Un sistema AI basato su cloud raggiunge il 90% di accuratezza nel rilevamento dei blocchi delle fognature per ridurre l'inquinamento dei fiumi

Una collaborazione straordinaria tra l'Università di Sheffield, Yorkshire Water e Siemens ha dato vita a un sistema di intelligenza artificiale (AI) basato su cloud che vanta un'accuratezza quasi del 90% nel rilevamento dei blocchi delle fognature. Questo sviluppo rivoluzionario promette di svolgere un ruolo fondamentale nella riduzione dell'inquinamento dei fiumi causato dagli scarichi delle fognature.

Affrontare l'inquinamento con un piano strategico

Lo sviluppo del sistema AI si allinea con l'ambizioso 'Piano di riduzione degli incidenti di inquinamento', che mira a ridurre gli incidenti di inquinamento di un sostanziale 50% entro il 2025. Il piano dà priorità all'intervento precoce per prevenire l'inquinamento derivante dagli scarichi combinati delle fognature (CSO). Questi CSO fungono da valvole di sfogo per i sistemi fognari, rilasciando acqua in eccesso nei corpi idrici vicini durante forti piogge per prevenire alluvioni a valle. Tuttavia, quando blocchi o altri problemi interrompono il sistema, possono verificarsi incidenti di inquinamento non necessari.

Lo sforzo collaborativo si basa su tecnologie avanzate di sensori per monitorare in tempo reale la profondità dell'acqua nei CSO e in varie parti della rete fognaria. Dato l'ampio numero di sensori coinvolti, l'analisi manuale diventa impraticabile, rendendo necessaria l'implementazione di un sistema AI automatizzato. Sviluppato in partnership con Siemens, la soluzione basata su AI è nota come Siemens Water (SIWA) Blockage Predictor.

Potere predittivo dell'AI

Il SIWA Blockage Predictor sfrutta l'AI per prevedere le profondità dell'acqua analizzando i dati sulle precipitazioni e confrontandoli con le misurazioni effettive attraverso un sofisticato algoritmo di Logica Fuzzy (FL). Ogni volta che vengono rilevate profondità dell'acqua inaspettatamente elevate, viene generato tempestivamente un avviso per le utilities idriche, consentendo loro di prendere misure preventive ed evitare incidenti di inquinamento. L'obiettivo principale è identificare potenziali blocchi nelle loro fasi iniziali per assicurarsi che vengano affrontati prima che causino inquinamento.

Un articolo peer-reviewed appena pubblicato valuta le prestazioni del SIWA Blockage Predictor sia durante un periodo 'storico' di due anni che durante un periodo 'live' di sei mesi. L'articolo conduce anche un'analisi comparativa rispetto alla precedente soluzione analitica. I risultati sono impressionanti, con il sistema AI che ha identificato correttamente l'88,4% dei problemi confermati nell'intero dataset, rispetto alla misera accuratezza del 26,6% della soluzione precedente. L'articolo completo, intitolato “Cloud-Based Artificial Intelligence Analytics to Assess Combined Sewer Overflow Performance”, è disponibile sul Journal of Water Resources Planning and Management.

Prospettive future per la protezione ambientale

Il Dr. Will Shepherd, Principal Investigator del Dipartimento di Ingegneria Civile e Strutturale dell'Università di Sheffield, ha sottolineato l'importanza di questa innovazione nel mantenere sistemi fognari ecologicamente sostenibili. Ha evidenziato che le reti fognarie non erano originariamente progettate per gestire forti piogge e che i CSO fungono da valvole di sfogo vitali per prevenire le alluvioni. Spinto dall'impegno a ridurre gli incidenti di inquinamento, lo sforzo collaborativo si concentra sull'identificazione e l'eliminazione dei blocchi prima che portino alla contaminazione di fiumi e corsi d'acqua.

Il Professor Joby Boxall, Professor di Ingegneria delle Infrastrutture Idriche nel Dipartimento di Ingegneria Civile e Strutturale dell'Università di Sheffield, ha sottolineato l'importanza di un approccio collaborativo per raggiungere il successo. Ha sottolineato l'importanza di riconoscere e rispettare le esigenze e le ambizioni uniche di ogni partner mentre si costruisce e si mantiene un alto livello di fiducia.

Il Dr. Stephen Mounce, Direttore di Mounce HydroSmart, ha espresso entusiasmo su come questo progetto mostri la trasformazione dell'AI e dell'analisi dei dati da prototipi di ricerca in progetti nelle prime fasi a soluzioni mature e generiche deployate su piattaforme basate su cloud. Ha notato il deployment reale del sistema su oltre 2.000 asset di Yorkshire Water.

Il Dr. John Gaffney, Product Owner del SIWA Blockage Predictor, ha definito questa collaborazione un caso esemplare di un'azienda tecnologica che prende la ricerca universitaria con un alto Livello di Prontezza Tecnologica (TRL), la trasforma in prodotto e ne dimostra il valore attraverso la scienza peer-reviewed a un utente finale. Ha sottolineato il ruolo vitale del prodotto nella salvaguardia dei corsi d'acqua, rendendo il progetto particolarmente gratificante.

La collaborazione tra l'Università di Sheffield, Yorkshire Water e Siemens ha prodotto un risultato straordinario nella protezione ambientale guidata dall'AI. La capacità del sistema AI basato su cloud di rilevare i blocchi delle fognature con un'accuratezza quasi del 90% offre una soluzione promettente per ridurre l'inquinamento dei fiumi. Man mano che la tecnologia continua a evolversi, soluzioni innovative come il SIWA Blockage Predictor dimostrano il potenziale dell'AI di svolgere un ruolo fondamentale nella salvaguardia del nostro ambiente naturale. Con un fermo impegno verso l'intervento precoce e la riduzione degli incidenti di inquinamento, questo sforzo collaborativo offre speranza per corsi d'acqua più puliti e sani in futuro.