Descripció del projecte

Les tècniques d’Aprenentatge Automàtic (Machine Learning o ML en anglès) i Intel·ligència Artificial (Artificial Intelligence o AI en anglès), han experimentat una penetració extraordinària en infinitat de camps, disciplines i aplicacions que inclouen des del diagnosi clínic a través de la imatge, l’optimització de processos industrials, la racionalització de sistemes de transport públic i la predicció de la qualitat de l’aire en zones urbanes per mencionar uns exemples. L’adopció d’aquestes tecnologies rau en gran mesura en la disponibilitat de grans volums de dades en infinitat d’àmbits i aplicacions. Així, la recollida sistemàtica, exhaustiva i sostinguda de tota classe de dades i el seu processat i gestió ha permès l’ús d’aquestes metodologies per elucidar les sovint complexes relacions existents entre un conjunt de variables independents (els predictors) i una variable d’interés (la resposta) que hom pretén predir.
La distribució d’aigües urbanes i la gestió del clavegueram no en són excepcions. L’Empresa Mixta d’Aigües de Tarragona S.A (EMATSA) porta ja fa anys desplegant diferents tipus de sensors i mesuradors capaços de proporcionar dades de qualitat i amb gran resolució temporal de l’estat de la xarxa de distribució d’aigua. EMATSA gestiona el cicle integral de l’aigua en els municipis de Tarragona i la Canonja donant servei també a altres municipis de l’entorn com Els Pallaresos, El Catllar o la Pobla de Mafumet. La companyia abasteix i gestiona les aigües residuals d’un total de 150.000 habitants.
L’esmentat cicle de l’aigua inclou la captació, emmagatzematge, distribució i els corresponents controls de qualitat, així com la recollida i gestió de les aigües residuals, el seu tractament a fi de ser retornades al medi garantint la seva qualitat. Els sistemes de control d’EMATSA, a través de diferents canals com el centre de control (SCADA) o el Departament de Clients i Qualitat, recullen i gestionen gran volums de dades sobre cabals distribuïts, valors de paràmetres qualitatius de les aigües, nivells de dipòsits, pressions de xarxa, consums…
Totes aquestes dades, emmagatzemades i processades en continu pels tècnics d’EMATSA, són emprades per informar als responsables de l’estat de la xarxa de distribució i per prendre decisions que permetin optimitzar la gestió de l’aigua, garantir el millor servei al consumidor i minimitzar l’impacte sobre l’entorn.
En concret, la llista no exhaustiva de dades disponibles inclou:
● Potència consumida en tot el cicle (captació, distribució, recollida i retorn al medi).
● Nivells d’emmagatzematge d’aigua en continu.
● Cabals i pressions principals i sectorials de les xarxes de distribució.
● Paràmetres de qualitat sanitària de l’aigua.
● Cabals de recollida d’aigües residuals.
● Indicadors de les aigües residuals i paràmetres sanitaris: concentració d’estupefaents o càrregues víriques.
● Indicadors de qualitat de l’aigua prèvies al tractament i retorn al medi.
● Consum dels usuaris finals tant domèstics com industrials.
Amb aquest objectiu, EMATSA i la Universitat Rovira i Virgili proposen la creació d’una plaça de Doctorat Industrial que permeti tirar endavant un projecte d’R+D+I d’alt valor afegit alhora que permet la contractació per una empresa compromesa amb la innovació i la recerca. Aquesta oportunitat permet contribuir al desenvolupament del territori incrementant la capacitat innovadora del seu teixit socioeconòmic i facilita la formació a personal investigador que ha d’enfrontar-se a reptes altament complexos, sovint interdisciplinaris i amb uns requeriments de viabilitat i qualitat exigents. Alhora permet a EMATSA incorporar personal investigador d’alt nivell científic i a l’avantguarda del coneixemen;t i atraure talent amb gran potencial per millorar la seva eficiència i eficacia en la prestación del seus serveis, creant al mateix temps ponts de col·laboració amb entitats del sector del coneixment que poden ser aliats estratègics de futur.
OBJECTIUS
Per tal de millorar la seva capacitat de gestió, EMATSA proposa explotar els grans volums històrics de dades mitjançant tècniques de ML/AI per afinar processos i millorar el servei així com anticipar-se a possibles incidècnies, reforçant així la robustesa operativa d’avant de reptes com episodis de sequera, situacions climatològiques adverses, contaminacions, pandèmies…
Així, una parametrització de la xarxa de distribució permetria modular el posicionament de les vàlvules reguladores de pressió en funció dels cabals i pressions de consigna en diferents punts de les xarxes en continu per tal de garantir el servei davant d’una incidècnia. També permetria la identificació i localització de fuites d’aigua accidentals o degudes a usos fraudulents emprant els rendiments hidràulics calculats.
Una altra aplicació consistiria en modular en continu el funcionament dels motors de bombament en funció de les demandes i de les tarificacions horàries així com els preus actualitzats de l’energia en cada instant.



MÉS INFORMACIÓ

Si t’interessa l’oferta, omple el pdf amb les teves dades i envia´l a doctorats.industrials.recerca@gencat.cat