Machine learning e streaming analytics per la gestione della rete idrica

pittogramma Zerouno

Digital360 Awards 2020

Machine learning e streaming analytics per la gestione della rete idrica

Injenia presenta HERAtech: Il machine learning per migliorare la rete idrica, progetto per il Gruppo Hera per contenere il drenaggio di risorse ed energie di innumerevoli allarmi non pertinenti, ovvero evitare ore di lavoro da parte di squadre operative chiamate a verificare ipotetici scenari che non necessitassero di un intervento immediato. È stata quindi implementata una piattaforma di streaming analytics per l’elaborazione di dati in real time adottando un modello ML attraverso l’apprendimento supervisionato. La piattaforma è stata integrata con sistema di gestione allarmi in essere (SCADA)

24 Lug 2020

di Redazione

La finalità del progetto HERAtech: Il machine learning per migliorare la rete idrica (risultato finalista ai Digital360 Awards 2020 nella categoria Machine Learning e Intelligenza Artificiale) era contenere il drenaggio di risorse ed energie di innumerevoli allarmi non pertinenti, ovvero evitare ore di lavoro da parte di squadre operative chiamate a verificare ipotetici scenari che non necessitano di un intervento immediato, distogliendo l’attenzione dagli eventi degni di considerazione.

HERAtech, cuore tecnologico del Gruppo HERA, tra le principali multiutility italiane che opera nei settori ambiente, idrico ed energia, in collaborazione con Injenia, fornitore di soluzioni informatiche, ha realizzato prima un Poc (proof of concept) e portato successivamente a regime uno strumento applicato a questa tipologia di impianti, finalizzato a presidiare il parametro dell’entità dell’iniezione di prodotto atto a garantire la disinfezione dell’acqua.

Gli elementi principali del progetto

Sugli impianti la percentuale di disinfettate è soggetta a fluttuazioni, anche notevoli, a seguito di variazioni repentine della portata d’acqua o nel momento dell’iniezione stessa. Queste condizioni portano spesso a generare “spike” che determinano allarmi, perché causano il superamento dei range impostati a sistema per presidiare la qualità dell’acqua. L’elemento qualificante della soluzione consiste nella capacità di riconoscere gli allarmi attendibili. In tale contesto, l’applicazione del machine learning ha consentito di migliorare logiche e algoritmi tradizionali, estendendo l’osservazione di più misure. Il tutto non sarebbe stato possibile con piattaforme e tecnologie di tipo tradizionale.

Solo l’uso di algoritmi di machine learning per l’analisi delle time series ha permesso di portare risultati importanti.

Nello specifico, il modello ML è stato addestrato attraverso l’apprendimento supervisionato analizzando le situazioni di rientro allarme senza intervento degli operatori rispetto a quelle per cui è stato necessario l’intervento.

Per realizzarlo, è stata implementata una piattaforma di streaming analytics per l’elaborazione di dati in real-time. La piattaforma è in grado di: acquisire dati storici dei sensori; identificare valori di cloro nell’acqua in modo automatico e in real-time; analizzare centinaia di valori dai sensori; identificare i falsi allarmi.

È stata infine creata una nuova interfaccia front end che facilita il monitoraggio dei livelli di cloro e permette di condividerli con operatori, manutentori, telecontrollo, laboratori di analisi.

Grazie all’interfaccia, la gestione del processo di clorazione e degli allarmi è ora fruibile dai singoli operatori in modo trasparente.

La piattaforma è stata integrata con sistema di gestione allarmi in essere (SCADA).

Il progetto è stato realizzato nel corso di circa 16 mesi. Si è iniziato con un Poc su 6 impianti nelle province di Padova e Trieste.

I vantaggi sperimentati

Il progetto ha ottenuto un abbattimento dei falsi positivi molto elevato, mediamente superiore dell’ 85 %, producendo palesi benefici.

La scalabilità che deriva dall’applicare questa esperienza su altre situazioni impiantistiche e sul complesso delle logiche di automazione che governano i vari comandi che lo SCADA gestisce, rappresenta sicuramente l’aspetto più allettante e lungimirante.

Il progetto ha portato a numerosi vantaggi, a partire da quelli operativi quali: minor numero di uscite in campo per allarmi non veritieri; maggiore focalizzazione degli operatori su allarmi reali; elaborazione in real time di centinaia di dati, la cui analisi può ottimizzare i processi di gestione impianti; maggiore controllo degli allarmi da parte degli operatori grazie al front end.

D’altra parte, i vantaggi di business sono determinati, tra gli altri, da un aumento della capacità predittiva dei sistemi di allarme per prevedere le situazioni sugli impianti, il che promuove riduzione di tempi, costi e risorse di gestione (minori interventi in campo).

Il vantaggio per i cittadini consiste nell’ottimizzazione del servizio di erogazione acqua potabile, grazie a una disinfezione ottimale che garantisce la qualità dell’acqua.

Si tratta, infine, di una soluzione caratterizzata da massima scalabilità che consente la sua estensione a tutti i territori coperti da HERA che, mediante il suo Centro di Telecontrollo, gestisce oltre 6.700 impianti.

Digital360 Awards 2020 ecco gli sponsor

R

Redazione

Nel corso degli anni ZeroUno ha esteso la sua originaria focalizzazione editoriale, sviluppata attraverso la rivista storica, in un più ampio sistema di comunicazione oggi strutturato in un portale, www.zerounoweb.it, una linea di incontri con gli utenti e numerose altre iniziative orientate a creare un proficuo matching tra domanda e offerta.

Argomenti trattati

Approfondimenti

Digital360 Awards
I
Intelligenza Artificiale
Machine learning e streaming analytics per la gestione della rete idrica

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

    LinkedIn

    Twitter

    Whatsapp

    Facebook

    Link

    Articolo 1 di 3