www.futurenviro.es | Abril-Mayo April-May 2022 25 Smart Water | Smart Water En concreto, ante un contexto en el que el personal operario gestiona más de una planta y en el que el dominio de la Inteligencia Artificial se encuentra en continua evolución, el reto del proyecto EDAR 360 es el de minimizar los tiempos de aprendizaje de los modelos desarrollados. De esta forma, el conocimiento adquirido por el modelo en una planta puede ser transferible a otras para conseguir mejorar el control de los procesos de depuración y su protección. Cómo contribuye EDAR 360 a alcanzar estos retos EDAR 360 se focaliza en la investigación en técnicas de IA aplicada con el fin de lograr la monitorización inteligente y la optimización de los procesos de depuración de aguas residuales mediante visión por computador. El proyecto aborda además el desarrollo de arquitecturas federadas y el procesamiento distribuido de las imágenes y los eventos, lo que reduce las dependencias a nivel de comunicaciones e integración y facilita el despliegue en entornos descentralizados como la red de estaciones de depuración de aguas residuales (EDAR). Adicionalmente, se trata de manera transversal la protección de los sistemas ciber físicos vinculados. La estructura de trabajo se desglosa en cinco acciones principales: (1) sistematización de la captura de datos e imágenes de valor añadido para el entrenamiento de modelos de inteligencia artificial; (2) focalización en la caracterización de procesos biológicos y químicos mediante enfoques combinados entre modelos físicos y modelos de inteligencia artificial; (3) desarrollo de herramientas basadas en la inteligencia artificial (Computer Vision) para la monitorización inteligente y detección de anomalías en tanques de proceso de depuradora; (4) desarrollo de tecnologías de soporte a la decisión para optimización de procesos de depuración (operación óptima, reducción de consumos energéticos y químicos); (5) y focalización en la detección de ataques sobre sistemas de control basados en la alteración de las consignas de operación. Un elemento innovador que destacar en el marco del proyecto es la aplicación de Computer Vision para la monitorización y alerta temprana de anomalías. La visualización por computador actúa como un sensor software de alta eficacia y bajo coste que garantiza la vigilancia continua en tiempo real. A su vez, presenta múltiples aplicaciones, desde la monitorización de vertidos en entrada hasta la monitorización de la calidad de agua tratada, pasando por la optimización de la eficiencia del espesamiento de fangos. Escalabilidad y reproducibilidad de los desarrollos tecnológicos Dos aspectos claves de las soluciones desarrolladas en EDAR 360 son la escalabilidad de éstas, basada en la facilidad de transferenThis project aims to contribute to meeting the global challenges of the water sector, with particular emphasis on the local context of Galicia. Firstly, by contributing to the digital transformation of operations for the improvement of wastewater treatment processes and, secondly, by reinforcing the resilience of operations by facilitating the availability of easy-to-install infrastructure for basic monitoring. Digital tools and artificial intelligence enable the systematisation of process monitoring capabilities which, together with faster detection and mitigation of process anomalies, helps to ensure correct decision-making to optimise infrastructure operation. An additional challenge is to ensure the scalability and security of the technological solutions developed in the project. In a context in which operating staff manage more than one plant and in which the Artificial Intelligence domain is in continuous evolution, minimisation of the times required to learn the models developed represents a specific challenge for the EDAR 360 project. The goal is for the knowledge acquired by the model in one plant to be transferable to other plants in order to improve control and protection of wastewater treatment processes. How EDAR 360 contributes to achieving these goals EDAR 360 focuses on research into applied AI techniques in order to achieve intelligent monitoring and optimisation of wastewater treatment processes through computer vision. The project also addresses the development of federated architectures and distributed processing of images and events, which reduces dependencies at the level of communications and integration and facilitates deployment in decentralised environments such as wastewater treatment plant (WWTP) networks. Additionally, the protection of linked cyber-physical systems is addressed in a cross-cutting manner. The project work structure is broken down into five main actions: (1) systematisation of value-added data and image capture for training artificial intelligence models; (2) focus on characterisation of biological and chemical processes using combined approaches with physical and artificial intelligence models; (3) development of tools based on artificial intelligence (Computer Vision) for intelligent monitoring and anomaly detection in wastewater treatment process tanks; (4) development of decision support technologies for the optimisation of wastewater treatment processes (optimal operation, reduction in consumption of energy and chemicals); (5) and focus on the detection of attacks on control systems based on interference with operating set points. An outstanding innovative element within the framework of the project is the implementation of Computer Vision for monitoring and early warning of anomalies. Computer Vision acts as a highly efficient, low-cost software sensor that ensures continuous real-time surveillance. Moreover, it has multiple applications, from monitoring inflows to monitoring treated water quality and optimising the efficiency of sludge thickening processes. Scalability and reproducibility of technological developments Two key aspects of the solutions developed in EDAR 360 are scalability, based on the
RkJQdWJsaXNoZXIy Njg1MjYx