criteria assessment of these options in terms of technical feasibility, degree of innovation, environmental impact and economic sustainability. The case study concerns a plastic component of an HVAC system supplied by DENSO – Thermal Systems S.p.A., used as a testbed to evaluate the robustness of the method. The results show that, when properly guided, generative AI can be an effective decision-support tool for the generation and pre-selection of reuse scenarios, facilitating the identification of potential symbiotic value chains. At the same time, limitations emerge related to the quality of input data and the need for critical oversight by the engineer. The work concludes by outlining possible future developments, including the integration of the framework into digital platforms dedicated to the exchange of by-products and end-of-life materials.

L’elaborato esplora l’utilizzo dell’intelligenza artificiale generativa a supporto della simbiosi industriale, con particolare focus alla valorizzazione di un componente plastico difettato provenienti dal settore automotive. Obiettivo del lavoro è sviluppare e validare un framework metodologico basato su modelli di AI generativa, guidati tramite prompt strutturati, capace di analizzare le caratteristiche di un prodotto dismesso, astrarne le funzioni rilevanti e generare possibili scenari di riuso in ambito industriale ed edilizio. La metodologia prevede una fase preliminare di analisi della letteratura su economia circolare, simbiosi industriale e applicazioni dell’AI, seguita dalla progettazione iterativa di una sequenza di prompt sempre più articolati. Il framework si articola in quattro passaggi principali: analisi delle caratteristiche del componente, definizione delle funzioni primarie e derivate, individuazione degli impieghi potenziali e valutazione multi-criterio degli stessi in termini di fattibilità tecnica, grado di innovazione, impatto ambientale e sostenibilità economica. Il caso studio riguarda un componente plastico di un sistema HVAC fornito da DENSO – Thermal Systems S.p.A., utilizzato come banco di prova per testare la robustezza del metodo. I risultati evidenziano come, se opportunamente guidata, l’AI generativa possa costituire un efficace strumento di supporto alla generazione e preselezione di scenari di riuso, favorendo l’individuazione di possibili filiere simbiotiche. Al contempo emergono limiti legati alla qualità dei dati di input e alla necessità di un controllo critico da parte dell’ingegnere. Il lavoro si conclude delineando possibili sviluppi futuri, tra cui l’integrazione del framework in piattaforme digitali dedicate allo scambio di sottoprodotti e materiali a fine vita.