Internet Of Green

di Dan Pejeroni [Infosphere]

Utilizzare l’agrometeorologia con le tecnologie Internet of Thing e Machine Learning per la gestione degli impianti di irrigazione è stata la sfida che mi sono posto progettando e sviluppando questo prototipo. Lo scopo di questo primo articolo è presentare l’abstract del progetto, mentre nei seguenti fornirò i dettagli tecnici degli aspetti funzionali, hardware e software.

Le comuni centraline degli impianti di irrigazione sono in grado di controllare l’erogazione idrica alle diverse zone in cui è suddivisa l’area verde, fornendo quantità d’acqua predefinite (in base al tempo di attivazione dei vari gruppi di erogatori). I cicli di irrigazione sono quindi subordinati a calendari settimanali programmabili. 

L’aspetto critico di questo approccio è rappresentato però dall’ottimizzazione del consumo d’acqua, spesso prelevata dalla rete idrica che impone stringenti limiti a queste forme di utilizzo. Se, per esempio, il nostro programma di irrigazione prevedesse 5 cicli settimanali dalle 3:00 alle 5:00, avremmo un consumo di oltre 2 mq giornalieri e, tenere conto del fattore pioggia per risparmiare cicli, diventerebbe assolutamente prioritario. Purtroppo l’unico strumento spesso disponibile su questi impianti è rappresentato da rudimentali sensori pioggia che quando si bagnano interrompono l’irrigazione fino a quando non si asciugano. Se la precipitazione arrivasse successivamente all’ora di attivazione prestabilita, avremmo sprecato 2000 litri di preziosa acqua potabile. 

Partendo da queste considerazioni ho deciso di creare Internet Of Green, un micro controller basato sulla scheda Arduino MKR 1010, che sfrutta diverse strategie per minimizzare il consumo idrico e garantisce un’erogazione ottimale alle varie zone verdi. Il sistema scambia dati con il cloud Internet Of Things Blink, per il controllo remoto da PC e smartphone.

 

La MKR WIFI 1010 è la versione migliorata della MKR 1000 WIFI. E’ equipaggiata con il modulo ESP32 della U-BLOX. Questa scheda mira a velocizzare e semplificare la prototi-pazione di applicazioni IoT basate su WiFi grazie alla flessibilità del modulo ESP32 ed il suo basso consumo.

La scheda è formata da tre blocchi principali: il processore SAMD21 Cortex-M0+ 32bit Low Power ARM MCU; il modulo WiFi U-BLOX NINA-W10 Series Low Power 2.4GHz IEEE® 802.11 b/g/n; ed il chip ECC508 Crypto Authentication.

 

Per ottenere questi risultati Internet Of Green utilizza congiuntamente diverse strategie:

  • monitoraggio e analisi dell’umidità del terreno delle singole zone;
  • analisi parametri ambientali rilevati dalle sonde;
  • previsioni meteorologiche (ottenute da API OpenWeatherMap);
  • machine learning sulla pluviometria effettiva.

Il micro controllore riceve una serie di dati in tempo reale da una rete di sensori ambientali e mantiene uno storico, successivamente utilizzato dagli algoritmi di machine learning per prendere le decisioni operative sui criteri di irrigazione:

  • temperatura e umidità dell’aria;
  • pressione atmosferica;
  • velocità del vento;
  • radiazione solare;
  • pluviometria;
  • umidità del terreno.

Monitoraggio dell’umidità del terreno

L’umidità del terreno è rilevata da sonde capacitive a minima corrosione che la trasmettono (ogni 10′) al controller che, comparando i valori ottenuti con i trigger impostati, fornisce o inibisce il consenso all’irrigazione. Durante il periodo estivo su terreno argilloso e prato di Festuca arundinacea, valori di umidità compresi tra il 25 e il 30% hanno dato risultati soddisfacenti. Se da un lato questa modalità di gestione dell’irrigazione può

 
 

garantire un livello minimo di umidità del terreno, dall’altro, come metodo consuntivo, non garantisce la minimizzazione del consumo idrico. Non è inoltre in grado di modulare la quantità d’acqua da erogare per ogni ciclo irriguo, non essendo in grado di prevedere il fattore di evapotraspirazione, legato a parametri ambientali quali temperatura, umidità dell’aria, vento e livello di irraggiamento.

Previsioni meteorologiche OpenWeatherMap

La strategia più idonea per un efficace contenimento dei consumi idrici è quella di consultare le previsioni meteo prima di avviare ogni ciclo di irrigazione. Per essere utilizzata praticamente una previsione deve essere però interpretata, poiché é necessario decidere se un determinato scenario di previsione può essere preso con sufficiente sicurezza come segnale di sospensione del normale ciclo irriguo. Trattandosi in ogni caso di una previsione di natura generale, questa decisione deve essere adattata alle caratteristiche orografiche del territorio specifico.

Internet Of Green, immediatamente dopo la mezzanotte, attiva la seguente serie di processi per attuare la strategia predittiva:

  • Utilizza le API messe a disposizione dal network OpenWeaterMap per scaricare la più recente previsione (suddivisa in otto intervalli di tre ore) che copre le successive 24 ore;
  • Traduce la previsione in un indice che rappresenta la probabilità che nelle successive 24 ore si verifichi un evento piovoso significativo e lo salva nella knowledge base;
  • Consolida il valore di pioggia effettiva (ricavata del pluviometro) nelle trascorse 24 ore, lo salva nella knowledge base e conferma o meno la previsione;
  • Attiva il processo di apprendimento (decision tree) sull’intera knowledge base ottenendo un benchmark aggiornato con cui paragonare la previsione ottenuta;
  • Abilita o disabilita l’irrigazione;

Questa strategia, con la crescita della base dati storica, aumenta nel tempo l’attendibilità della previsione effettuata dagli algoritmi di machine learning, adattandola alle condizioni locali e alle specifiche finalità di controllo dei cicli irrigui. Affiancata al monitoraggio dell’umidità del terreno, permette notevoli risparmi idrici evitando inutili irrigazioni.

Evapotraspirazione e bilancio idrico

L’evapotraspirazione (ET) rappresenta la quantità d’acqua che effettivamente evapora dalla superficie del terreno e traspira attraverso gli apparati fogliari delle piante, in determinate condizioni di temperatura, vento, umidità e irraggiamento solare. In estrema sintesi, possiamo affermare che Il nostro bilancio idrico è dato dalla differenza tra la precipitazione (mm di pioggia)

e l’evapotraspirazione. Questa differenza deve essere compensata dall’irrigazione. L’evapotraspirazione aumenta per effetto dell’irraggiamento, del vento e della temperatura, ma dipende anche dalle caratteristiche morfologiche del terreno e ecofisiologiche della coltura.

Internet Of Green, attraverso una rete di sensori ambientali, rileva nel corso delle 24 ore queste grandezze, consolidandole a fine giornata e calcolando quindi l’evapotraspirazione (mm/day). Poiché questo valore anticipa ciò verrà rilevato a consuntivo dalle sonde di umidità del terreno, possiamo utilizzarlo per modulare la quantità d’acqua da fornire alle varie zone, agendo sul tempo di erogazione degli irrigatori.

Una gestione multilivello

Internet Of Green, per realizzare una gestione ottimale dell’impianto d’irrigazione, può quindi avvalersi di tre distinte metodologie che possono essere utilizzare in modo indipendente o combinato. Per un gestione di base, è possibile avvalersi del solo monitoraggio dell’umidità del terreno, che disabilita l’irrigazione quando questo parametro supera la soglia di trigger impostata (per esempio 30%), oppure affidarsi alle sole previsioni meteorologiche, in modo che in previsione pioggia l’irrigazione venga sospesa. Anche utilizzando il solo controllo dell’evaporazione e del bilancio idrico è possibile gestire l’irrigazione, ma è dalla combinazione delle tre strategie che si ottengono

i migliori risultati garantendo un corretto livello di umidità al terreno minimizzando nel contempo i consumi idrici.

Il prototipo Internet Of Green è in fase di beta testing da agosto 2019 offrendo risultati molto positivi. Per la gestione WiFi dei sensori sul campo, è stata sperimentata l’adozione del protocollo MQTT e del cloud ThingSpeak. Nell’ultimo periodo è corso di valutazione anche l’utilizzo della nuova scheda Arduino MKR1310 a basso consumo che implementa la comunicazione LoRa (Long Range) e il cloud The Things Network.

L’IoT non funzionerà senza Intelligenza Artificiale

Analytics Experience 2017: SAS esplora i trend delle imprese che innovano

Technology

Internet of Things (IoT) è un argomento sempre più di diffuso, al punto che l’interesse si è esteso al grande pubblico. In ambito aziendale nessuno mette più in discussione i benefici e le opportunità che derivano dall’utilizzo di queste tecnologie. La preoccupazione è piuttosto: come farle effettivamente funzionare.

L’IoT produrrà un tesoro di dati. Dati che potranno aiutare le città a evitare incidenti e crimini, consentire ai medici di ottenere in tempo reale le informazioni dei pacemaker e dei biochip dei pazienti, ottimizzare la produttività industriale attraverso la manutenzione preventiva di attrezzature e macchinari, creare case veramente intelligenti con apparecchi collegati e fornire comunicazioni critiche tra autovetture. Le opportunità offerte da IoT sono praticamente infinite.

La conseguenza della rapida affermazione di dispositivi e sensori collegati all’Internet delle Cose è un incredibile incremento del volume di dati che vengono da loro generati. Questi dati forniranno un prezioso punto di vista su cosa funziona bene e cosa no, fornendo una visione di alto valore su rischi e opportunità per aziende.

Tuttavia, il problema è trovare il modo per analizzare il diluvio di informazioni che tutti questi dispositivi creano. Cercare informazioni in terabyte di dati macchina è molto difficile. Con tecnologie tradizionali è impossibile riesaminare e comprendere questa massa di dati, in quanto richiederebbe troppo tempo.

Affinché l’IoT rispetti la sua promessa, è indispensabile migliorare la velocità e l’accuratezza dell’analisi dei dati. In caso contrario le conseguenze potrebbero essere disastrose. La tecnologia in grado di tenere il passo dei dati generati dall’IoT per ricavarne informazione e significato si chiama Machine Learning e si occupa della costruzione e dello studio di sistemi che apprendono dai dati stessi, piuttosto che seguire istruzioni esplicitamente programmate.

Sarà questo uno dei temi di Analytics Experience 2017, l’evento organizzato da SAS in programma ad Amsterdam dal 17 al 18 ottobre.

Durante l’evento internazionale, centinaia di esperti, thought leader, professionisti e manager si confronteranno sull’importante ruolo degli analytics nel costruire relazioni più forti con i clienti, combattere le frodi, gestire il rischio e migliorare i processi. Ed esploreranno i trend emergenti, come Machine Learning, Internet of Things, Intelligenza Artificiale e la nuova normativa in tema protezione dei dati (GDPR).

Ad Analytics Experience 2017, SAS presenterà i risultati della survey internazionale che vuol far luce sulla maturità delle imprese in ambito Intelligenza Artificiale.

I Big Data ci proteggeranno dal terrorismo?

di Dan Pejeroni [Infosphere]

Si discute molto oggi su come i Big Data stanno rivoluzionando il mondo del business. Tuttavia, le loro possibili applicazioni nel campo della sicurezza e dell’intelligence sono ancora relativamente poco conosciute.

Big-Data-Will-Effectively-Fight-Terrorism-In-The

In futuro, potrebbe diventare possibile prevedere con sicurezza potenziali azioni terroristiche, combinando osservazioni da fonti quali attività di social media, ricerche su Internet, abitudini di acquisto e posizione dei dispositivi mobili utilizzati.

La gente (quindi anche i soggetti potenzialmente pericolosi) sta generando una quantità sempre maggiore di dati attraverso i propri smartphone, elettrodomestici, satelliti, terminali, macchine fotografiche. Una moltitudine di altri sensori, comunemente installati su edifici, infrastrutture e veicoli, catturano in tempo reale dati che riguardano spostamenti e azioni sul territorio. Inoltre, tutte le attività online possono essere intercettate, memorizzate, analizzate e correlate.

La Predictive Analytics sui Big Data comprende una varietà di tecniche statistiche di modellazione, machine-learning e data-mining che analizzano fatti attuali e storici, per fare previsioni su eventi futuri, altrimenti imprevedibili. Con queste tecnologie possiamo efficacemente anticipare anche potenziali minacce alla sicurezza.

L’analisi predittiva nella prevenzione del terrorismo, avrà tuttavia anche un profondo impatto sulla nostra società e sui diritti democratici. L’analisi predittiva dei Big Data è basata sulla correlazione, non sulla causalità. Tuttavia, anche quando gli algoritmi sono molto accurati nel identificare pattern di comportamento potenzialmente ostili, ci saranno sempre “falsi positivi”, che corrispondono a questi modelli solo per coincidenza.

L’Analisi predittiva sui Big Data potrebbe ridurre significativamente l’incidenza del terrorismo e rendere il mondo un posto più sicuro, ma solo se riusciremo a ridurre al minimo il rischio di abusi e gli effetti collaterali indesiderati.

Smart Country e la società multietnica

Senza titoloLa Pubblica Amministrazione italiana sta vivendo un momento di profonda mutazione, in risposta ad una altrettanto radicale trasformazione del tessuto sociale del Paese.

Immigrazione, globalizzazione, informatizzazione, delocalizzazione, integrazione sono solo alcuni dei grandi temi che ci troviamo a fronteggiare: possono rappresentare problemi o opportunità. Dipende da come sapremo affrontarli.

La drammatica congiuntura finanziaria che ha coinvolto buona parte dei paesi industrializzati, ci obbliga a rivedere la spesa pubblica e, nello stesso tempo, razionalizzare servizi ai cittadini, privati ormai di risorse, ma che costituiscono una condizione essenziale per la ripresa e lo sviluppo sostenibile.

Uno dei fattori chiave è nell’utilizzo delle nuove tecnologie, che rappresentano l’alfabetizzazione del nuovo millennio: non solo tablet e smartphone, ma anche terminali self service e call center, non solo social network e p2p, ma anche e soprattutto cloud aziendali e reti di servizi al pubblico.

I fenomeni di immigrazione, stanno inoltre trasformando il profilo demografico italiano del’900 irreversibilmente in multietnico. Per non subire questa Babele, in attesa della auspicabile integrazione linguistica e culturale dei nuovi cittadini, lavoratori e famiglie, ad opera della Istruzione Pubblica e privata, disponiamo già da oggi di software e dispositivi per abbattere le barriere interculturali.

Sulla base di queste considerazioni ho creato Intelligo, un ECM (Enterprise Content Management) semantico massivamente multilingua.