Il progetto Watering IoTs (WITS) si concentra sull’uso dell’IoT per il monitoraggio e l’ottimizzazione dei sistemi di approvvigionamento idrico, combinando decisioni a breve e lungo termine basate sulla raccolta continua e massiccia di dati, sull’elaborazione del segnale in rete e sull’analisi dell’intelligenza artificiale.
Gli obiettivi principali del WITS sono:
- Progettazione di infrastrutture IoT per l’acqua intelligente;
- Progettazione di IoT massivo (attraverso tecnologie IoT LPWAN) per consentire una raccolta efficiente di dati da dispositivi sparsi nel WSS;
- Utilizzo dell’elaborazione dei segnali grafici per fornire nuovi ed efficienti metodi di IA;
- Definizione di contratti intelligenti.
WITS fa parte dello Spoke 8 – Intelligent and Autonomous Systems
PI di progetto: Francesca Cuomo
WP3:
- Valutazione di SWI-FEED in diversi contesti IoT massivi
- Abbiamo testato e convalidato il framework SWI-FEED in quattro casi d'uso: attivazione ottimale del nodo, distribuzione del gateway, rilevamento delle perdite distribuite e disaggregazione della domanda idrica in sistemi di distribuzione idrica intelligenti (WDS) su larga scala.
- Continuum di cloud-edge computing basato su LoRaWAN
- Proponiamo l'integrazione di un modulo di elaborazione in una rete LoRaWAN utilizzando i principi dell'edge computing. Questo approccio incorpora un modulo di elaborazione distinto in grado di elaborare flussi di dati all'edge della rete.
- Sviluppo di Digital Twin
- Abbiamo sviluppato SWIM (Smart Water Interaction & Monitoring), una piattaforma che integra la tecnologia Digital Twin, Machine Learning e strumenti di simulazione come EPANET e WNTR per abilitare analisi predittive, rilevamento delle anomalie e controllo in tempo reale.
- Progettazione e sviluppo di contratti intelligenti
- Continuiamo a concentrarci sullo sviluppo di sistemi di contratti intelligenti per WDS che facilitino la relazione tra operatori e clienti. In particolare, stiamo integrando una serie di tariffe che tengono conto dell'impatto energetico delle pompe WDS. Inoltre, abbiamo iniziato a implementare algoritmi progettati per ottimizzare i costi e aumentare i profitti sia degli utenti che degli operatori.
- Deep Neural Networks per l'analisi della domanda idrica
- Il monitoraggio del carico non intrusivo (NILM) consente la stima dell'impronta energetica dei singoli elettrodomestici dal consumo domestico totale senza il costo e la complessità di installare uno specifico contatore intelligente per dispositivo. Fornendo agli utenti un feedback in tempo reale sul loro consumo energetico, NILM è noto Deep Neural Networks per l'analisi della domanda idrica promuove abitudini di risparmio. La diffusione diffusa dei contatori per la casa intelligente ha consentito la disponibilità senza precedenti di una vasta quantità di dati di consumo osservati a intervalli brevi, ponendo un'urgente necessità di progettare modelli di apprendimento profondo in grado di catturare dipendenze a lungo raggio approfondite e superare il costo computazionale di formazione e messa a punto della stessa rete neurale per ciascun dispositivo uno alla volta, come attualmente eseguito dalle soluzioni per singoli elettrodomestici per NILM. Per far fronte a queste sfide, proponiamo un modello Multi-AppliaNce TRAnsformer (MANTRA) sequenza-sequenza che estrae informazioni a lungo termine e stima simultaneamente le potenze dei singoli elettrodomestici, fornendo una soluzione scalabile per NILM in contesti reali. Esperimenti su diverse risoluzioni temporali dimostrano la robustezza di MANTRA per la disaggregazione energetica multi-target rispetto ad altri metodi di apprendimento profondo.
- Ricostruzione della pressione nodale tramite GNN
- Abbiamo utilizzato GNN per ricostruire le pressioni nodali nelle reti idriche, testando la robustezza rispetto al rumore. Un approccio modificato con Graph Laplacian Denoising ha migliorato la ricostruzione della pressione non osservata, aiutando negli sforzi di rilevamento delle perdite.
- Elaborazione del segnale topologico
- Abbiamo esplorato l'elaborazione del segnale topologico come framework per modellare i dati su reti di ordine superiore, in cui i segnali dei nodi corrispondono ai valori di pressione e i segnali dei bordi rappresentano il flusso d'acqua. Abbiamo studiato l'applicabilità degli strumenti dall'elaborazione del segnale topologico nelle reti di distribuzione idrica. Abbiamo sviluppato una rappresentazione topologica per i flussi d'acqua che incorpora fattori realistici come le richieste d'acqua da parte degli utenti. Questa rappresentazione ci consente di formulare problemi di apprendimento per segnali di nodi e bordi, in particolare per la ricostruzione di pressione e flusso. Abbiamo convalidato il nostro approccio su reti di distribuzione idrica realistiche, dimostrando la capacità di ricostruire pressioni e flussi utilizzando un numero ridotto di campioni. Abbiamo esteso la nostra analisi proponendo un modello dinamico per il flusso d'acqua che tiene conto sia delle richieste d'acqua che delle perdite. Affrontando il problema critico della perdita d'acqua dovuta a perdite, progettiamo un algoritmo di rilevamento delle perdite in grado di identificare accuratamente le perdite, anche quando è disponibile solo un sottoinsieme limitato di misurazioni del flusso. I nostri risultati mostrano che l'integrazione di complessi cellulari migliora le prestazioni nella caratterizzazione delle reti di distribuzione idrica e nel rilevamento delle perdite idriche. Nel complesso, questo lavoro evidenzia il potenziale dell'apprendimento basato sulla topologia per monitorare e analizzare in modo efficiente i WDN catturando interazioni di ordine elevato all'interno della rete.
Come risultato chiave del progetto WITS, abbiamo avviato la progettazione di un sistema completo in cui una vera rete di distribuzione idrica situata nei pressi di Roma, dotata di dispositivi LoRaWAN, sarà collegata alla piattaforma WITS e incorporata nell'ecosistema RESTART. Questo sforzo sarà amplificato nell'ambito della sfida intelligente del gemello digitale RESTART. Le attività sono supportate dai partner UNIPA e UNIDATA.
Un risultato degno di nota dei nostri sforzi nell'ambito del progetto è il conseguimento con successo dell'adesione istituzionale alla LoRa Alliance da parte del nostro partner CNIT, che segna un significativo passo avanti nei nostri sforzi collaborativi.
WP3
Abbiamo sviluppato un quadro completo di integrazione IoT per migliorare il monitoraggio e l'ottimizzazione dei sistemi di distribuzione dell'acqua. Questo framework include componenti per l'identificazione dell'analisi idraulica, l'applicazione dell'elaborazione del segnale grafico, il posizionamento strategico dei punti di misurazione e un ambiente di simulazione, con particolare attenzione a una rete LoRaWAN per il test e il perfezionamento del sistema controllato. Inoltre, i compiti aggiuntivi del WP3 esplorano la fusione di orchestrazione intelligente, controllo del carico di lavoro ed edge computing per gestire le complessità della rete idrica. Regolando il flusso del flusso di dati in base alle caratteristiche dell'applicazione e utilizzando l'edge computing, si mira ad aumentare le prestazioni complessive e l'affidabilità dei sistemi di distribuzione dell'acqua facilitando al tempo stesso un processo decisionale tempestivo.
WP5
Motivati dai notevoli progressi nel monitoraggio del carico non intrusivo (NILM), abbiamo esplorato le potenzialità dell'apprendimento profondo proponendo una rete neurale per la disaggregazione dell'acqua multi-apparecchio quasi in tempo reale. I risultati positivi ottenuti attraverso vari intervalli di campionamento stimolano la discussione sulle sfide relative ai dati sparsi. Nel complesso, tale ricerca mira a esplorare il deep learning per la disaggregazione dell’acqua come potente strumento per monitorare, gestire e risparmiare le risorse idriche in modo più efficace nel settore residenziale.
WP4
Sulla base della recente letteratura sull'elaborazione dei segnali topologici (TSP), abbiamo sviluppato un nuovo metodo per caratterizzare i dati interagenti relativi alle reti di distribuzione idrica. TPS si propone di studiare segnali associati non solo ai nodi del grafo (come l'elaborazione classica del segnale del grafo) ma a qualsiasi struttura d'ordine al fine di modellare in modo più appropriato le complesse interazioni dei dati. In questo contesto, proponiamo un nuovo quadro per ricostruire simultaneamente flussi e valori di pressione in una rete di distribuzione idrica che sia anche in grado di rilevare perdite d'acqua.
Concettualizzazione completa, implementazione e analisi della modellazione basata su grafici e dell'elaborazione del segnale per monitorare una rete di distribuzione idrica in modo efficiente e accurato. Identificazione di un algoritmo di ricostruzione del flusso e del miglior posizionamento dei nodi sul grafico al fine di risparmiare energia nel caso ci sia la necessità di ridurre il numero di misure nella rete mantenendo un dato livello di accuratezza. Test dell'approccio proposto in simulazioni numeriche eseguite in uno scenario realistico LoRaWAN WDS. Dimostriamo che il flusso d'acqua viene ricostruito accuratamente mediante il posizionamento strategico di un numero ridotto di sensori, portando a un significativo risparmio energetico, ad es. circa il 73%.
IMPATTO SULLA SOCIETÀ:
L’approccio proposto per la progettazione e l’implementazione della gestione intelligente dell’acqua e dei contratti intelligenti per le reti di distribuzione idrica intelligenti ha un impatto sociale significativo. Migliora la gestione delle risorse garantendo una distribuzione idrica efficiente ed equa e promuove la sostenibilità identificando e mitigando le inefficienze. Inoltre, consente alle comunità locali di gestire attivamente le proprie risorse idriche, portando a soluzioni più reattive e su misura. Lo strumento offre anche vantaggi economici riducendo i costi operativi e le bollette dell’acqua e incoraggia l’innovazione e il progresso tecnologico nella gestione dell’acqua, promuovendo ulteriore ricerca e sviluppo.
ELABORAZIONE DEL SEGNALE TOPOLOGICO
uno dei prossimi grandi progressi per le reti di distribuzione idrica è il monitoraggio ottimale per migliorare la gestione del flusso idrico. Ciò può essere ottenuto utilizzando strumenti innovativi come l'elaborazione del segnale topologico, che consente una comprensione e una caratterizzazione più approfondite dei dati all'interno di reti interconnesse come i sistemi di distribuzione idrica. Nello specifico, il progetto si concentra sullo sviluppo di algoritmi di ricostruzione basati sull'elaborazione del segnale topologico per monitorare il flusso idrico e rilevare anomalie, come le perdite, in tempo reale. Sfruttando la struttura delle reti di distribuzione idrica, questo approccio introduce metodi di modellazione dei dati più efficienti in grado di prevedere e ottimizzare il flusso idrico, affrontando al contempo sfide come la variabilità della domanda idrica e l'identificazione delle perdite. Questi progressi rappresentano un passo significativo verso sistemi di gestione idrica più intelligenti, adattabili e sostenibili.
CONTRATTI SMART
una delle grandi novità nell'area di ricerca coperta da questo progetto è principalmente focalizzata sull'intersezione tra contratti intelligenti e gestione idrica. Il risultato principale del progetto, la capacità di gestire le reti di distribuzione idrica tramite contratti intelligenti avanzati per la gestione idrica, rappresenta un significativo balzo in avanti in questo campo. Il progetto propone uno strumento pionieristico per la progettazione e l'implementazione di contratti intelligenti specificamente pensati per reti di distribuzione idrica intelligenti. Questo strumento, che consente alle parti interessate di immettere parametri quali fonti idriche, punti di distribuzione, modelli di consumo e clausole contrattuali, potrebbe rivoluzionare il modo in cui vengono creati ed eseguiti i contratti di gestione idrica.
DIGITAL TWIN
sviluppo di un gemello digitale per reti di distribuzione idrica. Come risultato, forniremo una piattaforma per supportare più flussi di dati, inclusi dati reali dalla rete di distribuzione idrica fisica, dati di simulazione dal gemello digitale e algoritmi di apprendimento automatico.
ANALISI DELLA DOMANDA DI IDRICA
l'apprendimento automatico ha un grande potenziale per rivoluzionare la distribuzione di energia e acqua. Consente l'identificazione precisa dell'utilizzo dei singoli elettrodomestici dai dati dei contatori intelligenti, fornendo informazioni in tempo reale che possono aiutare gli utenti a ridurre i consumi e risparmiare sui costi. La ricerca futura si concentrerà sul rendere le soluzioni AI più efficienti, scalabili e adattabili a vari contesti domestici, guidando un utilizzo delle risorse più intelligente e sostenibile.
Papers:
Domenico Garlisi, Gabriele Restuccia, Ilenia Tinnirello, Francesca Cuomo and Ioannis Chatzigiannakis, “Real-Time Leakage Zone Detection in Water Distribution Networks: A Machine Learning-based Stream Processing Algorithm”, International Symposium on Algorithmic Aspects of Cloud Computing (ALGOCLOUD 2023), Amsterdam 05/09/2023
Redemptor Laceda Taloma, Jr., Danilo Comminiello (Sapienza University of Rome, Italy) Patrizio Pisani (Unidata SpA, Italy) Francesca Cuomo (University of Rome Sapienza, Italy), "UNet-WD: Deep Learning for Multi-Appliance Water Disaggregation", IFIP 1st International Workshop on Smart Water Management (SmartWater) 2024, Salonicco, June 2024
Dimitrios Amaxilatis (Spark Works Ltd., Ireland), Tiziana Cattai (Sapienza University of Rome, Italy), Antonino Pagano (University of Palermo, Italy),Ioannis Chatzigiannakis (Sapienza University of Rome, Italy), Redemptor Laceda Taloma, Jr. (Sapienza University of Rome, Italy), Domenico Garlisi (University of Palermo & CNIT Italian National Consortium for Telecommunications, Italy), Themistoklis Sarantakos (Spark Works Ltd., Ireland), Varvara Vythoulka (University of Patras, Greece), Christos Zaroliagis (University of Patras, Greece), "A Tool to Facilitate the Design of Smart Contracts in Smart Water Distribution Networks", IFIP 1st International Workshop on Smart Water Management (SmartWater) 2024, Salonicco, June 2024
T. Cattai, S. Colonnese, D. Garlisi, A. Pagano, and Francesca Cuomo. 2024. GraphSmart: a method for green and accurate IoT water monitoring. ACM Transactions on Sensors Networks (October 2024).
P. Spadaccino, D. Garlisi, A. Franceschi, I. Tinnirello and F. Cuomo, "Accelerating Network Resource Allocation in LoRaWAN via Distributed Big Data Computing," in IEEE Access, vol. 12, pp. 141237-141250, 2024, doi: 10.1109/ACCESS.2024.3465634
A. Pagano, D. Garlisi, I. Tinnirello, F. Giuliano, G.Garbo, M. Falco, F. Cuomo, “A survey on massive IoT for water distribution systems: Challenges, simulation tools, and guidelines for large-scale deployment”, Ad Hoc Networks, 2024
Stefano Milani, Domenico Garlisi, Carlo Carugno, Christian Tedesco, and Ioannis Chatzigiannakis. "Edge2LoRa: Enabling edge computing on long-range wide-area Internet of Things." Elsevier Internet of Things 27 (2024): 101266.
Un risultato degno di nota dei nostri sforzi nell'ambito del progetto è il conseguimento con successo dell'adesione istituzionale alla LoRa Alliance da parte del nostro partner CNIT, che segna un significativo passo avanti nei nostri sforzi collaborativi.
WP3
Abbiamo sviluppato un quadro completo di integrazione IoT per migliorare il monitoraggio e l'ottimizzazione dei sistemi di distribuzione dell'acqua. Questo framework include componenti per l'identificazione dell'analisi idraulica, l'applicazione dell'elaborazione del segnale grafico, il posizionamento strategico dei punti di misurazione e un ambiente di simulazione, con particolare attenzione a una rete LoRaWAN per il test e il perfezionamento del sistema controllato. Inoltre, i compiti aggiuntivi del WP3 esplorano la fusione di orchestrazione intelligente, controllo del carico di lavoro ed edge computing per gestire le complessità della rete idrica. Regolando il flusso del flusso di dati in base alle caratteristiche dell'applicazione e utilizzando l'edge computing, si mira ad aumentare le prestazioni complessive e l'affidabilità dei sistemi di distribuzione dell'acqua facilitando al tempo stesso un processo decisionale tempestivo.
WP5
Motivati dai notevoli progressi nel monitoraggio del carico non intrusivo (NILM), abbiamo esplorato le potenzialità dell'apprendimento profondo proponendo una rete neurale per la disaggregazione dell'acqua multi-apparecchio quasi in tempo reale. I risultati positivi ottenuti attraverso vari intervalli di campionamento stimolano la discussione sulle sfide relative ai dati sparsi. Nel complesso, tale ricerca mira a esplorare il deep learning per la disaggregazione dell’acqua come potente strumento per monitorare, gestire e risparmiare le risorse idriche in modo più efficace nel settore residenziale.
WP4
Sulla base della recente letteratura sull'elaborazione dei segnali topologici (TSP), abbiamo sviluppato un nuovo metodo per caratterizzare i dati interagenti relativi alle reti di distribuzione idrica. TPS si propone di studiare segnali associati non solo ai nodi del grafo (come l'elaborazione classica del segnale del grafo) ma a qualsiasi struttura d'ordine al fine di modellare in modo più appropriato le complesse interazioni dei dati. In questo contesto, proponiamo un nuovo quadro per ricostruire simultaneamente flussi e valori di pressione in una rete di distribuzione idrica che sia anche in grado di rilevare perdite d'acqua.
Concettualizzazione completa, implementazione e analisi della modellazione basata su grafici e dell'elaborazione del segnale per monitorare una rete di distribuzione idrica in modo efficiente e accurato. Identificazione di un algoritmo di ricostruzione del flusso e del miglior posizionamento dei nodi sul grafico al fine di risparmiare energia nel caso ci sia la necessità di ridurre il numero di misure nella rete mantenendo un dato livello di accuratezza. Test dell'approccio proposto in simulazioni numeriche eseguite in uno scenario realistico LoRaWAN WDS. Dimostriamo che il flusso d'acqua viene ricostruito accuratamente mediante il posizionamento strategico di un numero ridotto di sensori, portando a un significativo risparmio energetico, ad es. circa il 73%.
IMPATTO SULLA SOCIETÀ:
L’approccio proposto per la progettazione e l’implementazione della gestione intelligente dell’acqua e dei contratti intelligenti per le reti di distribuzione idrica intelligenti ha un impatto sociale significativo. Migliora la gestione delle risorse garantendo una distribuzione idrica efficiente ed equa e promuove la sostenibilità identificando e mitigando le inefficienze. Inoltre, consente alle comunità locali di gestire attivamente le proprie risorse idriche, portando a soluzioni più reattive e su misura. Lo strumento offre anche vantaggi economici riducendo i costi operativi e le bollette dell’acqua e incoraggia l’innovazione e il progresso tecnologico nella gestione dell’acqua, promuovendo ulteriore ricerca e sviluppo.
ELABORAZIONE DEL SEGNALE TOPOLOGICO
uno dei prossimi grandi progressi per le reti di distribuzione idrica è il monitoraggio ottimale per migliorare la gestione del flusso idrico. Ciò può essere ottenuto utilizzando strumenti innovativi come l'elaborazione del segnale topologico, che consente una comprensione e una caratterizzazione più approfondite dei dati all'interno di reti interconnesse come i sistemi di distribuzione idrica. Nello specifico, il progetto si concentra sullo sviluppo di algoritmi di ricostruzione basati sull'elaborazione del segnale topologico per monitorare il flusso idrico e rilevare anomalie, come le perdite, in tempo reale. Sfruttando la struttura delle reti di distribuzione idrica, questo approccio introduce metodi di modellazione dei dati più efficienti in grado di prevedere e ottimizzare il flusso idrico, affrontando al contempo sfide come la variabilità della domanda idrica e l'identificazione delle perdite. Questi progressi rappresentano un passo significativo verso sistemi di gestione idrica più intelligenti, adattabili e sostenibili.
CONTRATTI SMART
una delle grandi novità nell'area di ricerca coperta da questo progetto è principalmente focalizzata sull'intersezione tra contratti intelligenti e gestione idrica. Il risultato principale del progetto, la capacità di gestire le reti di distribuzione idrica tramite contratti intelligenti avanzati per la gestione idrica, rappresenta un significativo balzo in avanti in questo campo. Il progetto propone uno strumento pionieristico per la progettazione e l'implementazione di contratti intelligenti specificamente pensati per reti di distribuzione idrica intelligenti. Questo strumento, che consente alle parti interessate di immettere parametri quali fonti idriche, punti di distribuzione, modelli di consumo e clausole contrattuali, potrebbe rivoluzionare il modo in cui vengono creati ed eseguiti i contratti di gestione idrica.
DIGITAL TWIN
sviluppo di un gemello digitale per reti di distribuzione idrica. Come risultato, forniremo una piattaforma per supportare più flussi di dati, inclusi dati reali dalla rete di distribuzione idrica fisica, dati di simulazione dal gemello digitale e algoritmi di apprendimento automatico.
ANALISI DELLA DOMANDA DI IDRICA
l'apprendimento automatico ha un grande potenziale per rivoluzionare la distribuzione di energia e acqua. Consente l'identificazione precisa dell'utilizzo dei singoli elettrodomestici dai dati dei contatori intelligenti, fornendo informazioni in tempo reale che possono aiutare gli utenti a ridurre i consumi e risparmiare sui costi. La ricerca futura si concentrerà sul rendere le soluzioni AI più efficienti, scalabili e adattabili a vari contesti domestici, guidando un utilizzo delle risorse più intelligente e sostenibile.
Papers:
Domenico Garlisi, Gabriele Restuccia, Ilenia Tinnirello, Francesca Cuomo and Ioannis Chatzigiannakis, “Real-Time Leakage Zone Detection in Water Distribution Networks: A Machine Learning-based Stream Processing Algorithm”, International Symposium on Algorithmic Aspects of Cloud Computing (ALGOCLOUD 2023), Amsterdam 05/09/2023
Redemptor Laceda Taloma, Jr., Danilo Comminiello (Sapienza University of Rome, Italy) Patrizio Pisani (Unidata SpA, Italy) Francesca Cuomo (University of Rome Sapienza, Italy), "UNet-WD: Deep Learning for Multi-Appliance Water Disaggregation", IFIP 1st International Workshop on Smart Water Management (SmartWater) 2024, Salonicco, June 2024
Dimitrios Amaxilatis (Spark Works Ltd., Ireland), Tiziana Cattai (Sapienza University of Rome, Italy), Antonino Pagano (University of Palermo, Italy),Ioannis Chatzigiannakis (Sapienza University of Rome, Italy), Redemptor Laceda Taloma, Jr. (Sapienza University of Rome, Italy), Domenico Garlisi (University of Palermo & CNIT Italian National Consortium for Telecommunications, Italy), Themistoklis Sarantakos (Spark Works Ltd., Ireland), Varvara Vythoulka (University of Patras, Greece), Christos Zaroliagis (University of Patras, Greece), "A Tool to Facilitate the Design of Smart Contracts in Smart Water Distribution Networks", IFIP 1st International Workshop on Smart Water Management (SmartWater) 2024, Salonicco, June 2024
T. Cattai, S. Colonnese, D. Garlisi, A. Pagano, and Francesca Cuomo. 2024. GraphSmart: a method for green and accurate IoT water monitoring. ACM Transactions on Sensors Networks (October 2024).
P. Spadaccino, D. Garlisi, A. Franceschi, I. Tinnirello and F. Cuomo, "Accelerating Network Resource Allocation in LoRaWAN via Distributed Big Data Computing," in IEEE Access, vol. 12, pp. 141237-141250, 2024, doi: 10.1109/ACCESS.2024.3465634
A. Pagano, D. Garlisi, I. Tinnirello, F. Giuliano, G.Garbo, M. Falco, F. Cuomo, “A survey on massive IoT for water distribution systems: Challenges, simulation tools, and guidelines for large-scale deployment”, Ad Hoc Networks, 2024
Stefano Milani, Domenico Garlisi, Carlo Carugno, Christian Tedesco, and Ioannis Chatzigiannakis. "Edge2LoRa: Enabling edge computing on long-range wide-area Internet of Things." Elsevier Internet of Things 27 (2024): 101266.
L'innovazione del nostro progetto è significativamente rafforzata dalla partecipazione attiva dei nostri partner industriali. Unidata SpA offre una potente infrastruttura per la raccolta di misurazioni LoRaWAN reali per la misurazione intelligente, fornendo dati accurati e affidabili essenziali per un'efficace gestione dell'acqua. Grazie a Unidata entriamo in contatto con Acqua Pubblica Sabina SpA che ha contribuito con preziose informazioni sulle loro esigenze e sfide operative, garantendo che le nostre soluzioni siano adattate alle applicazioni del mondo reale e siano altamente pratiche per gli utenti finali.
L'innovazione del nostro progetto è notevolmente migliorata dalla partecipazione attiva dei nostri partner industriali. Unidata SpA porta una potente infrastruttura per la raccolta di misurazioni LoRaWAN reali per la misurazione intelligente, fornendo dati accurati e affidabili essenziali per una gestione efficace dell'acqua. Grazie a Unidata entriamo in contatto con Acqua Pubblica Sabina SpA che ha contribuito con preziosi spunti sulle loro esigenze e sfide operative, assicurando che le nostre soluzioni siano su misura per applicazioni del mondo reale e siano altamente pratiche per gli utenti finali.
Abbiamo avviato un'attività di ricerca sullo sviluppo di un gemello digitale per le reti di distribuzione idrica. La prima fase dell'attività prevede uno studio completo dello stato dell'arte esistente. Procediamo alla definizione dei requisiti della piattaforma. Questa piattaforma è concepita per supportare più flussi, inclusi dati reali dalla rete di distribuzione idrica fisica, dati di simulazione dal gemello digitale e algoritmi di apprendimento automatico. L'obiettivo è creare un sistema in grado di sfruttare efficacemente tutte queste fonti di dati, fornendo preziose informazioni per il processo decisionale e la manutenzione predittiva.
L'innovazione del nostro progetto è notevolmente migliorata dalla partecipazione attiva dei nostri partner industriali. Unidata SpA porta una potente infrastruttura per la raccolta di misurazioni LoRaWAN reali per la misurazione intelligente, fornendo dati accurati e affidabili essenziali per una gestione efficace dell'acqua. Grazie a Unidata entriamo in contatto con Acqua Pubblica Sabina SpA che ha contribuito con preziosi spunti sulle loro esigenze e sfide operative, assicurando che le nostre soluzioni siano su misura per applicazioni del mondo reale e siano altamente pratiche per gli utenti finali.
Abbiamo avviato un'attività di ricerca sullo sviluppo di un gemello digitale per le reti di distribuzione idrica. La prima fase dell'attività prevede uno studio completo dello stato dell'arte esistente. Procediamo alla definizione dei requisiti della piattaforma. Questa piattaforma è concepita per supportare più flussi, inclusi dati reali dalla rete di distribuzione idrica fisica, dati di simulazione dal gemello digitale e algoritmi di apprendimento automatico. L'obiettivo è creare un sistema in grado di sfruttare efficacemente tutte queste fonti di dati, fornendo preziose informazioni per il processo decisionale e la manutenzione predittiva.
Partner di programma:
- Università di Catania
- Università di Roma Sapienza
- Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT)
Il progetto WITS ha preso parte/organizzato importanti eventi di divulgazione:
- Redemptor Jr Taloma (studente di dottorato) ha partecipato come relatore al Live Webinar Servizi a Rete “Progettazione di soluzioni IoT per reti idriche intelligenti” il 27 aprile 2023, discutendo le applicazioni del machine learning nella letteratura sulla gestione intelligente dell'acqua.
- Due interventi pubblici tenuti a Parigi, al CNAM, da Tiziana Cattai, “Modello grafico per le reti di distribuzione idrica con applicazioni IoT” e da Francesca Cuomo “Verso l'Edge Computing in LoRaWAN: nuovi modelli architetturali e future applicazioni”.
- Intervento a Roma al convegno AEIT 2023 di Tiziana Cattai, “Un metodo basato su grafici per il monitoraggio efficiente dei sistemi di approvvigionamento idrico”
- I ricercatori WITS stanno organizzando il primo workshop internazionale sulla gestione intelligente dell'acqua (SmartWater) nell'ambito dell'IFIP/IEEE Networking 2024, che si terrà a Salonicco, Grecia, dal 3 al 6 giugno 2024
- R. Taloma ha partecipato a “Individuare le perdite idriche con l'IA?” per il podcast “Tutto Connesso”
- R. Taloma ha rilasciato un'intervista di 5 minuti sulla Grande Sfida RESTART “Digitalizzare l'ambiente per un mondo più sostenibile”
- I ricercatori WITS hanno organizzato il 1° workshop internazionale sulla gestione intelligente dell'acqua (SmartWater) nell'ambito dell'IFIP/IEEE Networking 2024, tenutosi a Salonicco, Grecia, dal 3 al 6 giugno 2024 (https://networking.ifip.org/2024/index.php/ officine/smartwater).
- R. Taloma ha partecipato a “Individuare le perdite idriche con l'IA?” per il podcast “Tutto Connesso”.
- Francesca Cuomo ha tenuto un Keynote dal titolo “Unlocking IoT Potential: Empowering LoraWAN for Secure, Distributed Smart Water Management” alla conferenza IFIP NETWORKING a Salonicco (Grecia) nel giugno 2024
Pubblicazioni
- Previsto: almeno 9 pubblicazioni in 36 mesi
- Completato: 10
- Livello di prontezza: 160%
- Previsto: >=30% di pubblicazioni congiunte in 36 mesi
- Completato: 10 pubblicazioni congiunte in 3
- Livello di prontezza: 333%
- Previsto: 15 discorsi o presidenza/organizzazione di eventi nell'ambito delle attività WITS in 36 mesi
- Completato: 17 (tra eventi di disseminazione e presentazioni di conferenze)
- Livello di prontezza: 170%
- Previsto: 1 PoC previsto entro la fine del progetto
- Completato: 2 Demo e 1 PoC (uso di un set di dati reale di Acqua Pubblica Sabina)
- Livello di prontezza: 300% (lavoro secondo il piano)
- Previsto: > 36 riunioni
- Completato: 40 riunioni
- Livello di prontezza: 166%
- Previsto: 1 RTD-A
- Completato: 1 RTD-A
- Livello di prontezza: 100%
Milestones:
- Report del primo anno, incluse le attività di disseminazione del progetto e la consegna di D1 e D2 (scadenza: M12)
- Report del secondo anno, incluse le attività di disseminazione del progetto e la consegna di D3 e D4 (scadenza: M24)
- Report finale, incluse le attività di disseminazione del progetto e la consegna di D5 e D7 (scadenza: M36)
- D1 - Deliverable su Smart Water Supply Systems (scadenza: M5)
- D2 - Deliverable su Massive IoT Access (scadenza: M12)
- D3- Deliverable su Continuum data collection e smart network orchestration (scadenza: M24)
- D4- Deliverable su Sensed processing using graph signal processing (scadenza: M17)
- D5- Deliverable su Development of utilities/smart contract for users and operators (scadenza: M27)
- D6 - Performance assessment – Case study (scadenza: M36)
Ricercatori coinvolti: Previsti circa 63 PM nel complesso. Abbiamo già speso circa 40 PM fino a M24.
Proposte di collaborazione:
Ioannis Chatzigiannakis e Domenico Garlisi stanno preparando una proposta intitolata “Guidare la trasformazione digitale dei sistemi di approvvigionamento idrico per la sostenibilità nella prossima generazione e oltre” (WaterBeyond) da presentare al bando HORIZON-MSCA-2024-DN-01-01.
La proposta mira a fornire le competenze e gli sforzi richiesti in ricerca e formazione a una forza lavoro di 15 dottorandi (DC) in tecnologie di gestione idrica e sfide di analisi dei dati all’avanguardia del futuro settore delle reti ICT.
Il progetto WITS è aperto alla collaborazione con esperti e organizzazioni non profit nelle seguenti aree:
- prevenzione del degrado delle reti idriche
- consumo di acqua nell’agricoltura di precisione
- monitoraggio della rete idrica in scenari di emergenza;
- sistema di distribuzione dell’acqua con funzionalità di autogestione.
WITS ha ricevuto una prima proposta di collaborazione da parte dell’Università di Gabes-Tunisia, per la formazione di un consorzio da applicare al progetto PRIMA (tema principale: Gestione sostenibile dell’acqua). Il progetto sta cercando altri partner interessati a questo consorzio.
- Presentato un progetto al Bando Galileo 2025 Università Italo-Francese: titolo “Graph Machine Learning for Water Distribution Networks: from leak detection to sustainable smart contract” in collaborazione con CentraleSupélec, Université Paris-Saclay
- Abbiamo supportato CNIT nel diventare un nuovo membro della LoRaWAN Alliance
- Proposta di collaborazione con “The WATER council” (https://thewatercouncil.com/)
- Abbiamo presentato il Doctoral Network 2024 NETWORK HORIZON-MSCA-2024-DN-01-01 Acronimo del progetto: WaterBeyond, Titolo: Guidare la trasformazione digitale dei sistemi di approvvigionamento idrico per la sostenibilità nella prossima generazione e oltre, PI Prof. Ioannis Chatzigiannakis 1 UNIVERSITA DEGLI STUDI DI ROMA LA SAPIENZA Coordinatore IT, (11 partner e 4 associati)
- Una collaborazione avviata con il Prof. Andrea Cominola nel laboratorio Smart Water Networks presso l’Einstein Center Digital Future e la Technische Universität Berlin. Uno studente di dottorato (Redemptor Jr Taloma, sta trascorrendo parte del suo dottorato lì).
È possibile avanzare proposte di collaborazione sul progetto contattando la PI del progetto.
WITS news: