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
1. Proponiamo un quadro innovativo e olistico per la valutazione della gestione intelligente dell’acqua: SWI-FEED. Rappresenta il modo per controllare il processo di valutazione di una gestione e controllo dell'acqua basato sull'IoT, basato su LoRaWAN. Fornisce uno strumento semplice per valutare le prestazioni in diversi scenari di valutazione.
2. Abbiamo sviluppato un'analisi comportamentale all'interno di un caso di studio pratico con Acqua Pubblica Sabina. Questa analisi si basa su un autocodificatore Deep Learning che consente un opportuno clustering dell'utilizzo dell'acqua da parte dell'utente nel tempo e la mappatura automatica di un comportamento generico in una classe. Questo approccio può facilitare gli operatori idrici a comprendere la categoria di un generico utente o i modelli di anomalia nell'uso dell'acqua.
3. Proponiamo uno strumento pionieristico volto a razionalizzare la progettazione e l’implementazione di contratti intelligenti su misura per le reti di distribuzione idrica intelligenti. Questo strumento consente alle parti interessate di inserire parametri essenziali come fonti idriche, punti di distribuzione, modelli di consumo e clausole contrattuali.
2. Abbiamo sviluppato un'analisi comportamentale all'interno di un caso di studio pratico con Acqua Pubblica Sabina. Questa analisi si basa su un autocodificatore Deep Learning che consente un opportuno clustering dell'utilizzo dell'acqua da parte dell'utente nel tempo e la mappatura automatica di un comportamento generico in una classe. Questo approccio può facilitare gli operatori idrici a comprendere la categoria di un generico utente o i modelli di anomalia nell'uso dell'acqua.
3. Proponiamo uno strumento pionieristico volto a razionalizzare la progettazione e l’implementazione di contratti intelligenti su misura per le reti di distribuzione idrica intelligenti. Questo strumento consente alle parti interessate di inserire parametri essenziali come fonti idriche, punti di distribuzione, modelli di consumo e clausole contrattuali.
1. Nel 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.
2. Nel 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.
3. Nel 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.
4. Nel WP4: 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.
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
2. Nel 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.
3. Nel 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.
4. Nel WP4: 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.
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
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.
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 Previste: almeno 9 pubblicazioni in 36 mesi Realizzate: 2 (2 conference publication) Readiness level: 66%
- Joint Publication Previste: >=30% joint publication in 36 mesi Realizzate: 2 joint publication su 3 Readiness level: 66%
- Talk/Eventi di comunicazione Previsti: 15 talk o event chairing/organizzati nel contesto delle attività di WITS in 36 mesi Realizzati: 6 (tra eventi di disseminazione e presentazioni a conferenze) Readiness level: 100%
- Demo/PoC Previste: 1 PoCs atteso entro la fine del progetto Realizzate: 0 Readiness level: 0% (work according to plan)
- Project Meeting Previsti: > 36 meeting Realizzati: 20 meeting Readiness level: 55%
- Reclutamento di personale Previsto: 1 RTD-A Realizzato: 1 RTD-A Readiness level: 100%
Milestones:
First year report including project dissemination activities and the delivery of D1 and D2
(due date: M12)
Second year report including project dissemination activities and the delivery of D3 and D4
(due date: M24)
Final report including project dissemination activities and the delivery of D5 and D7 (due
date: M36)
Deliverables:
D1 - Deliverable on Smart Water Supply Systems (due date: M5)
D2 - Deliverable on Massive IoT Access (due date: M12)
D3- Deliverable on Continuum data collection and smart network orchestration (due
date: M24)
D4- Deliverable on Sensed processing using graph signal processing (due date: M17)
D5- Deliverable on Development of utilities/smart contracts for users and operators
(due date: M27)
D6 - Performance assessment – Case Studies (due date: M36)
Ricercatori coinvolti: Previsti circa 63 PM nel complesso. Abbiamo già speso circa 31 PM fino a M18.
Proposte di collaborazione:
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.
È possibile avanzare proposte di collaborazione sul progetto contattando la PI del progetto.
WITS news: