Prenota una demo
Per predizione si intende l’annunciare in precedenza il verificarsi di un evento sulla base di ipotesi fondate su calcoli matematici. Nella parola “predizione” è concentrata tutta l’essenza ed il desiderio che si cela dietro al monitoraggio. Oggigiorno non ci si accontenta di conoscere ciò che sta accadendo ad un oggetto reale in real-time, ma c’è la necessità di predire il futuro basandosi su eventi passati.
Per monitoraggio si intende la continua osservazione di un oggetto o di una grandezza fisica o matematica descrittiva di un oggetto. Quest’ultimo costituisce il bene (tangibile o intangibile) che deve essere controllato costantemente nel tempo.
Il tempo è la grandezza fondamentale che governa il monitoraggio. È evidente come nella realtà la “propagazione del tempo” sia continua e non discreta. In altre parole, nel mondo reale vige il concetto di atomicità del tempo il quale può essere frammentato in infiniti istanti infinitesimi. Nel monitoraggio invece non abbiamo la facoltà di catturare (o acquisire) “continuamente” una grandezza fisica. Non esistendo, in termini matematici, una frequenza di acquisizione dati infinita, dobbiamo accontentarci di acquisizioni discrete nel tempo, a determinate frequenze.
La frequenza di acquisizione è responsabile della suddivisione del monitoraggio in due macro-aree:
Frequenze “elevate” e “ridotte” si quantificano a seconda dell’applicazione (ad esempio nel monitoraggio infrastrutturale la linea di confine tra dinamico e statico può essere fissata circa a 10-20 Hz). Tutte le grandezze oggetto di monitoraggio sono caratterizzate da un andamento nel tempo, le cui variazioni possono dipendere da altre variabili le quali possono essere soggette o meno a monitoraggio.
Sulla base di questa considerazione il monitoraggio costituisce un ottimo strumento per individuare correlazioni tra grandezze fisiche protagoniste di un sistema di monitoraggio. A prescindere dall’uso che se ne fa, chiunque opera nel monitoraggio deve destreggiarsi con una serie di Time Series caratteristiche di ogni grandezza fisica acquisita.
La predizione nel monitoraggio costituisce il meeting point tra l’Ingegneria Civile-Ambientale con il Data Science. Tutte le opere civili erette in età moderna-contemporanea sono state progettate seguendo le leggi della Scienza delle Costruzioni e della Statica, le quali dettano le regole sul dimensionamento di travi e di elementi strutturali portanti. Queste regole, inoltre, tengono conto di come l’opera interagisce con se stessa e con l’ambiente circostante.
Perciò l’Ingegneria Civile-Ambientale ci fornisce le grandezze ingegneristiche principali che descrivono le condizioni nominali di progetto, ossia dei valori numerici che ci si aspetta di ottenere ad opera ultimata. In altre parole il valore nominale delle grandezze ingegneristiche costituisce il valore di regime o di inizio vita dell’opera per poi variare nel tempo durante il normale esercizio dell’opera.
L’osservazione della variazione nel tempo di queste grandezze ingegneristiche è l’obbiettivo del monitoraggio strutturale. In realtà in fase di progettazione si fa già predizione probabilistica. Lo dimostra il fatto che molti parametri e coefficienti correttivi che entrano in gioco in questa fase sono determinati su base statistica facendo riferimenti a dati storici di altre strutture oppure facendo riferimento a test in laboratorio.
Ciò che la predizione nel monitoraggio può fornire in più è il comportamento futuro dell’opera, calcolato sui dati passati caratteristici della stessa opera. Infatti, per quanto possa essere simile il comportamento di due costruzioni progettate allo stesso modo, questo non potrà mai essere identico. La potenza della predizione nel monitoraggio risiede proprio nella conoscenza della storia dell’infrastruttura, di come “respira” nell’alternanza tra giorno e notte e di come reagisce agli stimoli esterni. Nota la storia, si possono determinare i trend che presentano le grandezze sotto esame, fissare delle soglie di avviso per la manutenzione predittiva al di sopra delle quali è necessario intervenire.
Per poter fissare le soglie è necessario avere una conoscenza approfondita ed affidabile della storia dell’infrastruttura. Le soglie possono essere statiche, adattive e dinamiche; vengono calcolate dai dati storici e selezionate sulla base della tipologia di monitoraggio che si sta facendo. In ogni caso la manutenzione predittiva prende forma dal confronto continuo tra più tipologie di soglie con la grandezza ingegneristica presa in considerazione.
Il meeting point tra l’Ingegneria Civile-Ambientale e Data Science scaturisce l’ingresso in gioco di tutta la parte di Machine Learning. Questa costituisce un arma in favore del monitoraggio e della predizione in quanto si possono definire stati del sistema basati su classification e clustering attraverso algoritmi di correlazione.
Un tipico esempio è l’applicazione algoritmi di classification della correlazione di due o più caratteristiche del sistema, dai quali si generano sotto-domini di esistenza. Il continuo monitoraggio della correlazione fornisce indicazioni aggiuntive sul comportamento passato ed attuale della struttura dal quale possiamo determinare trend futuri ed eventuali derive.
Il futuro necessita sempre di più di sistemi di monitoraggio. I campi di applicazione sono i più disparati e coinvolgono molte tecnologie e campi di ricerca, si va dalla sensoristica (elettrica, fibra ottica) all’ingegneria civile passando per il data science, informatica e statistica. Questo impone un approccio multidisciplinare che coinvolge diverse figure lavorative che devono saper comunicare efficacemente.
Ad oggi non c’è ancora la cultura del monitoraggio multidisciplinare, nel senso che è una materia ancora troppo sottovalutata per poter giustificare investimenti su queste risorse. In queste condizioni il compito del monitoraggio è demandato a strumentazione poco automatizzata che causa povertà di dati e di conseguenza una scarsa conoscenza della vita di un opera durante il suo normale esercizio. Le condizioni non favoriscono il fiorire della materia del monitoraggio.
Una scossa è avvenuta a causa di eventi catastrofici come i crolli di ponti e viadotti. La conseguenza è stata una spinta ad investire in nuove tecnologie, che permettono di monitorare h24 in real time infrastrutture. Inoltre la maggior parte delle opere infrastrutturali stradali e ferroviarie sono state costruite negli anni 50-60, per cui attualmente siamo alla fine della vita progettuale di tali opere (che iniziano a manifestare segnali di cedimento). Questi fatti stanno incentivando l’installazione di sistemi di monitoraggio che però a volte non sono supportati dalla giusta considerazione che meritano.
Per concludere, la multi-disciplinarietà della materia impone anche lo stare al passo con i tempi. Tecnologie innovative possono diventare obsolete nel giro di pochi anni (nel giro di pochi anni il Machine Learning è diventata materia nota a tutti ed in poco tempo potrebbe diventare addirittura obsoleta). Per questo motivo si iniziano a studiare applicazioni con Deep Learning o algoritmi non supervisionati.
La discussione prosegue qui.
Scrivimi la tua opinione sull’argomento, o per suggerire uno dei prossimi approfondimenti! Se te lo fossi perso, leggi anche il mio primo intervento nella rubrica Tech Coffee Break, dedicato alle tecnologie edge!
AUTORE: ANDREA CANFORA
Senior Data Scientist in Sensoworks. Le sue competenze ingegneristiche trasversali su più settori gli permettono di essere l’anello di congiunzione tra i team che disegnano le soluzioni Sensoworks e il team tecnico che si occupa di realizzarle.
È passato più di un decennio da quando Internet of Things è stato coniato per la prima volta da Kevin Ashton. Da allora, si è espanso a fianco di un hub tecnologico in crescita che abbraccia una vasta gamma di settori. In molti modi rende la nostra vita quotidiana più efficiente, colmando il divario tra oggetti fisici con la raccolta e la condivisione di dati su Internet.
L'Internet of Things ha spianato la strada affinché gli oggetti possano interagire tra loro senza la necessità della gestione da parte delle persone. Le decisioni vengono prese in tempo reale, supportate da dati nello stesso momento che aiutano a rilevare eventuali cambiamenti che si verificano nell'ambiente circostante.
[rml_read_more]
Il potenziale di questo settore all'interno delle città urbane è sempre più evidente e ci sono molte realtà pronte ad investire in questo tipo di innovazione. I dibattiti si sono moltiplicati per quanto riguarda il potenziale ritorno che questa era tecnologica potrebbe portare avanti. Tuttavia, una cosa nota per certo è che sta offrendo opportunità in aree che non avremmo mai immaginato.
Il suo impatto ha un crossover nei paesi in via di sviluppo, dove ha la capacità di cambiare i processi esistenti ed espandere l'efficienza nei settori che necessitano di nuove soluzioni per una varietà di sfide. Fornendo un modello economico per migliorare lo sviluppo in diversi meccanismi di elaborazione attraverso il miglioramento di vari progetti nelle fasi di ricerca, monitoraggio e valutazione, maggiori sono le possibilità che questi paesi si trasformino in ambienti più sostenibili.
I paesi in via di sviluppo hanno sempre affrontato sfide legate alla distribuzione dell'acqua e al miglioramento delle condizioni sanitarie. Le tecnologie IOT hanno creato un percorso in cui diversi paesi stanno affrontando questo problema in modi innovativi. La start-up CityTaps ha iniziato un esperimento a Niamey, in Niger, collaborando con la società di servizi idrici locale che lotta per permettersi di mantenere, operare e gestire la lettura dei barometri che possono far salire i costi e impedire i restauri.
La loro soluzione era la collaborazione con le utility e la creazione di una rete di sistemi IoT supportati da una rete Wide Area Wide Power che consente al generatore di creare pagamenti e rilevare malfunzionamenti in tempo reale. Sfruttando i dati provenienti dai sensori, si possono ottenere prestazioni più accurate. Il processo funziona prevedendo che il consumatore paghi in anticipo i servizi idrici a casa attraverso un dispositivo mobile. Il consumatore ha la possibilità di pagare qualsiasi importo in qualsiasi momento e al fornitore viene garantito il pagamento per la consegna.
In India, Smarter Homes sta affrontando il consumo di acqua con i sistemi di monitoraggio domestici. In risposta a una crisi idrica del 2014 a Bengaluru in seguito alla crescita della popolazione, la divisione IOT di IBM ha collaborato con il Bengaluru Water Supply and Sewerage Board nel formare un centro di comando in cui sono stati in grado di monitorare il flusso e la pressione dell'acqua e con l'avviso IBM Intelligent Water Software funzionari su eventuali discrepanze nel sistema.
L'assistenza sanitaria nei paesi in via di sviluppo è un altro settore innovativo dall'Internet of Things. La tecnologia Nexleaf sta migliorando le condizioni di salute migliorando le condizioni per le vaccinazioni utilizzando un sistema di monitoraggio remoto della temperatura wireless chiamato Cold trace. Il sistema funziona inviando la temperatura di conservazione e lo stato di alimentazione al personale tramite SMS ogni volta che si verificano cambiamenti nell'ambiente. Il ruolo di IOT è avere sensori in questi contenitori per monitorare temperatura, umidità e luce.
È anche un mezzo per sviluppare tattiche di risposta alle emergenze quando le catastrofi colpiscono queste regioni; dove le scarse infrastrutture e le alte densità di popolazione svolgono un ruolo significativo nel modo in cui si manifestano gli effetti.
Conosciuto per la sua suscettibilità ai terremoti, il Messico utilizza un sistema di allarme rapido chiamato SkyAlert che rileva l'attività sismica 120 secondi prima dell'impatto in base alla distanza dell'epicentro. Fornendo così maggiori opportunità alle persone di rifugiarsi prima dei colpi del terremoto.
Il Brasile ha lanciato un primo centro di intelligence all'avanguardia nel suo genere nel 2010, in risposta alle fatali frane verificatesi in primavera. I sensori di movimento generano feed di dati su traffico, meteo, polizia e servizi medici in tempo reale. Una volta generati i dati, vengono rilevati i problemi previsti e vengono messe in atto le difese. Se emergono potenziali emergenze, i cittadini vengono avvisati tramite sms e altre piattaforme multimediali. Coloro che sono inclini alle aree a rischio ricevono una chiamata della sirena per le istruzioni di evacuazione.
Con un nuovo progresso tecnologico in atto nei paesi sviluppati e l'impatto che IOT ha avuto in settori come l'agricoltura e i trasporti, ci sono numerose applicazioni in cui può essere utile nei mondi in via di sviluppo. Chissà? Forse l'Internet of Things è una possibile soluzione ai processi necessari a questi paesi per superare queste sfide.
Per ulteriori informazioni, visitare il link seguente per visitare la Guida del World Economic Forum per costruire una società più sostenibile utilizzando l'Internet of Things.
http://www3.weforum.org/docs/IoTGuidelinesforSustainability.pdf
Per capire cos'è l'IoT industriale, facciamo prima un passo indietro e spieghiamo in poche parole cosa intendiamo quando diciamo "Internet delle cose".
Nel 1999 Kevin Ashton, ricercatore del MIT di Boston, ha descritto Internet of Things come un insieme di tecnologie che consente di controllare, monitorare e trasferire informazioni collegando un dispositivo a Internet.
L'Internet of Things industriale, solitamente abbreviato con IIoT, è quindi una verticalizzazione del concetto più ampio di IoT, incentrato sull'ecosistema industriale e reso possibile da tecnologie come cybersecurity, cloud e edge computing, analisi dei big data, intelligenza artificiale e machine learning .
[rml_read_more]
Secondo un rapporto firmato da IndustryARC, il mercato dell'IoT industriale raggiungerà i 124 miliardi di dollari entro il 2021 e dovrebbe superare i 771 miliardi di dollari entro il 2026. Il CAGR (tasso di crescita annuale composto) nelle previsioni del periodo 2018-2026, è invece stimato al 24,3% .
La chiave di questa crescita sta nel fatto che i dati ottenuti in tempo reale non solo consentono una migliore gestione del processo di produzione, ma anche una migliore gestione di tutte le risorse aziendali, offrendo un quadro chiaro e immediato delle prestazioni dell'azienda in tutte le sue aree.
La struttura ordinaria di un sistema IIoT è un'architettura modulare organizzata in 4 livelli:
L'ampia disponibilità di dati raccolti consente di monitorare e mantenere (anche in modo predittivo) infrastrutture strategiche, utilizzando algoritmi di intelligenza artificiale e machine learning, siamo in grado di generare stime, previsioni su possibili rischi e suggerire misure da adottare prima dei guasti si verificano.
Ad esempio, nel settore delle infrastrutture, i sensori IoT e gli algoritmi predittivi potrebbero consentire il monitoraggio continuo di:
Il risultato di progetti IoT industriali è la riduzione dei costi energetici e di manutenzione, nonché il miglioramento generale della produttività aziendale e della qualità del lavoro dei dipendenti.
Tuttavia, questi problemi critici non devono scoraggiare gli investimenti in progetti IIoT. I benefici a lungo termine sono estremamente superiori agli sforzi a breve termine in termini di risorse umane ed economiche.
Ben prima che l'IoT diventasse una tendenza di ricerca, l'azienda genitrice di Sensoworks (GreenVulcano) già sviluppava la propria soluzione da offrire ai clienti.
Leader nel mercato dell'integrazione grazie a un'esperienza di oltre 10 anni, GreenVulcano ha recentemente realizzato uno spin-off di Sensoworks per commercializzare il suo prodotto di monitoraggio: un prodotto cloud (ma che può anche essere usato su sistemi on-premise) e plug and play pensato per il controllo da remoto e manutenzione (preventiva e predittiva) di sistemi infrastrutturali complessi.
Per ulteriori informazioni sulla soluzione di monitoraggio di Sensoworks, contattaci e non perdere i nostri altri articoli.
