SERVIZI
Attraverso servizi di rilievo altamente professionali e specializzati, Enydros rende disponibile digitalmente i parametri tecnici, geospaziali e costruttivi delle reti di acquedotto e fognatura, offrendo una conoscenza approfondita delle reti idriche.
I nostri tecnici raccolgono le cartografie originali e ispezionano le reti idriche e con specifici strumenti rilevatori ne localizzano gli elementi costitutivi (es.: vasche, sollevamenti, sfioratori), misurano le profondità dei tubi in ingresso e in uscita, i diametri e i materiali di tubazioni e allacciamenti e creano planimetrie digitali di dettaglio.
I servizi di rilievo sono un supporto fondamentale per la gestione ordinaria, per la pianificazione degli interventi costanti di manutenzione e per la programmazione dello sviluppo costante dei servizi nel territorio o sito da servire.
Enydros utilizza la tecnologia GIS (ArcGIS e Qgis) per l’archiviazione, la verifica e l’analisi dei dati acquisiti.
Enydros realizza campagne di monitoraggio delle pressioni e delle portate per la calibrazione dei modelli idraulici, la progettazione degli interventi di distrettualizzazione e di gestione delle pressioni.
Insieme al gestore, definiamo il numero e l’allocazione dei punti di monitoraggio, la durata della campagna di misura, la frequenza delle rilevazioni e il numero di rilevatori. Enydros identifica eventuali necessità di camerette di misura ed effettua sopralluoghi preliminari per determinare quale strumentazione utilizzare in funzione delle condizioni di installazione. Per ciascun punto di monitoraggio, Enydros realizza quindi delle monografie indicanti le caratteristiche del sito, la sua localizzazione, gli strumenti e le attività necessari per la realizzazione della misura. Quindi realizza una mappa completa della rete con l’indicazione dei punti di monitoraggio, l’individuazione degli eventuali distretti di portata, l’eventuale indicazione di saracinesche da chiudere per limitare il numero di misure. Durante la fase di verifica e controllo dei dati si escludono tutti i dati affetti da errori. Nella successiva fase di analisi, si valutano le prestazioni della rete. I dati registrati possono quindi essere utilizzati come input o confronto per l’attività di taratura del modello idraulico.
Per effettuare le misure in spazi confinati, Enydros si avvale di personale certificato e adeguatamente formato.
La tipologia di strumenti di misura varia in funzione delle differenti condizioni di installazione, materiale della tubazione, rivestimento interno, stato di ammaloramento della condotta e disponibilità di tratti rettilinei a monte/valle del punto di misura.
Enydros realizza modelli matematici delle reti in pressione ed a pelo libero calibrati sulle esigenze del gestore e funzionali alla conoscenza e all’efficientamento degli asset.
Il modello matematico permette di analizzare il funzionamento delle reti idriche, individuare problemi gestionali, effettuare bilanci idrici, localizzare eventuali criticità di funzionamento della rete, prendere decisioni operative e pianificare gli eventuali interventi di riabilitazione.
Per ridurre i tempi di realizzazione del modello proposto, Enydros sviluppa utilities per l’integrazione tra i dati provenienti da diverse piattaforme (dati cartografici, misure di pressione, dati di bollette ecc.) ed i software di modellazione più diffusi.
Per la fase di calibrazione del modello, Enydros utilizza un processo di ottimizzazione basato su Algoritmi Genetici, interfacciabile con qualsiasi modello di calcolo.
Attraverso l'impiego delle tecniche più moderne, Enydros può localizzare le perdite su qualsiasi materiale della tubazione e diverse superfici di rivestimento, riducendo così al minimo i costi di demolizione e ristrutturazione.
Per una veloce e precisa localizzazione di ogni punto di perdita, è necessario l'impiego del sistema più adatto alle specifiche condizioni o l'impiego contemporaneo di più sistemi. Enydros dispone dei mezzi di intervento e dell'equipaggiamento più moderno e di tecnici specializzati in grado di decidere in loco, quale sistema debba essere adottato con maggiore efficacia ed economicità.
LEAKMITED – Intelligenza Artificiale al servizio dell’ottimizzazione della pre-localizzazione delle perdite idriche
L’algoritmo di Leakmited risponde al tipo Apprendimento Supervisionato (apprendimento automatico alimenta i dati storici di input e output negli algoritmi, l'elaborazione tra ciascuna coppia di input/output consente all'algoritmo di spostare il modello creando output il più strettamente allineati possibile con il risultato desiderato). Basato su un database di oltre 600.000 perdite idriche di cui si conosce esattamente posizione e data di riparazione distribuite su una rete di oltre 300.000 km, che è paragonabile all’intera rete idrica italiana (337 459 km).
La tecnologia LEAKMITED è in grado quindi di imparare a riconoscere le zone/tronchi dove statisticamente sono allocate il maggior numero di perdite e di conseguenza la zona con il maggiore indice di recupero idrico.
La procedura è divisa in 3 fasi:
●Costruzione del database su cui viene eseguito il training dell’algoritmo di Machine Learning;
● Addestramento dell'algoritmo perché identifichi efficacemente le aree di interesse;
● Elaborazione delle previsioni su assets il cui GIS ha un livello di attendibilità basso
Il database è costituito dalla rete in esame in base a più di 100 caratteristiche differenti che la caratterizzano che si possono raggruppate in 4 categorie:
Il peso di ognuna caratteristica all’interno dell’algoritmo è differente per ogni rete e dipende dalla configurazione topologica e fisica e dalla percentuale di perdita che si vuole trovare. Tutte le caratteristiche ambientali sono ottenute con immagini satellitari ovvero Sentinel 1 e Sentinel 2 che sono rispettivamente banda C SAR e bande Visible near Infrared. Il vantaggio dell'utilizzo dei dati Sentinel risiede nell’enorme database di immagini storiche a cui vengono associati GIS e perdite storiche. Ad esempio, per perdite su tubazioni riparate nel 2017 è possibile ottenere tutte le 100 caratteristiche necessarie per descrivere le tubazioni.
L’obiettivo dell’addestramento dell’algoritmo è quello di renderlo in grado di identificare il 30% della rete che contiene l'80% delle perdite. Il principale dato di input è lo storico delle riparazioni geo-riferite. La valutazione si basa sul confronto tra la simulazione e la realtà per gli anni precedenti per proiettare la previsione per il futuro. Nell'immagine è mostrato un esempio del risultato del processo di Training su cui è possibile vedere le previsioni del modello (Linea BLU) dove si evidenzia che nel 30% della rete si alloca l’83% delle perdite. La linea rossa invece rappresenta la localizzazione delle perdite attraverso un’analisi classica di ricerca sistematica analizzando l'interarete, il risultato si manifesta linearmente e alla verifica del 30% della rete si riscontrano il 30% delle perdite.Una delle sfide principali nell’applicare algoritmi di apprendimento automatico è la qualità dei dati GIS derivata dalla mancanza o dalla loro incertezza. Gli input iniziali richiesti dall’algoritmo sono: diametro; anno di posa; materiale e perdite storiche. Tuttavia, a volte uno di questi input può mancare parzialmente o completamente. Il vantaggio dell'approccio LEAKMITED è dato dalla possibilità di sfruttare un database di oltre 300.000 km di tubi.
Nel caso in cui manchi l'anno di installazione, viene rimossa l’informazione dal database e viene addestrato il modello senza l'anno di installazione. Il più delle volte, diametri e materiali sono parzialmente mancanti, in questo caso si applica un processo per “definire” il dato più probabile.
Una volta validato il modello è possibile fare le previsioni sulla porzione di rete più critica in termini di perdite idriche. La rete viene quindi divisa in 3 sezioni con diverse probabilità di presenza perdite definita attraverso l’indice “Leak Priority Index” (LPI).
Disposizione zone LPI – LPI1 Rosso – LPI2 Arancione-LPI3 Blu
Leakmited, inoltre definisce, all’interno della zona critica LPI1, la posizione di installazione ottima dei noise-loggers in relazione all’attività di ricerca Lift and Shift, si riporta un esempio di restituzione attraverso file .SHP.