Continua il percorso di approfondimento sui contenuti del Position Paper “Sustainable Water”: il documento, strutturato in tre sezioni, che promuove il ruolo della sostenibilità digitale nella gestione della risorsa idrica, realizzato dalla Fondazione per la Sostenibilità Digitale in collaborazione con le aziende sostenitrici – operanti nel Servizio Idrico Integrato – Acquedotto Pugliese, Gruppo CAP, Italgas e MM.

Dopo aver raccontato il ruolo delle tecnologie appartenenti alla prima area descritta nel Paper – quella dell’infrastruttura fisica – e spiegato il loro ruolo strategico per la gestione sostenibile del ciclo di vita degli asset e del loro funzionamento, il percorso continua con l’approfondimento della seconda sezione, quella dell’infrastruttura di processo: area che, come vedremo più nel dettaglio in questo articolo, riguarda quelle tecnologie in grado di ottimizzare i processi, sviluppare nuovi servizi e ripensare il modo di lavorare tradizionale attraverso analisi predittive basate su algoritmi di Intelligenza artificiale e Machine Learning.

Tra Big Data ed Edge Computing: il dato al centro

Tra gli strumenti più importanti tra quelli descritti nel documento, troviamo anzitutto i Big Data: grandi volumi di dati, spesso di natura eterogenea e complessa, che superano le capacità delle tradizionali tecnologie di gestione dei dati. La loro peculiarità risiede nell’ampio spettro di informazioni che sono in grado di offrire: per questo motivo la loro analisi – che richiede soluzioni e tecnologie avanzate – è un abilitatore strategico per l’identificazione di tendenze, modelli e correlazioni altrimenti non visibili. In campo idrico, come spiegato nel Paper, l’utilizzo e l’analisi dei Big Data è importante su diversi fronti: ad esempio per la gestione delle perdite d’acqua – identificando pattern di consumo anomali e aiutando a rilevare perdite nella rete – e una conseguente riduzione degli sprechi, così come, tramite l’integrazione tra dati metereologici e operativi, per la previsione di eventi climatici estremi, nell’ottica dell’attuazione di attività di prevenzione e coordinamento territoriale orientate alla gestione delle emergenze. Inoltre, un corretto uso di questi strumenti consente di comprendere meglio le fluttuazioni nei modelli di consumo d’acqua nel tempo e nello spazio, e questo è fondamentale per ottimizzare la distribuzione dell’acqua e la pianificazione a lungo termine.

Quando si parla di elaborazione dei dati, nel settore idrico, anche l’Edge Computing può assumere un ruolo di rilevanza strategica. Questo paradigma, infatti, prevede l’elaborazione e l’analisi dei dati direttamente “al limite” della rete, vicino alla fonte dei dati anziché in data center remoti o nel cloud: questo approccio decentralizzato punta a risolvere importanti problemi tecnici in concomitanza di aree geografiche non adeguatamente coperte da reti cablate o wireless, è in grado di garantire uno scambio efficiente dei dati dal campo al centro, abilitando un generale miglioramento delle performance. Tra gli esempi di applicazione nel settore più interessanti descritti nel Paper c’è, ad esempio, la delocalizzazione del calcolo del bilancio idrico: come spiegato nel dettaglio dal documento, la distribuzione del calcolo in Edge permette di eseguire il bilancio idrico in locale, partendo da aggregazioni di dati, da propagare e aggregare a livello centrale, dove viene eseguito il bilancio totale; in questa direzione, oltre a risolvere problemi di fattibilità tecnica, l’Edge Computing mitiga gli errori di trasmissione dati dal campo al centro, che costringono i sistemi centrali a stimare le letture che, per diverse ragioni, non riescono ad essere acquisite.

Monitoraggio e prevenzione: il ruolo dell’IA e del Machine Learning

Come anticipato, anche e soprattutto l’Intelligenza artificiale e il Machine Learning possono intervenire profondamente sui processi, abilitando per le società operanti nel settore una gestione maggiormente sostenibile delle proprie attività.

Ad esempio, attraverso un approccio predittivo e analitico, l’applicazione del Machine Learning può essere decisiva nel rilevamento delle perdite d’acqua nelle reti idriche: ciò si basa sull’impiego di sofisticati algoritmi addestrati per identificare pattern e anomalie nei dati provenienti dai sensori distribuiti, e consente di aumentare l’efficienza del monitoraggio identificando rapidamente situazioni problematiche, riducendo, quindi, il volume d’acqua perso a causa di perdite non individuate. E poi, come descritto ancora nel documento, l’uso di algoritmi di regressione consente di modellare il comportamento usuale del flusso dell’acqua in una specifica sezione della rete; questi algoritmi riconoscono variazioni significative e inattese nei dati di flusso, come l’improvvisa diminuzione del flusso in un tratto di tubazione: in tal caso, la deviazione viene identificata e segnalata come possibile perdita, consentendo un intervento immediato per risolvere il potenziale problema.

Inoltre, nell’ottica di una migliore salvaguardia della rete, l’utilizzo del Machine Learning è cruciale per la manutenzione predittiva, tramite l’impiego di modelli avanzati basati su algoritmi di apprendimento automatico. Questi algoritmi integrano dati provenienti da sensori distribuiti nella rete, dati storici di manutenzione, informazioni dettagliate sugli asset, condizioni ambientali e altri fattori: questo permette di creare dei modelli predittivi che consentono agli operatori di programmare interventi di manutenzione preventiva sulle parti della rete che mostrano segni di criticità, riducendo i rischi di rotture impreviste e garantendo la continuità del servizio.

Più fiducia e trasparenza grazie alla Blockchain

In quest’area si inserisce, infine, un ultimo rilevante strumento: la blockchain. Questa tecnologia di registrazione digitale che memorizza dati in “blocchi” concatenati, infatti, pur essendo nata in tutt’altro ambito – quello delle criptovalute – ha trovato negli anni svariate applicazioni in diversi altri campi, tra i quali il settore idrico.

In questo comparto, l’applicazione della blockchain può essere utile, ad esempio, nell’ottica della tracciabilità delle risorse idriche: offrendo la possibilità di creare registri distribuiti e immutabili, infatti, questo strumento può consentire di tracciarne dettagliatamente l’intero percorso, tramite una registrazione trasparente e sicura di ogni fase del ciclo dell’acqua, dall’origine alla distribuzione finale. Questo approccio consente non solo un monitoraggio preciso del flusso delle risorse idriche, ma impedisce anche alterazioni o sottrazioni illegali durante il percorso, garantendo una maggiore trasparenza e fiducia.

Ma non solo; come sottolineato ancora dalla Fondazione per la Sostenibilità Digitale e dai suoi partner, l’uso della tecnologia blockchain può consentire anche l’immagazzinamento sicuro e inalterabile dei dati sulla qualità dell’acqua – come livelli di pH, presenza di contaminanti o altre caratteristiche – garantendo trasparenza e affidabilità delle informazioni: un approccio, questo, fondamentale per assicurare che l’acqua destinata al consumo umano soddisfi i requisiti di sicurezza e qualità.

Insomma, come descritto sin qui, la digitalizzazione e i suoi strumenti intervengono profondamente sui processi, talvolta rivoluzionandoli, e abilitano per gli operatori del settore idrico nuove possibilità che possono e devono essere indirizzate verso la sostenibilità. Ma se l’uso di singole tecnologie può essere di per sé significativo, queste acquisiscono un valore ben maggiore se usate in combinazione. Ed è qui che subentra l’importanza degli ecosistemi digitali per la sostenibilità: quella che, non a caso, è stata individuata come la terza e ultima area del Position Paper, e che, a settembre, approfondiremo nell’ultimo articolo di questa mini-rubrica su Tech Economy 2030.