A cura di Sara Perotti, Professore Associato di Logistica, Impiantistica Industriale e Green Logistics presso il Politecnico di Milano, Dipartimento di Ingegneria Gestionale; Luca Cannava, Dottorando nel Gruppo di Ricerca in Logistica del Politecnico di Milano, Dipartimento di Ingegneria Gestionale
Sommario
L’articolo presenta i risultati di uno studio condotto presso il Dipartimento di Ingegneria Gestionale del Politecnico di Milano sui temi della logistica sostenibile, in cui è stata sviluppata una roadmap per la transizione verso edifici logistici a emissioni zero (Net-Zero Energy Buildings). La roadmap si articola in tre fasi: definizione delle caratteristiche chiave e delle criticità dell’edificio, ottimizzazione del consumo energetico e sfruttamento delle risorse rinnovabili. Viene presentato un caso studio applicato al magazzino di un operatore logistico situato in Italia, in cui la simulazione ha permesso di valutare diverse misure di efficienza energetica e l’integrazione di energie rinnovabili. I risultati dimostrano l’efficacia della roadmap nel supportare le aziende a raggiungere i propri obiettivi di sostenibilità.
Introduzione
Negli ultimi anni le strutture logistiche hanno subito cambiamenti significativi per soddisfare le crescenti esigenze del mercato e della società (Mishra et al., 2021). Le aziende hanno dovuto affrontare importanti sfide come l’aumento dell’e-commerce, crescenti esigenze in termini di compressione dei lead time e domanda di personalizzazione da parte dei clienti e implicazioni legate alle interruzioni della catena di approvvigionamento (Lagorio et al., 2016; Prataviera et al., 2021). Questi cambiamenti hanno portato a una maggiore complessità nelle operazioni logistiche, con conseguente aumento anche in termini di consumo di energia e un maggiore impatto ambientale (Aravin- daraj & Rajan Chinna, 2022). In risposta a queste sfide, è emerso il concetto di edifici a zero emissioni - Net-Zero Energy Buildings (nZEBs), che producono la stessa quantità di energia rinnovabile che consumano (IEA, 2021). Per raggiungere lo stato di nZEB, le aziende logistiche sono chiamate ad adottare soluzioni innovative che riducano il consumo di energia e integrino fonti di energia rinnovabili. Al fine di supportare le aziende durante il processo di transizione verso edifici logistici a emissioni zero, è stata sviluppata una roadmap basata sulla rilevazione sul campo combinata al supporto della simulazione. Tale roadmap si concentra sulla necessità di sviluppare un percorso strategico a lungo termine per l’implementazione di misure di efficienza energetica, al fine di minimizzare l’impatto ambientale e al contempo assicurare ritorni economici. Per offrire una vista sull’applicazione della roadmap sviluppata, verrà descritto un caso studio reale in cui vengono simulati il caso base (”as is”) e degli scenari “to be” applicabili e potenzialmente di interesse per il caso specifico, con l’obiettivo di aumentare l’energia autoconsumata dal magazzino e migliorarne al contempo le prestazioni ambientali ed economiche.
Roadmap per Strutture Logistiche a Emissioni Zero
La roadmap per la transizione verso strutture logistiche nZEB è articolata in tre step principali così come indicato in Figura 1: definizione delle caratteristiche principali e delle criticità della struttura logistica attuale (Fase 1), identificazione di azioni volte all’ottimizzazione del consumo energetico (Fase 2) e infine identificazione di azioni volte allo sfruttamento delle risorse rinnovabili (Fase 3).
Step 1: Definizione delle caratteristiche e delle criticità della struttura logistica attuale
Questo step ha come obiettivo quello di evidenziare lo stato dell’edificio logistico in esame, e identificarne possibili aree critiche in cui indirizzare i possibili interventi per migliorare l’efficienza energetica e le prestazioni di sostenibilità ambientale dell’edificio. Per tale analisi si considera un arco temporale di un anno per misurare la condizione di bilancio energetico Net-Zero, per valutare il profilo energetico dell’edificio nelle diverse stagioni e valutare le potenziali fluttuazioni della domanda e dell’offerta di energia. Questo arco temporale consente di considerare l’impatto potenziale dei fattori esogeni rispetto alla domanda ed offerta di energia dell’edificio (ad esempio, le condizioni climatiche sul riscaldamento e sul raffreddamento, la disponibilità di luce naturale, la produzione di energia fotovoltaica, i picchi operativi e gli andamenti stagionali nei flussi di processo). Lo step 1 è articolato in due sottofasi distinte. La prima (“Modellazione”) prevede la raccolta di quattro tipi di informazioni al fine di sviluppare il modello di simulazione: (a) informazioni relative alle caratteristiche dell’edificio, tra cui la disposizione dell’edificio, le caratteristiche e le dimensioni delle pareti, le caratteristiche del tetto e le aree interne del magazzino; (b) informazioni operative, come i giorni lavorativi, i turni, le dimensioni e le caratteristiche della forza lavoro e le operazioni svolte presso il sito; (c) informazioni tecnologiche, come il tipo di attrezzature per la movimentazione dei materiali, le soluzioni automatizzate in atto per le operazioni di magazzino, stato e tipologia di impianti presenti nel sito (es. sistemi di raffrescamento e riscaldamento, unità di trattamento dell’aria (UTA), eventuali macchinari industriali); (d) dati di consumo e di produzione energetica, come il consumo di energia dell’edificio per tipologia di fonte energetica (elettricità, combustibile, refrigeranti) e la produzione di energia rinnovabile dell’edificio (se sono implementate unità di generazione in loco). Tale fase termina con lo sviluppo del modello digitale 3D dell’edificio logistico. Infine, la fase successiva (“validazione”) prevede la comparazione tra i dati simulati e quelli reali, al fine di validare il modello sviluppato.
Step 2: Ottimizzazione del Consumo Energetico
Lo step 2 mira a identificare l’insieme più adatto di misure di efficientamento energetico per minimizzare il consumo presso l’edificio logistico in esame. Tale step è articolato in due sottofasi distinte. La prima (“Identificazione”) consiste nell’analisi dei risultati dello scenario “as is” per individuare le potenziali opportunità di risparmio energetico. In primo luogo, è fondamentale individuare quali aree di consumo energetico e/o fonti di consumo energetico hanno il maggiore impatto sul consumo energetico totale dell’impianto logistico. In secondo luogo, le potenziali misure di efficientamento energetico vengono selezionate a partire dalle principali aree di intervento riconosciute dalla letteratura (Oloruntobi et al., 2023; Perotti et al., 2024). Una volta individuate le aree di consumo più impattanti, nella fase successiva (“simulazione e anali- si”) si implementano all’interno del modello di simulazione le soluzioni individuate.
Step 3: Sfruttamento delle risorse rinnovabili
Lo step 3 si concentra sull’integrazione di fonti di energia rinnovabili e relative strategie per sfruttare in modo ottimale l’energia rinnovabile prodotta internamente, allo scopo di aumentare così l’energia autoconsumata. Tale step è articolato in due sottofasi distinte. La prima (“autoproduzione) mira a raggiungere l’obiettivo Net-Zero attraverso l’implementazione di impianti di produzione di energia rinnovabile. Vengono valutate diverse opzioni, come l’installazione di pannelli fotovoltaici o l’utilizzo di altre fonti rinnovabili disponibili localmente (quali ad esempio microturbine eoliche, impianti biogas). Le simulazioni vengono utilizzate per ottimizzare il dimensionamento e la configurazione di queste fonti di energia rinnovabile, garantendo che la struttura logistica produca abbastanza energia per soddisfare totalmente la propria domanda annuale di energia. Nell’ultima fase (“autoconsumo”) si prevede l’identificazione, la selezione e la simulazione di potenziali strategie per bilanciare l’energia autoprodotta e quella effettivamente autoconsumata. Queste strategie mirano a ridurre la mancata corrispondenza energetica in modo dinamico o statico. Le strategie dinamiche di autoconsumo possono includere misure predittive e hanno un’ampia gamma di applicazioni. Tali strategie si concentrano principalmente sulla previsione della domanda e dell’offerta di energia dell’edificio, proponendo azioni correttive in tempo reale. Di conseguenza, l’impianto logistico raggiunge una configurazione ottimale in base alle proprie esigenze, consentendo al profilo energetico di cambiare in modo dinamico e flessibile. Gli interventi statici non richiedono alcuna azione correttiva in quanto sono progettati sulla base di dati storici, con l’obiettivo di allineare la produzione di energia alla domanda del magazzino. Ad esempio, le strategie statiche di autoconsumo possono includere sistemi di accumulo di energia o sistemi di ricarica per la movimentazione dei materiali (come ricariche parziali e sostituzioni della batteria).
Applicazione della roadmap: il caso studio DACHSER & FERCAM Italia
La roadmap sviluppata è stata applicata a diversi casi di edifici logistici reali, fra cui il magazzino di DACHSER & FERCAM Italia, un’azienda multinazionale che offre servizi logistici e di trasporto. Il magazzino si trova nel nord Italia e funge da hub nazionale per, la ricezione, lo stoccaggio, il prelievo e la spedizione di prodotti relativi a svariati settori industriali. In linea con roadmap proposta (Figura 1), sono stati raccolti dati sulle caratteristiche, processi e tecnologie dell’edificio. È stato quindi sviluppato un modello digitale 3D dell’edificio, a partire dal quale è stato possibile simulare il consumo energetico e identificate potenziali aree di miglioramento (Figura 2).
Sulla base dei risultati della simulazione, sono state valutate diverse misure di efficienza energetica, tra cui l’installazione di sistemi di illuminazione intelligenti (smart lighiting systems), l’isolamento termico e l’adozione di una pompa di calore. L’implementazione di tali misure è stata simulata in altrettanti scenari “to be” i cui esempi di analisi ed elaborazioni sono mostrate in Figura 3.
Si è rilevato come queste misure possano portare a una significativa riduzione del consumo energetico e delle emissioni di CO2. Inoltre, è stata studiata l’installazione di un sistema di pannelli fotovoltaici per raggiungere l’obiettivo Net-Zero. Infine, al fine di aumentare l’energia autoconsumata è stato studiato un sistema a batterie di accumulo per lo stoccaggio energetico (battery energy storage system, BESS). I risultati ottenuti sono mostrati in Tabella 1. In generale, l’azione che ha portato al risparmio energetico più elevato è stato l’intervento di isolamento termico dell’involucro dell’edificio logistico (scenario B). Questo intervento ha ridotto l’impatto ambientale del magazzino di quasi il 50% rispetto allo scenario precedente. Tuttavia, tale intervento non è altrettanto efficace in termini di costi a causa del notevole investimento iniziale richiesto. L’azione che ha portato ad un maggiore risparmio economico è relativa all’implementazione di sistemi di illuminazione intelligenti cui è caratterizzata da un return on investment (ROI) pari al 39% e un payback period (PBP) di poco superiore a due anni.
Conclusioni e sviluppi futuri
La roadmap proposta è stata applicata con successo a svariati casi reali, fra cui quello qui presentato, dimostrando la sua efficacia nel supportare le aziende a raggiungere i propri obiettivi di sostenibilità. La simulazione si è dimostrata uno strumento prezioso per la valutazione di diverse misure di efficienza energetica e per studiare ed ottimizzare l’integrazione delle energie rinnovabili. La roadmap sviluppata può fornire una guida concreta per raggiungere gli obiettivi Net-Zero, sottolineando l’importanza di un approccio strategico e basato su una attenta raccolta dati per la riduzione dell’impatto ambientale.
Ringraziamenti
Questa ricerca rientra nel progetto più ampio finanziato dall’Unione Europea NextGenerationEU (Centro Nazionale per la Mobilità Sostenibile CN00000023, Decreto del Ministero dell’Università e della Ricerca n. 1033-17/06/2022, Spoke 10 ‘‘Logistica Sostenibile’’). Ringraziamo tutti i partner e le aziende che hanno attivamente contribuito a rendere possibile questa ricerca, in particolare DACHSER & FERCAM Italia S.p.A., per aver fornito dati e supporto tecnico durante l’analisi.
Bibliografia
Aravindaraj, K., & Rajan Chinna, P. (2022). A systematic literature re- view of integration of industry 4.0 and warehouse management to achieve Sustainable Development Goals (SDGs). In Cleaner Logi- stics and Supply Chain (Vol. 5). Elsevier Ltd. doi.org/10.1016/j. clscn.2022.100072
Bartolini, M., Bottani, E., & Grosse, E. H. (2019). Green warehousing: Systematic literature review and bibliometric analysis. In Journal of Cleaner Production (Vol. 226, pp. 242–258). Elsevier Ltd. https:// doi.org/10.1016/j.jclepro.2019.04.055
Cannava, L., Javan, F. D., Najafi, B., & Perotti, S. (2024). Green wa- rehousing practices: Assessing the impact of PV self-consumption enhancement strategies in a logistics warehouse. Sustainable Energy Technologies and Assessments, 72. doi.org/10.1016/j. seta.2024.104054
Cannava, L., & Perotti, S. (2025). From warehouses to Net-Zero logistics facilities: A simulation-based roadmap to achieve carbon reduction and energy efficiency. Computers and Industrial Engineering. https:// doi.org/10.1016/j.cie.2025.110944
Cannava, L., Perotti, S., Najafi, B., & Rinaldi, F. (2023). Assessing the impact of smart lighting systems and on-site renewable genera- tion in a distribution warehouse: a simulation-based approach. In 25th International Conference on Harbor, Maritime and Multimo- dal Logistic Modeling & Simulation, Athens, pp. 18-20. doi. org/10.46354/i3m.2023.hms.006
Cannava, L., Perotti, S., Najafi, B., Rinaldi, F., Mazzilli, E. (2024). A Roadmap for Improving Warehouse Environmental Sustainability: The Case of a Conditioned Logistics Facility for Medical Devices. In: Freitag, M., Kinra, A., Kotzab, H., Megow, N. (eds) Dynamics in Logistics. LDIC 2024. Lecture Notes in Logistics. Springer, Cham. doi. org/10.1007/978-3-031-56826-8_28
Cannava, L., Perotti, S., De Chirico, A., Najafi, B., Rinaldi, (2025). Su- stainable logistics facilities: a simulation-based approach towards warehouse decarbonization within the food and beverage industry. Sustainable logistics facilities: a simulation-based approach towards
warehouse decarbonization within the food and beverage industry. Procedia Computer Science, Vol. 253, pp. 1545-1554. doi.or- g/10.1016/j.procs.2025.01.216
Gergely, L. Z., Barancsuk, L., & Horv ́ath, M. (2025). Beyond net zero energy buildings: Load profile analysis and community aggrega- tion for improved load matching. Applied Energy, 379. doi. org/10.1016/j.apenergy.2024.124934
IEA, N. Z. (2021). Net zero by 2050. IEA, Paris. www.iea.org/reports/ net-zero-by-2050
Lagorio, A., Pinto, R., & Golini, R. (2016). Research in urban logistics: a systematic literature review. International Journal of Physical Distribution & Logistics Management, 46(10), 908–931.
Mishra, R., Singh, R. K., & Koles, B. (2021). Consumer decision‐making in Omnichannel retailing: Literature review and future research agenda. International Journal of Consumer Studies, 45(2), 147–174.
Oloruntobi, O., Mokhtar, K., Mohd Rozar, N., Gohari, A., Asif, S., & Chuah, L. F. (2023). Effective technologies and practices for reducing pollution in warehouses - A review. Cleaner Engineering and Technology, 13. doi.org/10.1016/j.clet.2023.100622
Perotti, S., Cannava, L., Ries, J. M., & Grosse, E. H. (2024). Reviewing and conceptualising the role of 4.0 technologies for sustainable warehousing. International Journal of Production Research. https:// doi.org/10.1080/00207543.2024.2396015
Perotti, S., & Colicchia, C. (2023). Greening warehouses through energy efficiency and environmental impact reduction: A conceptual fra- mework based on a systematic literature review. International Jour- nal of Logistics Management, 34(7), 199–234. doi.org/10.1108/ IJLM-02-2022-0086
Prataviera, L. B., Tappia, E., Perotti, S., & Perego, A. (2021). Estimating the national logistics outsourcing market size: a multi-method approach and an application to the Italian context. International Journal of Physical Distribution and Logistics Management, 51(7), 64–784. doi.org/10.1108/IJPDLM-07-2020-0243
