Un sistema per insegnare a un computer a capire cosa sta “guardando”: è il concept su cui la multiutility italiana Acea ha scelto di lavorare nell’ambito del programma Elis “Open Italy” 2021, iniziativa che favorisce l’incontro tra Corporate e realtà innovative per rispondere a specifici business need – uno dei tanti progetti di open innovation con cui il Gruppo porta avanti il suo percorso di innovazione dentro e fuori l’azienda.
Oggi i sistemi di intelligenza artificiale non si limitano ad apprendere da soli ed imparano continuamente utilizzando gli input forniti – basti pensare come Google ci chieda di cliccare su foto di ponti ed autobus per alimentare il suo algoritmo. Lo sviluppo di sistemi di Ai può fornire una soluzione all’automatizzazione di quei processi ripetitivi e meccanici che sarebbero molto più efficienti in mano a un algoritmo, ma ancora dipendono dall’intervento umano.
Assieme a una startup specializzata in intelligenza artificiale, Acea ha lavorato a un sistema di computer vision che permetta all’algoritmo di riconoscere e distinguere precisi componenti dei suoi impianti, nello specifico gli interruttori: così è nato il progetto innovativo SIDE – Smart Image Data Extraction.
SIDE – Smart Image Data Extraction: il progetto di Computer Vision di Acea con BlueTensor
SIDE è un PoC (Proof of Concept) sviluppato dall’unità Innovation per Areti, società del Gruppo Acea che si occupa della rete di distribuzione dell’energia elettrica a Roma e Formello. Si tratta di un modello di Artificial Intelligence per il riconoscimento e la classificazione della tipologia di interruttori presenti nelle cabine secondarie della rete, utilizzando foto acquisite sul posto.
A valle di una fase iniziale di scouting tecnologico, l’unità di innovazione ha individuato nel suo radar la società innovativa BlueTensor, startup di Trento che dal 2018 lavora per sviluppare soluzioni personalizzate di automatizzazione processi basate sull’intelligenza artificiale. La startup ha accettato la sfida ed il progetto ha permesso di utilizzare AI e Computer Vision per associare, tramite il riconoscimento degli interruttori, ogni cabina al suo fornitore di quadri elettrici.
Come si è svolto il progetto
Per la realizzazione del modello è stato scelto un perimetro di 432 cabine secondarie su cui sono state eseguite le installazioni di nuovi quadri elettrici telecontrollati di bassa tensione. Sono state quindi utilizzate le 9.164 foto caricate dai tecnici a valle degli interventi come materiale con cui “insegnare” all’algoritmo a riconoscere quanto richiesto.
L’AI così sviluppato si è dimostrato in grado di riconoscere automaticamente le foto relative ai quadri elettrici di interesse per Areti, restringendo il dataset a 917 foto, e classificare la tipologia di interruttori presenti in ciascuna foto, consentendo di identificare per 356 cabine (ovvero più dell’82% del totale) il relativo fornitore di quadri elettrici.
I benefici e le applicazioni future
La capacità dimostrata dall’algoritmo di classificare automaticamente gli interruttori è un risultato molto prezioso, che permette di tagliare drasticamente i tempi e aumentare l’efficienza operativa per la raccolta di simili informazioni sulla componentistica. Questo permette di supportare gli operatori nella pianificazione degli interventi in caso di malfunzionamento o manutenzione, con benefici in termini di tempi e costi.
Il PoC ha così mostrato le potenzialità di un modello di asset management che potrebbe essere esteso ad altre tipologie di apparati, alle foto dei cantieri o ad altri asset.
Con SIDE, Acea aggiunge un altro tassello alle sue iniziative di innovazione, all’interno di una strategia che prevede oltre 600 milioni di investimenti in progetti innovativi tra il 2020 e il 2024.
