Dalla ricerca dei guasti alla manutenzione predittiva, grazie agli strumenti di artificial intelligence e advanced analytics, le water utilities possono oggi affrontare con successo la grave problematica legata allo spreco di acqua a cui è soggetta la rete idrica italiana. Ne è fortemente convinto Riccardo Paolini, Area Services & Utilities di SDG Group Italy secondo cui i gestori che si dotano di tecnologie all’avanguardia con l’obiettivo di contenere le perdite raggiungono risultati notevoli: “mentre gli acquedotti italiani perdono ogni giorno una media di 24 metri cubi di acqua per chilometro di rete, i territori più avanguardisti e virtuosi possono arrivare a limitare le perdite giornaliere a poco più di 9 metri cubi di acqua per chilometro”. Con la naturale conseguenza quindi, che investire in questo tipo di innovazione, ha davvero un impatto positivo sull’ambiente e sulla società.
Al di là dell’adozione di modelli matematici predittivi interpretati come tassello fondamentale per migliorare la gestione idrica, arrivando a una nuova evoluzione e ottimizzazione delle reti e dell’erogazione dei servizi ai cittadini, servono anche le competenze del team di lavoro, gli strumenti giusti e un disegno d’insieme definito, per contribuire concretamente a ridurre l’elevata percentuale di acqua che oggi viene sprecata nella rete, contribuendo a minimizzare le tariffe per metro cubo consumato da privati e aziende.
La problematica dello “spreco di acqua” nella rete idrica italiana
Come ogni anno, in occasione della Giornata Mondiale dell’Acqua (che cade il 22 marzo), il mondo torna a interrogarsi sul bene più prezioso per il nostro Pianeta; ma come poche altre volte, quest’anno l’emergenza idrica è più che evidente e rischia di ripercuotersi sull’autosufficienza alimentare ed energetica, due criticità emerse a gran voce in questi mesi di pandemia e di fronte all’attuale scenario di guerra che ci colpisce da vicino.
Ai problemi ambientali legati alla siccità ormai presenti anche nel nostro Paese, che nelle ultime settimane ha visto i fiumi del Nord toccare il minimo storico degli ultimi 30 anni, si sommano gli sprechi che hanno ormai raggiunto percentuali preoccupanti.
Stando ai dati dell’ultimo rapporto Istat 2021, in Italia ogni anno il 40% dell’acqua viene sprecato a causa di problemi legati alla rete idrica. Non solo, in un anno, dei 8,2 miliardi di metri cubi di acqua immessi nella rete idrica italiana, ne vengono utilizzati 4,7 miliardi e i restanti 3,5 miliardi sono dispersi a causa delle cattive condizioni dell’infrastruttura.
Praticamente, stimando un consumo giornaliero pro capite di 215 litri (valore nazionale), le perdite potrebbero garantire le esigenze idriche di circa 44 milioni di persone in un anno.
Occorre migliorare qualità ed efficienza di infrastrutture idriche obsolete
Uno scenario che richiede nuovi e urgenti investimenti da parte dello Stato per rinnovare una rete infrastrutturale provata dall’usura del tempo. Da un lato, il Piano Nazionale di Ripresa e Resilienza (PNRR), prevende investimenti per contrastare la vulnerabilità climatica, dove la mancanza d’acqua mette a rischio l’agricoltura e altre attività economiche del Paese; dall’altro, il quadro strategico 2022-2025 dell’ARERA (Autorità di Regolazione per Energia Reti e Ambiente) include, nell’area ambiente, l’obiettivo di favorire il miglioramento della qualità e dell’efficienza delle infrastrutture idriche in coerenza con i traguardi fissati dall’Agenda 2030 per lo sviluppo sostenibile.
Il suggerimento ai soggetti competenti è di adottare soluzioni innovative e a minor impatto ambientale, nonché di maggiore resilienza agli eventi estremi, connessi al cambiamento climatico in atto. Pertanto, saranno da favorire tutti i progetti tesi alla sicurezza delle infrastrutture di approvvigionamento, alla riduzione delle perdite idriche (anche attraverso la digitalizzazione delle reti) e al potenziamento dell’efficacia nella depurazione delle acque reflue (anche attraverso l’innovazione tecnologica). Ma il problema principale per i gestori del ciclo idrico integrato è sostenere elevati costi di manutenzione per contrastare guasti e interruzioni della rete, dovute a tubi e infrastrutture datate o obsolete, senza neanche avere la certezza di localizzarli con precisione.
Dalla ricerca dei guasti alle potenzialità della manutenzione predittiva
Ogni anno si ricorre a risorse ed energie sempre più consistenti per controllare puntualmente la parte fisica della rete e raccogliere i dati di campo: dalle indagini geofoniche ai correlatori ad altissima gittata, le video ispezioni, l’adozione di transitori di pressione, perfino i raggi cosmici (ultimo ritrovato che sfrutta una proprietà dei neutroni, i quali vengono trattenuti dall’idrogeno quando arrivano in contatto con l’idrogeno stesso).
Sono diverse le tecnologie che oggi aiutano a localizzare le perdite per chiudere il prima possibile le falle ma un passo in avanti significativo può avvenire nel momento in cui si sceglie di adottare tecnologie innovative in ottica predittiva per poter intervenire giocando d’anticipo. La “manutenzione predittiva” è una prospettiva fortemente abilitata dall’ampia integrazione IoT e dai modelli di Machine Learning e rappresenta uno dei vantaggi maggiori della quarta rivoluzione industriale.
In realtà, l’analisi predittiva è piuttosto antica, ma prima dell’avvento di grandi masse di dati, di algoritmi efficienti e di elaboratori potenti da supportarli, il suo utilizzo era limitato ad ambiti ristretti e a un numero contenuto di realtà. Negli ultimi anni, l’evoluzione della tecnologia ha portato a una riscoperta delle metodologie e degli algoritmi e l’aumento della capacità di calcolo e la disponibilità di grandi masse di dati hanno rappresentato i fattori abilitanti di tale rinascita.
Dati di qualità e competenze digitali per individuare le falle nella rete idrica
In ambito idrico, in accordo con l’adozione di algoritmi intelligenti, si possono prendere in considerazione numerose diverse variabili che caratterizzano le infrastrutture, come le dimensioni e l’età del sistema di tubazioni, la disponibilità di acqua pronta per essere trattata, la tipologia e il modello dei contatori dell’acqua installati, le previsioni meteo storiche e future a breve-medio periodo, la cronologia delle misure intraprese per prevenire le perdite d’acqua, le priorità dal punto di vista economico e normativo, arrivando a creare schemi anticipatori affidabili per poter individuare a priori i punti di maggiore fragilità della rete.
Ma per una analisi predittiva efficace è necessario affidarsi a persone capaci di organizzare i dati (Data Engineer), di creare modelli e algoritmi predittivi (Data Scientist) e, infine, di costruire il flusso e di integrarlo in un’architettura performante di produzione (Data Architect). In sintesi, sono necessari dati di qualità ma accompagnati da un giusto bilanciamento di competenze multiple e dalla creazione di un processo manutenibile.
Come prevedere e rilevare precocemente le anomalie e reagire tempestivamente
Come osserva Riccardo Paolini, di SDG Group Italy, “i nostri esperti operano in un team multifunzionale che individua i modelli matematici e lavora sui dati raccolti dall’operatore idrico per sviluppare un ambiente di sperimentazione, rendendo evidenti i benefici del progetto ancora prima che venga implementato”.
Approccio multidisciplinare che è stato applicato con successo in Aqualia per prevedere il consumo di acqua, rilevare tempestivamente eventuali perdite e anomalie, classificare tali anomalie e attivare azioni conseguenti. Aqualia è la quarta società di gestione dell’acqua in Europa e la nona al mondo in termini di popolazione servita, secondo l’ultima classifica Global Water Intelligence. Attualmente serve quasi 30 milioni di persone in 17 Paesi distribuiti tra Europa, Nord Africa, Middle East, Centro e Sud America.
Il progetto è stato suddiviso in tre macro-fasi. La prima di Flow forecast ha comportato la previsione del flusso d’acqua attraverso un modello statistico flessibile, che tiene conto della stagionalità dei consumi (annuale, settimanale e oraria-giornaliera), degli effetti delle festività e meteorologici (utilizzando sia previsioni meteo che dati storici), delle tendenze locali e dei cambiamenti strutturali, come la variazione della popolazione residente, i nuovi quartieri, i nuovi stabilimenti produttivi. L’accuratezza del modello è garantita dall’utilizzo di un’infrastruttura Machine Learning Operations (MLOps), metodologia di sviluppo basata sui principi di Continuous Integration e dal Continuous Delivery e Continuous Training, grazie a cui è possibile automatizzare l’addestramento continuo dell’intera pipeline del modello e la distribuzione del nuovo servizio di predizione.
Una seconda fase di Early Warning Anomaly Detection ha comportato la creazione di un sistema di allerta precoce che si basa sulla deviazione statisticamente rilevante dei dati quantitativi osservati e sulle serie storiche e future dei singoli smart meter. Tali analisi consentono di definire una precisa tassonomia data-driven delle anomalie riscontrate, la cui caratterizzazione punta a distinguere i differenti fenomeni sottostanti come frodi in rete, perdite abnormi o rotture. L’obiettivo di questa fase è minimizzare il parametro NRW (Non-Revenue Water), ovvero l’acqua prodotta e pulita che viene persa da qualche parte nel sistema di distribuzione, senza mai raggiungere la sua destinazione finale. Ciò significa che l’acqua non viene utilizzata o pagata, con ripercussioni sulle economie locali e sulle risorse locali disponibili.
Durante la terza fase, denominata Trigger Actions, la topologia della rete viene utilizzata per identificare i punti di rottura. La classificazione della gravità degli allarmi consente di eseguire azioni circostanziate in base al problema rilevato. Così facendo si possono pianificare gli interventi anzitempo gestendo i relativi costi e l’impegno di mezzi e persone in modo strutturato.
