Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SCUOLA DI INGEGNERIA
IDRAULICA
SESSIONE I
Indice ................................................................................................................................. 3
Introduzione ....................................................................................................................... 7
Vantaggi ............................................................................................................. 30
Svantaggi............................................................................................................ 33
3
Il monitoraggio della qualità tramite una SWG ............................................ 52
Obiettivi prestazionali......................................................................................... 59
I parametri da monitorare.................................................................................... 66
4
Biosensori ................................................................................................... 79
5
"lo sviluppo per essere sostenibile, deve
i propri bisogni."
6
INTRODUZIONE
L’acqua è una risorsa soltanto in apparenza illimitata; le risorse idriche naturali, infatti, stanno
diventando sempre più scarse, sia a causa del cambiamento climatico globale che dei
comportamenti irresponsabili dell’uomo. Sebbene la superficie terrestre sia coperta dal 71% di
acqua, il 97% di questa è costituita dagli oceani, il 2,1% si trova nelle calotte polari e nei
ghiacciai, mentre meno dell’1% resta disponibile per tutti gli esseri viventi (Figura_ 1).
8
IL MONITORAGGIO DELLA RISORSA IDRICA
9
risultati delle analisi eseguite su un singolo campione d’acqua sono validi specificatamente solo
per la posizione ed il momento in cui il campione viene prelevato. Una pianificazione atta al
monitoraggio della risorsa idrica è costituita dalle seguenti caratteristiche [3]:
Il rilevamento continuo degli inquinanti nelle acque e nelle acque reflue rappresenta la migliore
soluzione per il vero monitoraggio della qualità [4]. Gli elementi principali sono quindi, le
misurazioni in loco, la raccolta e l’analisi dei campioni acquisiti, lo studio e la valutazione dei
risultati analitici e la comunicazione dei risultati. Bisogna, inoltre, ricordare che i risultati delle
analisi eseguite su un singolo campione sono validi solo per la posizione e il momento specifici
in cui il campione è stato prelevato.
Una Smart Water Grid (SWG) consiste in una rete di dati bidirezionale che accumula
informazioni in tempo reale attraverso dispositivi e sensori. Essa, continuamente ed in maniera
remota, è in grado di monitorare i parametri necessari al processo decisionale, quali pressione,
qualità, temperatura, flussi in uscita ecc. Dalla definizione, la SWG ha una dipendenza diretta
con i sistemi cibernetici di tipo fisico (Cyber Phisical System - CPS), in quanto forniscono il
set tecnologico necessario per l’evoluzione dai sistemi basati su analisi periodiche ad
architetture di tipo reattivo, scalabile e rapido. Infatti, questi sistemi cibernetici sono la forza
trainante verso l’automazione e lo smartening dell’interazione dei componenti informatici con
i processi fisici, combinando elaborazione, comunicazione e controllo.
• una consapevolezza globale sul consumo di acqua e il suo impatto sui sistemi
naturali;
• nuovi percorsi per il trattamento, il monitoraggio dei contaminanti;
• una risposta allo scenario del cambiamento climatico, agendo su risorse e
infrastrutture idriche.
11
L’attuale rete di distribuzione idrica è composta da elementi diversi (tubi, pompe, valvole, ecc.);
alla cui eterogeneità si aggiunge quella dovuta alla diversità dei materiali (cemento, acciaio,
ecc.) e al differente stato di usura.
Questo stato di partenza implica performance non omogenee e persino inefficienze (che
tuttavia, possono essere mitigate dalla buona gestione della rete). Inoltre, a causa della
complessità di tali sistemi, a volte, gli enti preposti non sono nemmeno in possesso
dell’inventario completo dello stato di fatto in cui si trovano. Infine, come aggravante, vi è la
tangibile difficoltà nel reperimento di risorse economiche, obbligando i gestori alla definizione
di priorità.
La nascita delle SWGs è stata resa possibile dall’applicazione dei risultati ottenuti dalle reti
elettriche (definite poi come intelligenti ovvero Smart Grid) che determinano network
bidirezionale tra consumatori e fornitori. Esse consistono nell’installazione, in case ed aziende,
di misuratori di corrente elettrica bidirezionali per consentire al distributore del servizio di
tracciare i consumi degli utenti in maniera continua. Inoltre, tale infrastruttura smart permette
agli enti preposti la possibilità di eseguire continui aggiustamenti del sistema, infatti, l’obiettivo
è quello di rendere tali reti intelligenti al punto che siano in grado di compensare gli effetti delle
più svariate criticità, come il malfunzionamento di un trasformatore oppure un picco di utilizzo
di energia, il tutto ottimizzando l’utilizzo della risorsa elettrica.
12
Interesse accademico: Smart Water
200,00
180,00
160,00
140,00
120,00
100,00
80,00
60,00
40,00
20,00
0,00
L’applicazione delle tecnologie ICT alla rete idrica, utilizzando il know-how ottenuto dalle
esperienze fatte in ambito elettrico, ha decretato la nascita delle Smart Water Grids (SWGs).
Esse integrano sensori e componenti analitici per assicurarsi che l’acqua sia efficientemente
inviata quando e dove serva con i giusti parametri di qualità.
Nel grafico in Figura_ 2 è visibile l’interesse scientifico sul tema Smart Water in termini di
ricerche per anno. Questo è stato costruito utilizzando i dati di Google Scholar riguardanti le
ricerche accademiche contenenti nel titolo le parole “Smart Water” il cui andamento è da anni
in continua crescita. Da esso, è possibile osservare che l’incremento delle ricerche in tale campo
diventa considerevole a partire dal 2010 ed in particolare, gli anni che vanno dal 2014 al 2017
sono quelli che hanno riscontrato la maggiore attenzione sul tema. L’interesse su tale argomento
sta raggiungendo una maturità completa, da cui ne deriva che tale grafico incontrerà una
riduzione in termini di crescita con un possibile decremento sul lungo periodo. Questi ambiti di
ricerca fondono i sistemi ICT con la sostenibilità applicando l’efficienza dell’informatica a tutti
quei campi che a causa dei limiti umani erano soggetti ad un’elevatissima latenza.
I sistemi decentralizzati sono ampiamente accettati come: economici, flessibili e meno propensi
al danneggiamento; motivo per cui si dimostrano essere i più promettenti per il miglioramento
della gestione idrica nelle aree urbane. La piattaforma Water Grid divide i macro-distretti idrici
in reti più piccole con lo scopo di creare tanti sistemi decentralizzati. Ogni griglia è costituita
da una fonte di adduzione, un sistema di trattamento ed un’area da servire (residenziale oppure
13
industriale). Questa è la struttura di base di una Water Grid, alla quale possono essere aggiunte
ulteriori complessità.
La SWG enfatizza la necessità di un sistema informatico che combina la tecnologia ICT alla
gestione della risorsa idrica, in modo, da gestire in maniera efficiente, il rapporto tra le risorse
idriche disponibili ed una domanda in continua crescita. In relazione a quanto detto, la SWG
integra sostanzialmente 5 aree di ricerca [5]:
1. una piattaforma per la configurazione delle reti sia idriche che ICT;
2. il controllo intelligente dei flussi idrici utilizzando sistemi di comunicazione
bidirezionali installati nell’infrastruttura idrica;
3. un migliore schema di gestione attraverso la minimizzazione del rischio
nell’infrastruttura idrica;
4. una maggiore efficienza energetica dei sistemi;
5. la garanzia per una distribuzione continua di risorse idriche sia naturali che trattate.
Tali aree di ricerca definiscono due sistemi all’interno di una rete di distribuzione idrica smart:
In teoria, una SWG nasce alla fonte idrica dove vengono installati misuratori, valvole e pompe
intelligenti, dal quale, l’acqua prosegue il suo percorso, all’interno della rete, sottoposta ad un
monitoraggio continuo. Nella Figura_ 3 è possibile osservare diversi sistemi smart
decentralizzati ed indipendenti, ognuno costituito da fonte, trattamento ed area da servire.
14
Figura_ 3:The TNO Urban Smart Water Grid vision [6]
I dispositivi di rilevamento che raccolgono e trasmettono dati sul sistema idrico in tempo reale
sono alla base di qualsiasi Smart Water Grid. Per quanto riguarda il monitoraggio della qualità
dell’acqua, l’approccio tradizionale consiste nel raccogliere campioni ed analizzarli in
laboratori specializzati. Naturalmente anche in questo caso vi è un’alta probabilità di errore,
costi elevati e bassa frequenza.
In un sistema SWG, tutti questi parametri sono raccolti, memorizzati e trasmessi ad un computer
dallo stesso strumento di monitoraggio. Tale approccio aumenta la quantità e la frequenza delle
informazioni che si hanno sul sistema e diminuisce la necessità di lavoro sul campo. I sensori
intelligenti (Smart-Sensors) definiscono un nuovo contesto innovativo per l’integrazione delle
tecnologie ICT alle tradizionali metodologie di misura. Ovviamente tale approccio innovativo
è in linea di massima sempre applicabile, come per la pressione, i flussi, il livello di
contaminazione ecc. [6].
Tali dispositivi di rilevamento sono, quindi, adatti a molti utilizzi diversi, dal residenziale fino
a quello industriale. Uno strumento ad utilizzo trasversale è sicuramente il misuratore di portata,
che analizza il consumo totale di acqua all’interno di un impianto. Seguendo una metodologia
di tipo classico, saremmo in grado di conoscere tale misura in un arco di tempo relativamente
lungo (uno o due mesi). Tuttavia, questi lunghi periodi rendono difficile (se non impossibile),
l’individuazione delle perdite in tempi utili ad evitare ingenti esborsi economici.
15
Le reti di distribuzione idrica servono quotidianamente cittadini ed aziende. In particolare,
l’infrastruttura è soggetta a 2 principali aree di analisi, ovvero:
1. i contaminanti: l’acqua nei tubi può essere facilmente manipolata da rischi biologici
oppure chimici. Le nostre risorse idriche sono perennemente in uno stato di rischio
dovuto a fattori umani e non. Tale contaminazione riuscirebbe, attraverso i sistemi della
rete, ad avere una rapida diffusione, costituendo un reale pericolo per la salute pubblica.
Questo tema definisce il cuore di questo lavoro di tesi ovvero su come le tecnologie
applicate alla rete di distribuzione idrica permettano prima di tutto la prevenzione e
successivamente la mitigazione degli effetti dei contaminanti presenti all’interno della
rete.
2. le perdite: le tubazioni sono spesso sotterrate dove l’ambiente umido genera erosione.
Le variazioni di pressione causano forti sollecitazioni, che possono condurre alla
formazione di perdite. Una piccola perdita è difficile da individuare e, ritenendola
statisticamente inevitabile (fino ad una certa soglia percentuale), essa viene definita
come perdita fisiologica. Naturalmente, anche una piccola perdita con il passare del
tempo può definire volumi importanti, infatti i dati dimostrano che nei paesi in via di
sviluppo vi è una perdita media attorno ai 45 milioni di metri cubi ogni giorno [6]. Ciò
si traduce in una perdita di circa 2.9 miliardi di dollari al giorno. Con numeri inferiori,
possiamo analizzare questa situazione anche nei paesi già sviluppati. A tal riguardo,
riportiamo l’esempio di Londra le cui perdite ammontano a circa 0.6 milioni di metri
cubi al giorno: tale volume rappresenta il 25% del suo fabbisogno idrico giornaliero [7],
fino a trasformarsi in una perdita di circa 35 milioni di euro all’anno.
La SWG consiste in nodi sensore che effettuano le misure e comunicano tra di loro in remoto.
Tali nodi sono generalmente di piccola misura e con limiti per quanto riguarda le risorse
energetiche computazionali e di immagazzinamento dati. Nella Figura_ 4 si può osservare una
tipica rete sensoristica per il monitoraggio del sistema acquedottistico, dove nella parte inferiore
16
è possibile osservare la rete di distribuzione con tubazioni e nodi, mentre nella parte superiore
è presente uno schema relazionale della rete sensoristica. La rete di sensori ricava le misure
dalla rete di distribuzione e le trasmette ad un centro di monitoraggio, dove avviene il processo
decisionale.
Figura_ 4: A typical wireless sensor network for water grid monitoring [7]
I nodi sensore sono elementi essenziali nei sistemi di monitoraggio e controllo automatico. Essi
sono costituiti da 3 unità, ovvero:
a. rilevamento;
b. processamento ed immagazzinamento dati;
c. trasmissione dati.
Per quanto riguarda le unità di rilevamento un nodo sensore può contenere diversi tipi di
strumenti per altrettante misure. Ad esempio:
− per individuare perdite e rotture all’interno della rete, possiamo utilizzare sensori che
misurano la pressione, la velocità del fluido ed i segnali acustici;
− per la qualità dell'acqua, possiamo utilizzare sensori che misurano la velocità di fluido,
il valore di pH, il cloro residuale e la conduttività.
17
Per quanto riguarda la trasmissione dei dati i sistemi più efficienti sono quelli che si avvalgono
dell’utilizzo di cavi, tuttavia, vi è la possibilità di trasmettere dati in remoto. In particolare, si
utilizza generalmente la tecnologia Bluetooth Wi-Fi o Zigbee per la comunicazione a corto
raggio, altrimenti, modem 3G oppure 4G per la comunicazione a lungo raggio.
I nodi sensore possono essere sia statici che mobili. Quest’ultimi sono in grado di muoversi
all’interno delle tubazioni della rete idrica per effettuare misure; motivo per il quale risultano
impermeabili, per proteggere i circuiti, e abbastanza piccoli da muoversi all’interno della rete.
Ricercatori ed ingegneri sono riusciti a definire sistemi di monitoraggio atti a ridurre le perdite
e contaminazioni all’interno della rete idrica. Uno dei primi progetti per monitorare la rete idrica
è stato condotto in America (Ann Arbor). Lo scopo principale era quello di minimizzare
l’esposizione a contaminanti chimici e biologici che potevano essere rilasciati all’interno della
rete idrica. Per simulare come i contaminanti si diffondessero attraverso il flusso idrico, il team
di ricerca ha sviluppato un modello idraulico della rete utilizzando un software chiamato
EPANET ed ha successivamente ipotizzato diversi possibili scenari di contaminazione. Per
determinare la posizione dei nodi-sensori il team di ricerca ha utilizzato, inoltre, uno strumento
chiamato TEVA-SPOT. Essi quindi, formularono un possibile miglioramento della rete per
minimizzare gli effetti sulla salute pubblica di una possibile contaminazione ed utilizzarono un
approccio euristico per il raggiungimento di una buona soluzione.
18
In linea di massima le reti idriche smart sono costituite da 3 “strati” (ovvero 3 tipi di strumenti):
− il primo strato sono i nodi sensore impiegati sui collegamenti della rete e sono
alimentati a batteria. Questi nodi sensore hanno, quindi, una limitata capacità di
archiviazione ed elaborazione dei dati, alla quale si aggiunge un corto raggio di
comunicazione per risparmiare energia. Questi strumenti raccolgono semplicemente, in
maniera periodica, dati non strutturati (raw data), che sono successivamente analizzati
e processati a livello locale per poi essere trasferiti al secondo strato ovvero ai gateway;
− i gateway sono dispositivi che utilizzano la rete elettrica, quindi hanno una migliore
capacità di processamento e di archiviazione dei dati. Essi vengono installati in punti
chiave nelle vicinanze di più nodi sensore e sono responsabili della discretizzazione
della rete che raccoglie i dati e li trasmette al terzo strato, ovvero l’interfaccia utente;
− l’interfaccia utente è il terzo strato nonché lo snodo manageriale della SWG, di
conseguenza contiene gli algoritmi necessari alla definizione di modelli. Il primo
sistema testato a Boston, per una durata di 22 mesi, analizzava i dati riguardanti la
pressione e la velocità dell’acqua per individuare perdite o rotture all’interno della rete
[6].
I nodi sensori trasformano set temporali di dati in domini di frequenza, dove gli incrementi di
energia rendono possibile l’individuazione delle anomalie. Se esiste questo incremento di
energia, esso è visibile all’interno degli spettri di risposta, quindi il nodo sensore analizza e
trasmette un piccolo intervallo di dati e successivamente l’interfaccia utente incrocia i dati
presenti per individuare l’anomalia.
20
A. Tipologia delle Informazioni
Le informazioni in ingresso agli apparati di acquisizione sono provenienti dal mondo esterno o
dal sistema centrale, viceversa in uscita. Spesso, quando si guarda il sistema nel suo complesso,
si utilizza il termine monitoraggio per identificare la direzione in ingresso ed il termine controllo
per indicare quella in uscita.
II. Per quanto riguarda la qualità delle informazioni è possibile definire un criterio di
suddivisione dei dati in relazione allo loro qualità, infatti è possibile distinguere:
Le informazioni di tipo digitale riescono a dare una rappresentazione della grandezza attraverso
una serie di stati digitali ben identificati e distinti tra loro. Ad esempio, riferendosi al
funzionamento di un motore, questo può assumere solamente due stati: fermo o in movimento;
i quali possono essere rappresentati mediante un’informazione di tipo digitale. L’informazione
digitale classica rappresenta solamente due stati distinti, solitamente antitetici tra loro (motore
fermo o in marcia, interruttore aperto o chiuso, ecc.), la quale risulta facilmente rappresentabile
con la presenza o l’assenza di una determinata tensione, che definisce uno stato logico.
Le informazioni di tipo analogico forniscono una rappresentazione della grandezza per mezzo
di valori che variano con continuità all’interno di un dato intervallo. In questi casi il sistema di
telecontrollo si trova a dover interpretare una grandezza fisica non rappresentabile per mezzo
21
di stati logici (ad es. la temperatura). La trasformazione di un dato fisico ad un’informazione
avviene tramite un dispositivo chiamato trasduttore (molto spesso si tratta di valori continui di
tensione o corrente che sono proporzionali ai valori assunti dalla grandezza fisica).
In alcuni casi le informazioni che consentono al sistema di interagire con il mondo circostante
non sono interpretabili in modo istantaneo, ma devono essere ricostruite nel tempo per fornirne
una rappresentazione corretta. Un esempio può senz’altro riguardare la misura di potenza
elettrica: i contatori di energia permettono di fornire un impulso in uscita ogni volta che una
quantità fissata di energia viene prelevata o generata (informazione di tipo impulsivo). Per
ottenere il valore di energia ( non un valore istantaneo, ma associato a un intervallo di tempo)
il sistema deve essere in grado di contare il numero di impulsi emessi in un determinato
intervallo di tempo.
In altri casi l’interazione del sistema con il mondo esterno non avviene per mezzo di semplici
informazioni come quelle descritte in precedenza. Vi è la possibilità che il sistema di
Telecontrollo debba interfacciarsi con apparecchiature che mettono a disposizione una serie più
ampia di dati (informazioni di tipo complesso). La gestione di dati complessi rende sconveniente
l’utilizzo di uscite analogiche diverse, quindi, i costruttori lavorano su interfacce dedicate in
grado di stabilire un colloquio con un dispositivo esterno attraverso un determinato protocollo
di comunicazione.
III. Per quanto riguarda invece la classificazione in base alle caratteristiche elettriche delle
informazioni si deve considerare che ogni informazione trattata per essere interpretata da un
apparato di acquisizione dati deve essere rappresentata con un segnale elettrico. Alla
conversione da grandezza fisica ad equivalente rappresentazione elettrica provvedono gli
appositi trasduttori. Ad esempio, la temperatura di un oggetto viene convertita in segnale
elettrico corrispondente attraverso l’uso di una termocoppia o di una resistenza, che risultano
variabili con la temperatura, secondo una relazione nota. Nel caso dei segnali un livello
predefinito di tensione, la presenza o assenza di una tensione indica all’apparato di acquisizione
lo stato logico del segnale.
B. Smart Devices
22
− interazione con l’ambiente (sensori/attuatori);
− capacità computazionale
− capacità trasmissiva dei dati acquisiti.
Riguardo quest’ultima, risulta importante che un solo dispositivo sia in grado di coprire un più
ampio spettro di protocolli di comunicazione, a causa del contesto altamente eterogeneo e
diversificato, ad esempio:
− trasmissione diretta su reti dati del tipo “long distance” (reti xDSL fisse o su ponti radio
o reti mobili 2G/3G/4G);
− trasmissione su frequenze e protocolli radio “short range” (es., ZigBee, WiFi,
RFID/NFC).
È da sottolineare che con le recenti tecnologie è stata superata la limitazione di considerare gli
apparati di acquisizione come strumenti che svolgono il semplice ruolo di trasduttori delle
informazioni in modo da rendere possibile lo scambio dati tra i dispositivi di campo e il sistema
di telecontrollo. Le attuali tecnologie, attraverso algoritmi per il pretrattamento dei dati,
permettono un filtraggio delle informazioni già in fase di acquisizione così da poter elaborare
solamente dati significativi. La capacità di elaborazione degli apparati di acquisizione dati, ne
ha obbligato l’evoluzione grazie all’equipaggiamento di unità di calcolo, simili a quelle del
sistema di controllo, portandoli al livello “Smart”, tali da essere in grado di poter compiere una
serie di semplici operazioni di controllo autonomamente.
Il livello di trasporto ed i sistemi di trasmissione dati sono necessari per veicolare i dati raccolti
in campo verso i sistemi di elaborazione (Application Layer). La scelta delle tecnologie e dei
protocolli di comunicazione hanno un ruolo importante in un progetto SWG. Nell’ambito degli
apparati di acquisizione dati, ancor più che i sistemi cablati, assumono importanza quelli
“wireless” grazie ai numerosi scenari applicativi nella quale è possibile trarne vantaggio. I limiti
che di solito influenzano la reazione in tempo reale del sistema sono di natura tecnologica, e
comprendono la limitata potenza di calcolo e i sistemi di comunicazione. In questo paragrafo
vengono analizzate le caratteristiche cruciali di un sistema di trasmissione:
A. I dati generati
24
all’interno del processo decisionale. I principali requisiti di un sistema di dati a servizio di una
rete SWG possono essere riassunti (Figura_ 6):
− Volume
− Velocità
− Varietà
− Veridicità
− Valore
I. Volume
I dati derivanti dai sistemi ICT sono in continua crescita e si espandono oltre l’ordine dei
terabyte (Big Data): l'enorme quantità è emersa grazie anche all'avvento del social Web e dei
dispositivi interconnessi. Smartphone, Voice over Internet Protocol (VoIP), videoconferenze e
dispositivi connessi a Internet (sensori e computer) hanno consentito il monitoraggio e la
condivisione di ogni aspetto dei dati in tempi nell’ordine dei nanosecondi. Il sovraffollamento
dei dati aumenta la loro ridondanza rendendo la gestione dei Big Data una delle sfide più
importanti nella cosiddetta era smart. Per affrontare questo problema, i ricercatori hanno
suggerito diverse soluzioni, come la creazione di archivi di dati basati su cloud che forniscano
una metodologia affidabile, scalabile ed economica per archiviare pesanti blocchi di dati,
adottando inoltre tecniche di alfabetizzazione avanzate per ottenere una tempestiva rimozione
25
di informazioni indesiderate o dannose al sistema. Inoltre, è necessaria un'interazione costante
tra i server Cloud affinché si ottenga un elaborazione continua.
II. Velocità
A pari passo con il volume crescente di dati, aumenta anche la velocità con cui i dati devono
essere prodotti ed elaborati per soddisfare le richieste delle diverse infrastrutture. Questo
definisce una delle sfide attualmente più consistenti, essendo un processo tutt’altro che scontato
ed economicamente irrilevante. L'aumento della velocità nel processo per la generazione dei
dati è dovuto principalmente alla proliferazione di dispositivi di rilevamento connessi a Internet.
I dati generati da quest’ultimi, devono poi essere ridefiniti in una forma strutturata in relazione
all’obiettivo predeterminato al fine di renderne possibile l’utilizzo. La velocità di questo
processo risulta dunque di importanza cruciale, poiché, il successo delle infrastrutture “Smart”
ed in particolare delle SWG, si basa su decisioni prese rapidamente, partendo da informazioni
provenienti dalle più diverse fonti. Per affrontare tale criticità, i ricercatori hanno suggerito
varie soluzioni come:
III. Varietà
La varietà intesa come risultato della combinazione di dati eterogenei virtualmente illimitati.
Le informazioni generate dai diversi sistemi interconnessi, definiscono blocchi di dati che
possono presentarsi come:
1
L'inferenza bayesiana è un approccio all'inferenza statistica in cui le probabilità non sono interpretate come
frequenze, proporzioni o concetti analoghi, ma piuttosto come livelli di fiducia nel verificarsi di un dato evento. Il
nome deriva dal teorema di Bayes, che costituisce il fondamento di questo approccio.
2
In informatica con il termine “glifo”, o “timbro digitale”, viene identificata, invece, una particolare tecnologia
costituita da un insieme di segni grafici, di vario aspetto o realizzazione, con cui è possibile riprodurre un
documento informatico al fine di renderlo leggibile attraverso l’impiego di specifici sistemi automatizzati ed, al
contempo, di dimensioni ridotte.
26
▪ strutturati; ▪ non-strutturati; ▪ multimediali
I dati vengono dunque raccolti da fonti eterogenee come documenti, e-mail, social media,
messaggi di testo, video, immagini, audio, grafici, ecc.… Tutta questa enorme varietà può
causare problemi di incompatibilità in relazione alla semplificazione del processo gestionale.
Si cercano dunque sistemi di omogeneizzazione dei dati, tali da rendere elaborabili le suddette
informazioni.
IV. Veridicità
Tale caratteristica sottolinea l'importanza di affrontare e gestire l'incertezza dei dati. I Big data
sono soggetti a criticità (failure) poiché la mole di informazioni raccolte non sempre contiene
la coerenza necessaria alla definizione di un modello. L’obiettivo è quindi quello di ricercare
dati unificati eliminando quelle sorgenti incoerenti che possono essere considerate come
“rumorose”, le quali non individuate possono portare alla definizione di modelli incoerenti con
la realtà e dunque privi di significato.
V. Valore
Il termine “Valore” si riferisce alla qualità delle informazioni presenti, esso è un elemento
trasversale a quelli già definiti. Dati di valore permettono l’integrazione, l’analisi e la
visualizzazione di informazioni anche su scale temporali e spaziali differenti. Tale termine
quindi identifica “l’estrazione dell’intelligenza” in modo da ricavarne le migliori performance
ottenibili. Le principali problematiche legate a tale concetto sono:
27
− la definizione di centri operativi altamente specializzati, per ottenere servizi
personalizzati agli utenti.
A. Sistemi SCADA
I. Acquisizione dati
L’acquisizione rappresenta una funzione che nella maggior parte dei casi ha un ruolo di
supporto alle funzioni di supervisione e controllo poiché mette in relazione il sistema con il
processo consentendo la conoscenza dello stato in cui ci si trova e dell’azione di controllo
necessaria alla variazione di determinati parametri. In questo senso “acquisizione dati” è intesa
come scambio di informazioni bidirezionale (dal processo verso il sistema e viceversa). Questa
rappresenta una funzione fondamentale dei sistemi SCADA per il fatto che non è possibile
28
espletare funzioni di supervisione e controllo senza acquisire informazioni riguardo lo stato in
cui si trova il processo osservato.
II. Supervisione
Questa è la funzione per mezzo della quale un sistema SCADA rende possibile l’osservazione
dell’evoluzione di un processo controllato. A questa funzione appartengono tutte le funzionalità
di visualizzazione delle informazioni relative allo stato attuale del processo, di gestione delle
informazioni storiche, di gestione delle anomalie. La funzione di supervisione costituisce un
fine per qualsiasi sistema SCADA.
III. Controllo
L’operazione di archiviazione e analisi dei dati è stata l’evoluzione naturale di sistemi che nel
tempo si sono rivelati capaci di diventare depositari di informazioni essenziali per la
comprensione dei processi sottoposti a supervisione e controllo. Tra le attività fondamentali di
29
un sistema SCADA rientra infatti il trattamento di dati rappresentativi degli stati assunti dal
processo nella sua evoluzione e delle condizioni di esercizio delle infrastrutture che
costituiscono il sistema di controllo (sensori, attuatori, apparecchiature di acquisizione dati,
sistemi di comunicazione, sistema di elaborazione). Una volta divenuti inattuali i dati non
vengono perduti ma conservati in archivi detti “storici”. Una prima importante ragione per la
quale si ritiene necessario equipaggiare i sistemi di supervisione e controllo con strutture di
archiviazione dei dati è dovuta al fatto che la disponibilità di serie storiche consente di realizzare
studi che definiscano l’evoluzione del sistema in esame. Attraverso questi è possibile
interpretare:
Lo studio dell’evoluzione del processo è esso stesso, in molti casi, scopo del sistema di gestione
e supervisione.
Vantaggi
Risparmio idrico
L’acqua all’interno della rete è soggetta a continui sprechi dovuti a perdite, consumo
indiscriminato e imprecisioni dei misuratori. Gli enti gestori potrebbero addirittura non essere
a conoscenza di perdite di rete verificatesi per mesi o perfino anni, infatti, la durata media delle
perdite sotterranee è di due o più anni. Una rete di monitoraggio smart permetterebbe la
ricezione di informazioni in tempo reale su tutta la rete, contribuendo enormemente
all’identificazione delle perdite prima che il danno possa diventare incalcolabile.
30
Conservazione dell’energia
La distribuzione spaziale dei sensori all’interno della rete permette di visualizzare e monitorare
le sue condizioni di esercizio. Infatti, la possibilità di analizzare informazioni in tempo reale
consente l’individuazione di eventuali criticità presenti od in via di sviluppo. In termini di
analisi perdite, ve ne sono alcune che crescono nel tempo e possono essere facilmente
identificate da una rete sensoristica, evitando situazioni di emergenza nella quale improvvise
rotture causano danni considerevoli. Dal punto di vista qualitativo, sebbene l’acqua in uscita
dall’ impianto di trattamento risulti conforme agli standard di qualità, questa può subire
alterazioni all’interno della rete di distribuzione a causa di contaminazioni accidentali oppure
intenzionali. Le reti idriche intelligenti dotate di sensori di monitoraggio qualitativo che
individuano l’eventuale contaminante e segnalano alle utility i potenziali pericoli permettono
di isolare efficacemente l’acqua contaminata prima ancora che arrivi ai consumatori attraverso
l’utilizzo di elettrovalvole a controllo remoto. In questo modo, attraverso la prevenzione
continua è possibile evitare le interruzioni di servizio a causa di opere di improvvisa
manutenzione e definire programmi di interventi di medio/lungo periodo riducendo al minimo
i danni all’interno del sistema.
Vantaggi economici
31
1. Perdite e gestione della pressione 3. Monitoraggio qualitativo
Questi risparmi, quindi, potrebbero essere utilizzati per essere reinvestiti in ulteriori
aggiornamenti della rete oppure per una riduzione della bolletta dei consumatori.
Figura_ 7: Summary of global savings associated with smart water grid implementation [9]
Benefici aggiuntivi
Oltre ai vantaggi sopra elencati, la trasmissione wireless dei dati dei contatori elimina la
necessità di accedere alle proprietà residenziali per ottenere le letture utili al bilancio idrico. Le
utility possono notare modelli insoliti o consumi continui, che potrebbero evidenziare la
presenza di perdite oppure di morosità all’interno del sistema.
Avere un database di grandi dimensioni aiuta le utility a costruire un buon sistema di gestione
delle risorse. Molti enti potrebbero non essere a conoscenza del loro inventario completo e di
diverse informazioni rilevanti come l’età del tubo, il tipo di materiale, la posizione e via
discorrendo. Il sistema più adatto alla raccolta di questo tipo di informazioni è sicuramente
quello GIS (Geographic Information System). L’integrazione delle SWG con tali sistemi
permette di osservare le criticità in tempo reale e di diminuire i tempi di risposta alle stesse,
fino a migliorare il processo decisionale riguardante le priorità manutentive. Una migliore
gestione patrimoniale può ridurre le spese del capitale dal 10 al 15 %, il che può portare a
risparmi globali che vanno dai 3,5 a 5 miliardi di dollari [8].
32
Infine, contatori e sensori smart applicati all’irrigazione possono monitorare l’umidità e la
temperatura del suolo per determinare la gestione ottimale delle coltivazioni. Ciò contribuisce
non solo al risparmio idrico ma anche ad evitare l’eccessiva irrigazione che può minacciare la
salute delle piante.
Svantaggi
Ci sono diverse problematiche associate all’implementazione di una SWG. Oltre alla mancanza
di finanziamenti e incentivi forniti dagli attori di governance, vi è la spesa considerevole
necessaria all’aggiornamento della rete esistente. Un ulteriore inconveniente è la mancanza di
consapevolezza pubblica su questa tecnologia e sulle tematiche riguardanti la crisi idrica.
Tuttavia, tutto ciò potrebbe risolto attraverso iniziative di sensibilizzazione tramite internet,
eventi e educazione scolastica.
La Environmental Protection Agency (EPA) nel 2013 ha condotto un’analisi sullo stato
dell’infrastruttura idrica mostrando la necessità di un investimento di circa 384 miliardi di
dollari per l’implementazione della SWG fino al 2030 [9]. La mancanza di finanziamenti è
associata a procrastinazione istituzionale e politica, questo anche perché la risorsa idrica
essendo presente principalmente nel sottosuolo causa la generazione di un sensibile distacco
dal problema. Inoltre, le utility hanno un continuo bisogno di ridurre i costi ed investimenti
considerevoli sebbene volti alla corretta gestione della risorsa idrica si ripercuotano (almeno
inizialmente) nella bolletta dei consumatori che potrebbero non comprendere i futuri vantaggi
derivanti dall’implementazione di un sistema simile.
Un’ulteriore criticità legata alle reti SWG deriva dalla cattiva opinione pubblica dovuta
all’emissione di onde radio necessarie alla trasmissione dei dati. Nel 1985 il Federal
Communication Commitee (FCC) assegnò tre bande di frequenza, nel campo delle microonde,
alle trasmissioni senza obbligo di licenza con potenza massima di 1 W. Queste bande, 902 -
928 MHz, 2400 - 2483 MHz e 5725 - 5850 MHz, erano precedentemente disponibili per
applicazioni Industriali, Scientifiche e Mediche, da ciò il nome bande ISM. Essendo bande
piuttosto strette e, non necessitando di licenza, sono di fatto aperte a chiunque volesse utilizzarle
33
(con il solo vincolo della potenza massima di 1 W). Alcune delle principali bande disponibili
con le relative applicazioni maggiormente diffuse sono rappresentate in Tabella_ 1.
Banda Applicazioni
Si deve comunque precisare che l’obiettivo di realizzare dispositivi dai costi e dalle dimensioni
contenute porta a considerare solo alcune delle bande ISM, questo a causa di alcune limitazioni
hardware in termini di efficienza delle antenne e contenimento dei consumi.
Altri svantaggi
Il concetto di SWG esiste ormai da anni, ma la sua attuazione risulta essere lenta e complessa.
Ciò è dovuto alla mancanza di:
Le utility hanno necessità di definire di uno standard internazionale per lo sviluppo di una SWG,
infatti, molti fornitori offrono vari sistemi di implementazione che tuttavia non possono essere
interfacciati con dispositivi prodotti da altri. Inoltre, i piccoli distributori possiedono dipendenti
e risorse limitate tali da non potersi cimentare nello sviluppo di reti smart.
34
LINEE GUIDA PER LA GESTIONE QUALITATIVA DELLA RISORSA
IDRICA
Le infrastrutture per il servizio idrico hanno il compito di fornire acqua rispettante i parametri
di sicurezza definiti dalla normativa nonché quelli riguardanti gusto, odore e torbidità. Al di là
del buon lavoro portato a termine dagli enti preposti la qualità della risorsa idrica è soggetta ad
una forte vulnerabilità legata ad eventi di contaminazione che possono essere di tipo accidentale
oppure intenzionale. I bacini idrografici in ricevono quindi continui input di composti
contaminanti che potrebbero essere dannosi per la salute umana. Questi derivano da:
− scarti industriali;
− impianti di depurazione;
− sistemi di acqua piovana;
− deflusso da terreni agricoli ed urbani.
Questi comportano nelle sorgenti d’acqua, la presenza di migliaia di composti chimici sia
naturali che industriali definendo uno dei principali problemi ambientali che l’umanità si trova
ad affrontare. Al 2017, poco meno di un terzo della popolazione mondiale, non aveva ancora
accesso ad una fonte di acqua potabile all’interno della propria abitazione. Si tratta, per
l’esattezza, di 2,1 miliardi di persone ovvero il 30% della popolazione mondiale [10]. La World
Health Organization (WHO) menziona le principali malattie trasmesse dall’acqua come rischio
principale per 1.8 milioni di morti ogni anno, di cui l’88% sono bambini che vivono nei Paesi
sottosviluppati. Alcuni modelli di previsione stimano che il consumo globale di acqua
raddoppierà nei prossimi 20 anni, eppure la sicurezza della qualità dell’acqua è attualmente
sottovalutata pur costituendo una minaccia significativa alla salute globale. Le reti di
distribuzione risultano vulnerabili ad un qualsiasi tipo di contaminazione che sia intenzionale o
accidentale e nonostante i molti avanzamenti tecnologici, resta da compiersi un lavoro
significativo per la purificazione dell’acqua. Le valutazioni qualitative sulla risorsa idrica sono
basate su analisi di parametri fisici, chimici e batteriologici che richiedono strumentazioni
avanzate e personale qualificato. Sono circa 70.000 le sostanze chimiche conosciute ed
emergenti che potrebbero essere presenti nelle sorgenti d’acqua utilizzate per la produzione di
acqua potabile [11], inoltre, sono stati formulati circa 860 composti attivi che compaiono nei
pesticidi di utilizzo comune che appartengono ad oltre 100 classi di sostanze. Le proprietà
chimiche e fisiche di quest’ultimi possono differire in maniera significativa e risultano di
importanza cruciale per individuare le tecniche di monitoraggio da dover applicare. La presenza
35
di sostanze nutritive e metalli pesanti nell’acqua rappresenta una seria minaccia per la salute
umana. Tra i composti più comunemente individuati all’interno delle nostre risorse idriche
troviamo i fosfati e nitrati. Tali composti sono sempre più utilizzati come fertilizzanti in
agricoltura e sebbene la loro concentrazione nell’acqua risulti fondamentale per il ruolo che
svolgono nell’eutrofizzazione, vi è un sensibile rischio dovuto al loro aumento cumulativo
all’interno delle falde acquifere. In particolare, i nitrati introdotti nell’organismo vengono
trasformati in nitriti dai batteri presenti nello stomaco i quali possono essere ulteriormente
convertiti in composti cancerogeni. Tuttavia, i composti dell’azoto rappresentano un importante
analita per il monitoraggio ambientale e della salute umana da cui ne consegue l’essenzialità
della sua individuazione e quantificazione. Tradizionalmente, fosfati e nitrati sono da sempre
monitorati manualmente raccogliendo e filtrando i campioni che sono successivamente
analizzati in laboratorio. Le metodologie di misura basate principalmente su sistemi di
campionamento (off-line) comportano bassa frequenza e ritardo nella disponibilità dei dati. Per
tale motivo la European Water Directive (EWD) ha evidenziato la necessità di individuare
nuove metodologie che consentano di monitorare in tempo reale gli inquinanti sia chimici che
biologici [12]. È quindi concreto il bisogno di monitorare in tempo reale l’eccesso degli
inquinanti stabiliti dalle normative nazionali, per la quale si richiedono, sensori ultrasensibili,
in quanto gli standard sono spesso prossimi ai limiti stessi dei moderni sistemi di rilevamento.
Nella sostanza, il PSA ridefinisce i limiti dei sistemi di controllo della qualità delle acque
destinate al consumo umano, sino a oggi contraddistinti da una sorveglianza di segmenti
36
circoscritti del ciclo captazione-trattamenti-distribuzione-utenza e/o da un monitoraggio a
campione sulle acque distribuite. Analogamente a quanto avvenuto in altri settori, quali ad
esempio quello farmaceutico e dell’industria alimentare, l’evoluzione delle conoscenze in
materia di analisi del rischio ha, infatti, definito le criticità di strategie unicamente incentrate
sulla verifica di conformità del prodotto finito, spostando decisamente l’interesse verso la
realizzazione di un sistema globale di valutazione e gestione del rischio esteso all’intera filiera
idrica dalla captazione al punto di utenza finale. Tale approccio consente anche la flessibilità
necessaria alla gestione del rischio per l’approvvigionamento idrico in sicurezza negli scenari
di vulnerabilità anche associati agli eventi climatici estremi e/o nel caso di contaminati
emergenti.
Il modello dei PSA, di fondamentale semplicità nei suoi aspetti generali, è finalizzato a ridurre
drasticamente le possibilità di contaminazione delle acque captate dall’ambiente per essere
destinate al consumo umano, ad attenuare o rimuovere la presenza di eventuali elementi di
pericolo chimico, microbiologico, fisico e radiologico, attraverso trattamenti delle acque
adeguatamente progettati, eseguiti e controllati e, infine, a prevenire eventuali ricontaminazioni
in fase di stoccaggio e distribuzione dell’acqua fino al punto di consegna. In forma schematica,
le componenti di un PSA applicato ad un sistema di gestione idropotabile possono essere così
riassunte:
− Analisi del sistema idrico, dalla captazione al rubinetto: si tratta di uno studio
sistematico e accurato, per verificare il soddisfacimento dei requisiti di qualità necessari
alla tutela della salute umana. Attraverso la fase di valutazione vengono, quindi,
identificati tutti i potenziali pericoli relativi ad ogni segmento della filiera idrica
(captazione, trattamenti, distribuzione), viene definito il livello di rischio associabile a
ciascun pericolo identificato e vengono stabilite le misure di controllo ad esso
funzionali, secondo un ordine di priorità (stabilito in base al livello di rischio), al fine di
garantire che l’approvvigionamento di acqua sia sicuro, gli standard e gli obiettivi di
qualità siano soddisfatti, e la salute umana adeguatamente protetta.
− Monitoraggio operativo: si tratta di un monitoraggio sistematico, definito in termini
di natura e frequenza per ogni punto significativo del sistema idrico e per ogni misura
di controllo definita in base alla valutazione del sistema. Mira ad assicurare che ogni
deviazione dalla prestazione richiesta venga rapidamente rilevata e affrontata.
37
Documentazione delle modalità di gestione del sistema PSA e del controllo del sistema:
comprende la documentazione esaustiva del processo di valutazione del sistema, la validazione
del monitoraggio operativo e del controllo del sistema. La documentazione dovrebbe includere
anche una descrizione delle azioni da intraprendere in condizioni operative normali e in
condizioni di emergenza. In caso di incidente potrebbe, infatti, verificarsi il rischio di non
conformità a valori di parametro o avarie nel sistema di controllo operativo e, pertanto, le azioni
dovrebbero includere le indagini e le azioni correttive sotto forma di programmi di
miglioramento dell’efficienza del sistema e un sistema di reporting e di comunicazione.
Il WSP segue un approccio basato sulla gestione del rischio applicato al servizio idrico. I termini
“pericolo” e “rischio” per la salute vengono qui utilizzati secondo la definizione che viene
fornita nelle linee guida per le acque potabili dell’OMS [10]:
Sulla base delle precedenti considerazioni, la definizione di pericolo assume una connotazione
qualitativa, mentre nel concetto di rischio è insita una combinazione di probabilità di
accadimento e di gravità degli effetti, basati su una stima. La “valutazione del rischio”, partendo
dall’identificazione dei pericoli, implica una valutazione globale di tali probabilità e gravità
all’interno di un determinato sistema, allo scopo di definire adeguate misure di sicurezza e
dedicare le risorse al controllo dei rischi, secondo una scala di priorità [10]. La Figura_ 8
descrive lo schema di approccio al rischio come analizzato dal WSP.
38
Figura_ 8: Fasi del processo di analisi del rischio [12]
Qualsiasi studio del sistema idrico, analisi di gap e ipotesi di ottimizzazione deve basarsi su una
fotografia aggiornata e dettagliata dello stesso sistema. Una comprensione completa del
sistema, includendo la documentazione della natura e della qualità dell’acqua impiegata nel
sistema di distribuzione, e del sistema stesso, utilizzato per la produzione di acqua potabile, è
quindi fondamentale nella strutturazione di un PSA per garantire che siano adeguatamente
valutati e gestiti tutti i pericoli e rischi associati alle diverse fasi della filiera. Oggetto di
valutazione devono essere tutte le fasi e operazioni della filiera idropotabile, infrastrutture e
risorse già esistenti, quelle di prossima progettazione e installazione o ristrutturazione. In
considerazione del fatto che la qualità dell’acqua potabile varia lungo la filiera di distribuzione,
la valutazione del sistema idrico deve mirare a determinare se la qualità finale delle acque
distribuite al consumatore soddisfa i valori di parametro stabiliti per la salvaguardia della salute
umana lungo tutti gli stadi della filiera idropotabile. La descrizione del sistema idrico deve
garantire che venga preso in considerazione ciascun elemento del sistema. Tale descrizione è
indispensabile per supportare il successivo processo di valutazione del rischio. Questa fase
prevede studi documentali, sulla base di dati storici e recenti, supportati da visite in situ per
verificare lo stato di conoscenza sull’elemento del sistema e l’adeguatezza della
documentazione disponibile, come ad esempio nel caso di verifica delle informazioni sulle
infrastrutture presenti alla captazione, il numero e il tipo di approvvigionamenti, i collegamenti
39
tra le varie opere di presa dell’acqua, la destinazione d’uso del terreno dove è presente la
sorgente, le modalità di stoccaggio dell’acqua grezza, i trattamenti delle acque compresi i
processi e le sostanze chimiche utilizzate, lo stoccaggio dell’acqua trattata, i trattamenti
secondari (es. rilancio della disinfezione) e la rete di distribuzione.
Un passo importante all’interno della descrizione del sistema idrico seguendo un approccio risk
based è quindi condurre la valutazione del rischio che, in prima fase, consiste
nell’identificazione dei pericoli. Un pericolo è qualsiasi agente in grado di provocare un effetto
negativo per la salute umana attraverso il consumo di acqua potabile. I pericoli possono essere
di natura microbiologica, fisica, chimica e radiologica. L’identificazione dei pericoli è
fondamentale per garantire l’applicazione di misure di protezione adeguate e/o per identificare
i requisiti di trattamento necessari. Un evento pericoloso è una situazione o condizione o un
incidente, che può portare alla presenza di un pericolo nell’acqua che viene utilizzata o
consumata. Gli eventi pericolosi possono verificarsi naturalmente o possono essere provocati e
la loro manifestazione può avvenire in ogni parte del sistema idrico, dalla captazione alla
distribuzione al consumatore. Un’efficace gestione del rischio parte dall’identificazione di tutti
i potenziali pericoli, le loro fonti e i possibili eventi pericolosi ed è funzionale alle successive
fasi di valutazione del rischio che ogni pericolo può costituire e di definizione delle misure atte
a tenere sotto controllo i rischi sulla base di una scala di priorità. In questa prima fase, in ogni
segmento della filiera è importante determinare ciò che potrebbe accadere e che potrebbe
portare ad una contaminazione delle acque che ne pregiudichi la sicurezza d’uso. Una volta
identificati i pericoli, è importante considerare gli eventi che favoriscono il loro instaurarsi nel
sistema idropotabile. L’identificazione di pericoli ed eventi pericolosi è un processo
concettualmente diverso ma procede in molti casi simultaneamente. L’identificazione dei
potenziali pericoli ed eventi pericolosi deve comunque seguire il cammino della risorsa idrica,
iniziando dalla captazione, per poi procedere lungo tutto il diagramma di flusso convalidato.
Ad ogni passo l’obiettivo è quello di identificare le cause delle potenziali contaminazioni e
verificare le misure di controllo associate ad ogni rischio. Tutti i pericoli che ci si può
ragionevolmente aspettare che si verifichino in relazione alle risorse idriche di origine, ai
processi di trattamento e alle attuali strutture di impianto, devono essere identificati e registrati,
sulla base di informazioni preliminari e dati raccolti, esperienza dei membri del team,
informazioni esterne, includendo, nella misura possibile, dati epidemiologici e altri dati storici,
40
qualità dei materiali e prodotti in contatto con le acque, strutture e servizi collegati al servizio
idropotabile e ambiente circostante.
I. Agenti biologici
A causa della loro capacità di diffondersi rapidamente attraverso l’acqua e di provocare risposte
acute, i microrganismi patogeni rappresentano il rischio maggiore per i consumatori. Il
controllo dei rischi biologici può spesso richiedere un bilanciamento (se non vogliamo usare il
termine “compromesso”) tra tutela della salute pubblica e utilizzo di prodotti chimici. Un
esempio classico è quello dell’utilizzo di prodotti a base di cloro che possono comportare la
formazione di sottoprodotti della disinfezione. Gli agenti biologici sono rappresentati da
patogeni primari e opportunisti che rientrano nei gruppi di:
− batteri;
− virus;
− parassiti.
41
Gli agenti patogeni presenti nei sistemi di approvvigionamento idrico in genere provengono da
materiale fecale umano o animale che può contaminare l’acqua grezza o il sistema di
distribuzione dell’acqua. L’introduzione di feci nel sistema idrico può derivare dalla presenza
di animali selvatici e da animali al pascolo in prossimità della captazione o di serbatoi. Tuttavia,
anche riflussi da collegamenti trasversali non protetti con le fognature possono essere
responsabili di contaminazioni di origine fecale dell’acqua. La maggior parte dei patogeni
possono essere ridotti in numero o inattivati da appropriate misure di controllo, quali trattamenti
con luce ultravioletta, utilizzo dei disinfettanti chimici, filtrazione associata a trattamenti
chimici. Le misure di controllo post-trattamento possono prevedere: misure di protezione dal
riflusso (es. valvole di non ritorno), programmi di ispezione, risanamento e flussaggio delle
tubazioni per eliminare il biofilm, metodi di video-ispezione e interventi interni ai sistemi di
distribuzione, come l’installazione di sonde per la misura del cloro residuo nell’acqua in uscita
dall’impianto o in rete.
Un pericolo di natura chimica può essere considerato qualsiasi agente chimico che può
compromettere la sicurezza dell’acqua o la sua idoneità al consumo. Alcuni di essi hanno
dimostrato di causare effetti avversi per la salute umana solo a seguito di un’esposizione
prolungata attraverso l’acqua potabile. Gli agenti chimici nelle acque destinate al consumo
umano possono essere classificati in vari modi: particolarmente appropriata, in questa sede, è
la classificazione in base alla fonte primaria del contaminante. Questo approccio aiuta, infatti,
nello sviluppo di sistemi volti ad impedire o minimizzare la possibilità di contaminazione o
ricontaminazione dell’acqua destinata al consumo umano. Nella successiva Tabella_ 2 viene
fornita la classificazione delle fonti dei principali agenti chimici che viene riportata nelle linee
guida per la qualità delle acque potabili OMS [11].
42
Tabella_ 2: Classificazione delle fonti dei principali agenti chimici [11]
Trattamento delle acque o materiali a contatto con Coagulanti, DBP, materiali tubazioni
acqua potabile
Gli agenti fisici possono influenzare la sicurezza dell’acqua rappresentando un pericolo diretto
per la salute del consumatore. Essi, infatti, possono compromettere l’efficacia del trattamento
inficiando l’azione dei disinfettanti residui e compromettendo l’accettabilità dell’acqua da parte
del consumatore. Il pericolo di natura fisica più comune in una rete idrica è costituito dalla
presenza di materiale particellare e sedimenti nell’acqua. Questi, infatti, possono derivare dal
rilascio di materiale proveniente dai rivestimenti delle tubature; inoltre possono essere dovuti
alla formazione di biofilm durante fasi di stagnazione, o presenza di elevate concentrazioni in
acqua di ferro e manganese. I sedimenti in sospensione o risospesi possono a loro volta
veicolare altre sostanze chimiche tossiche o agenti patogeni adesi, contribuendo al co-trasporto
di altri pericoli. Fra i pericoli fisici sono spesso inclusi, anche se in maniera non propriamente
corretta, quelli derivanti da danneggiamenti e rotture di infrastrutture, blackout
dell’alimentazione elettrica, danni a sistemi di Information Technology. Tali pericoli,
comunque classificati, vanno in ogni caso considerati e spesso risultano determinanti per la
qualità delle acque.
43
alcune attività tecnico-industriali). La presenza di radionuclidi naturali è dovuta al contatto
dell’acqua con rocce contenenti elevate concentrazioni di elementi radioattivi naturali. Tra
questi elementi si distingue il radon, in quanto è un gas (nobile), incolore e inodore; il suo
isotopo più diffuso (il 222Rn) ha un tempo di dimezzamento di 3,82 giorni. Il radon è solubile
in acqua e può essere rilasciato dall’acqua per movimentazione o riscaldamento dell’acqua
stessa; quindi il radon presente nell’acqua utilizzata in casa può diffondersi in aria, ed essere
inalato dalle persone, oltre che essere ingerito con l’acqua e anzi, il rischio di tumore polmonare
connesso all’inalazione del radon fuoriuscito dall’acqua è generalmente superiore al rischio di
tumore allo stomaco connesso all’ingestione di radon con l’acqua. Va comunque tenuto
presente che le sorgenti principali del radon presente nell’aria interna alle abitazioni sono il
suolo e, secondariamente, i materiali da costruzione utilizzati per le pareti, e l’acqua fornisce
un contributo solitamente molto inferiore. La contaminazione da radionuclidi artificiali è
essenzialmente dovuta alla dispersione nell’ambente di radionuclidi prodotti e/o utilizzati
nell’ambito di attività industriali (es. produzione di energia elettrica) e mediche (es. terapie con
radioisotopi). A differenza della contaminazione radiologica naturale, la quale è generalmente
più rilevante per le acque sotterranee che per le acque superficiali, la contaminazione
radiologica artificiale dell’acqua è più probabile per le acque superficiali. La presenza di
radionuclidi nell’acqua, pur avendo differenti origini, può essere considerata verosimilmente
associata alla sola fase di captazione, potendosi ritenere, in generale, molto poco probabili
contaminazioni radiologiche dopo tale fase. Naturalmente ciò deve essere comunque oggetto
della valutazione del rischio nell’ambito dell’elaborazione del PSA. Tale valutazione si
concentrerà, quindi, soprattutto sulla fase di captazione e dovrà considerare le potenziali cause
di contaminazione delle acque captate sia da fonti sotterranee che superficiali, come ad esempio
la natura geologica del terreno in cui sono presenti i corpi idrici da cui sono emunte le acque,
presenza nelle vicinanze della captazione di impianti nucleari, siti di stoccaggio di combustibile
e/o scorie nucleari, di strutture che utilizzano reattori nucleari o radionuclidi (es. centri di
ricerca, ospedali), o di qualunque altra possibile fonte di pressione (es. discariche). Una
ragionevole assunzione della contaminazione radiologica alla captazione può facilitare il
controllo della radioattività nelle acque, che, date le difficoltà di differente natura legate alla
caratterizzazione e al monitoraggio delle migliaia di fonti di approvvigionamento idrico
esistenti, può essere effettuato nelle acque grezze, a livello degli impianti di potabilizzazione,
ovvero presso i serbatoi di stoccaggio e le stazioni di rilancio delle acque, in numero certamente
inferiore alle fonti. In tal modo si consentirebbe l’individuazione relativamente rapida delle
44
fonti eventualmente contaminate e, al contempo, la copertura praticamente completa della
popolazione servita.
Una volta analiticamente identificati i possibili pericoli ed eventi pericolosi associati alla filiera
idropotabile, si può procedere a identificare il rischio ad essi correlato. Lo scopo di questa fase
è distinguere tra rischi più o meno significativi costruendo una scala di priorità, funzionale alle
fasi successive, finalizzate a loro volta a definire le misure per tenere sotto controllo i rischi.
Nella prima fase la valutazione del rischio viene effettuata analizzando il pericolo e il rischio
ad esso associato, senza tener conto delle misure di controllo già eventualmente presenti nel
sistema. Quest’analisi rappresenta lo scenario peggiore, che talvolta è difficile da rappresentare
poiché si è già a conoscenza delle misure di controllo attuate in associazione al pericolo. Per
poter descrivere e valutare il rischio, è necessario tener conto di due grandezze, la probabilità
che un pericolo o un evento pericoloso si verifichi e l’effetto che tale pericolo avrebbe una volta
verificatosi, grandezze alle quali ci si riferirà in seguito semplicemente con i termini,
rispettivamente, di “probabilità” e “gravità delle conseguenze”. A tal fine, è raccomandabile
seguire un approccio semi-quantitativo che si basa sulla combinazione delle grandezze sopra
definite in una matrice, che fornisce come prodotto finale un punteggio univocamente associato
all’entità del rischio considerato. Per meglio comprendere il significato della matrice del
rischio, si dà di seguito una descrizione più dettagliata delle due grandezze considerate:
45
popolazione coinvolta, utenze sensibili), possibilità di adottare adeguate misure di
prevenzione o mitigazione del rischio, ecc.
Tabella_ 3: Matrice per la classificazione del rischio per la filiera idropotabile secondo l’OMS [11]
La matrice del rischio è realizzata attribuendo alla probabilità e alla gravità delle conseguenze
dei valori numerici. Per aiutare nell’assegnazione dei punteggi, vengono forniti anche dei
descrittori delle due grandezze definite in precedenza. Una volta individuati i valori da
assegnare alla probabilità del pericolo e alla gravità delle conseguenze, questi vengono
moltiplicati fra loro, fornendo come risultato un valore numerico associato al rischio risultante,
valore compreso in una scala da 1 a 25, attribuito rispettivamente a “rischi rari × insignificanti”
e a “rischi quasi certi × molto gravi”.
46
Tabella_ 4: Esempi di criteri per la definizione dei punteggi da assegnare ai rischi [13]
Non accaduto in
Non impatta sicurezza dell’acqua
passato, altamente
Raro (1) né caratteristiche organolettiche Insignificante (1)
improbabile che si
in modo sensibile
verifichi
I. Criteri di valutazione
Il processo di valutazione dei rischi associati ad ogni pericolo costituisce l’ossatura del PSA;
su questa sono, infatti, sviluppate, nelle fasi successive del piano, le misure di gestione nel
sistema idropotabile per prevenire la possibilità che il pericolo si verifichi nell’acqua resa
disponibile per il consumo, dedicando un controllo prioritario ai rischi più gravi, e considerando
ogni scenario realistico o plausibile. Si raccomanda, pertanto, che questa fase del processo sia
eseguita secondo criteri rigorosi, tenendo conto dei seguenti punti.
− È bene partire da una o più tabelle, collegate al diagramma di flusso del sistema, in cui
sono stati definiti tutti i vari pericoli ed eventi pericolosi; in questo modo si assicurerà
47
che tutti i pericoli siano stati esaminati dal gruppo evitando omissioni di elementi o
duplicazione dei processi di valutazione; il processo di associazione di rischio a ciascun
pericolo (anche se di basso rating), adeguatamente registrato, consente di non trascurare
alcun elemento in fase di revisione del sistema e in caso di incidente, di avere evidenza
del processo decisionale per individuare lacune.
− I criteri da seguire per la valutazione sono basati sullo stato delle conoscenze, sulla
letteratura tecnica, sull’esperienza e su giudizi esperti da parte del team; per limitare gli
elementi soggettivi del processo, si raccomanda l’utilizzo del modello semi-quantitativo
con assegnazioni di punteggi (Tabella_ 3) accertandosi che i criteri per l’assegnazione
dei punteggi siano esaustivamente discussi e condivisi prima della valutazione analitica
dei rischi. Il giudizio degli esperti sulla valutazione del rischio è indispensabile e non
va interamente affidato a strumenti esterni, come ad esempio software, algoritmi o
sistemi esperti sebbene possano, comunque, rivelarsi dei validi supporti.
− La valutazione di pericoli per cui sussistono notevoli incertezze dovrebbe orientarsi
sulla massima precauzione (es. assegnando una classificazione di “moderato” o
“grave”).
− La valutazione del rischio è rigorosamente sito-specifica: il confronto con matrici
redatte ai fini di esempio o in altri sistemi può essere utile per approfondire la
conoscenza sul processo decisionale ma non è mai raccomandabile “esportare”
valutazioni da un sistema ad un altro.
− Si tenga conto che, alla fine del processo, i rischi classificati da “molto alti” a “gravi” o
anche “moderati”, devono essere esaminati rispetto alla validazione delle misure di
controllo in atto nel sistema e, se queste non sono adeguate, si renderà necessario un
programma di miglioramento (anche con adeguati investimenti) perché siano tenuti
sotto controllo; d’altra parte, i rischi di classificazione inferiore devono essere
documentati e sottoposti a regolare revisione, anche perché bisogna considerare che
alcune misure di controllo definite per rischi levati potrebbero mitigare anche rischi di
minor rating.
− Esperienze applicative dei PSA dimostrano che la valutazione dei rischi dedica in molti
casi un’attenzione molto limitata alle non conformità lamentate da consumatori quando
attribuite a impianti di distribuzione domestica o comunque non di competenza del
gestore (es. reti interne di condomini o comunità, talvolta anche comprendenti impianti
di trattamenti domestici o sistemi di stoccaggio). In caso di reclami o lamentate non
48
conformità, si raccomanda comunque il potenziamento della cooperazione con il
pubblico, anche con possibilità di indagini mirate (es. i reclami riguardano tutti uno
stesso sito, avvengono nella stessa ora, ecc.); in particolare, il gestore può fornire
informazioni mirate quali: il punto fino al quale il gestore è tenuto a garantire il
controllo, le possibili azioni da parte del consumatore per mantenere adeguata la qualità
dell’acqua nelle reti domestiche, i possibili supporti disponibili per il consumatore; ciò
anche in ottemperanza degli obblighi di legge Art. 5, comma 3 del DL.vo 31/2001 e
s.m.i.
II. Rivalutazione dei rischi tenendo conto dell’efficacia delle misure di controllo
in atto
La rivalutazione dei rischi parte dai risultati (“molto alto”, “alto” e “medio”) e segue gli stessi
criteri della prima valutazione tenendo conto dell’efficacia di ogni misura di controllo sulla
riduzione di ogni rischio. Nella valutazione si deve tener conto sia della prestazione media della
misura di controllo nella riduzione del rischio, che di situazioni di breve-periodo in cui potrebbe
verificarsi l’inefficacia della misura stessa (es. l’approvvigionamento elettrico o di IT,
Information Technology, per un sistema di disinfezione, anche se di breve durata, in mancanza
di validato sistema alternativo, potrebbe portare ad un rischio elevato).
La verifica fornisce un controllo finale sul livello di prestazione complessiva dell’efficienza del
PSA applicato alla filiera idropotabile a fornire continuativamente acque di qualità adeguata ai
livelli prefissati a tutela della salute dei consumatori. Allo stato attuale, in cui non sussiste
obbligo normativo di adozione di PSA da parte del gestore idropotabile, la verifica potrà essere
effettuata da una funzione interna al sistema idropotabile con funzione di auditor o da auditor
esterni incaricati dallo stesso servizio. Qualora l’approccio PSA venisse introdotto come
strumento cogente nella legislazione europea e nazionale, è plausibile che la verifica sul sistema
venga effettuata da un organismo preposto alla sorveglianza (eventualmente tramite organismi
di terza parte) analogamente a quanto avvenuto con il sistema HACCP nell’ambito della
legislazione alimentare. La verifica del PSA richiede tre attività fondamentali e sinergiche di
seguito descritte.
49
I. Conformità dei dati di monitoraggio sulla qualità delle acque
Si tratta dell’indicatore fondamentale dell’efficacia del PSA e consiste nel verificare che i
risultati di monitoraggio su parametri stabiliti a livello normativo (eventualmente integrati da
altri parametri che il sistema idropotabile ritenesse utile adottare) siano consistenti con gli
obiettivi di qualità richiesti per le acque destinate al consumo umano: in generale, questi dati
sono forniti dal monitoraggio interno ed esterno previsto dal DL.vo 31/2001 e s.m.i. o anche da
conformità a parametri più restrittivi che il sistema idropotabile può aver valutato utile adottare.
Ad intervalli pianificati dal team, dovrebbero essere eseguite delle verifiche ispettive interne
per determinare se il PSA è conforme rispetto alle linee guida e a quanto pianificato dal sistema
idropotabile, ed è stato efficacemente attuato e aggiornato. Il programma di verifiche ispettive
dovrebbe tenere conto dell’importanza dei processi e delle aree oggetto di verifica ispettiva
oltre che delle azioni richieste in base ai risultati di precedenti verifiche. Dovrebbero essere
definiti gli scopi e i criteri di imparzialità della verifica ispettiva, la frequenza e i metodi. I
criteri e i metodi di pianificazione e conduzione delle verifiche ispettive, il resoconto dei
risultati e la conservazione delle registrazioni, devono essere definiti con una procedura
documentata affidata ad un responsabile. Il responsabile dell’area sottoposta a verifica ispettiva
è tenuto ad assicurare l’adozione a tempo debito delle azioni necessarie per eliminare le non
conformità rilevate e le loro cause. Le azioni successive devono prevedere la verifica delle
azioni attuate e il resoconto dei risultati della verifica stessa. Il team del PSA è tenuto ad
analizzare i risultati delle attività di verifica, al fine di confermare che le prestazioni generali
del PSA soddisfino i requisiti attesi e identificare eventuali necessità di aggiornare o migliorare
il piano stesso.
50
risorsa idrica. Tale concezione rientra perfettamente nei canoni della SC ed in particolare, la
formazione di un ecosistema condiviso e comunicante tra i diversi attori (enti, politica, imprese
ed utenti) potrebbe portare enormi benefici in termini prevenzione e mitigazione di un
qualsivoglia evento pericoloso.
51
IL MONITORAGGIO DELLA QUALITÀ TRAMITE UNA SWG
La sicurezza dell’acqua potabile distribuita agli utenti dalle utility dipende da diversi fattori
ovvero:
52
L’evento di contaminazione
Nel caso di un evento di contaminazione il composto inquinante si mescola con la risorsa idrica
ed a seconda della sua natura, può essere in grado di danneggiare persino il sistema di
distribuzione. Una qualsiasi rete di distribuzione è definita da molteplici componenti che vanno
da quelli più grandi come pompe e serbatoi fino ad arrivare alle utenze individuali. Nella
Figura_ 9 è analizzata una rete cittadina che serve 25000 abitanti soggetta ad un attacco
intenzionale al sistema di trattamento delle acque [14]. La velocità di diffusione dell’inquinante
dipende fortemente dalla domanda di risorsa idrica, motivo per cui, la diffusione risulta più
rapida negli orari di punta piuttosto che nelle ore notturne, ad ogni modo attraverso l’attacco
alla rete in un punto sensibile come il sistema di trattamento è possibile osservare la diffusione
totale del composto nell’arco delle 24 ore.
Figura_ 9: Spread of contaminant in a distribution system starting at the water treatment plant [15]
53
pericolo può provocare enormi problemi di salute pubblica nonché ingenti danni economici,
tuttavia ha permesso la nascita di una nuova consapevolezza riguardante la vulnerabilità nei
sistemi di distribuzione della risorsa.
Tipi di contaminazione
Accidentale Intenzionale
In questo ambito la metodologia operativa degli ultimi anni ha prestato una maggiore attenzione
ad un approccio mirato alla prevenzione degli eventi contaminanti, attraverso un’analisi
preliminare del rischio, finalizzata ad individuare le misure più adeguate alla sua riduzione. In
particolare, la riduzione del rischio viene affrontata in tre diversi punti di vista:
54
− il tipo di contaminante;
− la durata dell’iniezione;
− il punto di immissione;
− la concentrazione del contaminante;
Equazione 1
∑ 𝑆 = 𝑛 ∗ 𝑡𝑖 ∗ 𝑐𝑖 ∗ 𝑑
Dove:
In questo modo si evidenzia la complessità del problema definendo migliaia di casi possibili
anche per le reti di distribuzione più piccole. Per questo motivo vi è la necessità di ridurre al
minimo la complessità del problema.
55
per l’esecuzione di algoritmi di modellazione idraulica, ai fini della generazione di modelli
dinamici della rete finalizzati alla simulazione ed alla determinazione degli scenari significativi.
Lo scopo è quello di disporre un numero limitato di sensori in grado di individuare i potenziali
eventi contaminanti e di minimizzare gli effetti sulla popolazione [14]. Diversi studi hanno
analizzato criteri basati su obiettivi a prestazione competitiva, i quali vengono definiti in
relazione ai sensori disponibili. In generale, esistono due diversi tipi di approcci al problema
del monitoraggio, a seconda degli obiettivi prestazionali che si intendono raggiungere:
56
Tabella_ 6: Soluzioni Battle of Sensors
Sensor location
Reference TD [s] PE [#] VC [gal] DL [#]
(nodes)
Berry et al. (2006) 17, 21, 68, 79, 122 542 140 2,459 0.609
Dorini et al. (2006) 10, 31, 45, 83, 118 1,068 258 7,983 0.801
Guan et al. (2006) 17, 31, 81, 98, 102 642 159 2,811 0.663
Gueli (2006) 112, 118, 109, 100, 84 794 403 10,309 0.699
Huang et al. (2006) 68, 81, 82, 97, 118 541 280 4,465 0.676
Krause et al. (2006) 17, 83, 122, 31, 45 842 181 3,992 0.756
Preis and Ostfeld (2006) 68, 101, 116, 22, 46 439 151 7,109 0.477
Wu and Walski (2006) 45, 68, 83, 100, 118 704 303 8,406 0.787
La sfida dei sensori ha permesso una più profonda comprensione delle tematiche evidenziando
l’importanza degli approcci multi-obiettivo, anche se complica ulteriormente il campo di
analisi. Tale tecnologia si dimostra ancora acerba ed ha potenziale di miglioramento in ogni
57
direzione, nella Tabella_ 7 sono descritti i principali ambiti di miglioramento di questa nuovo
approccio alla distribuzione della risorsa idrica
Ambito Descrizione
Aggregazione Le reti idriche si dimostrano fin troppo complesse, la ricerca di metodi di semplificazione
risulta fondamentale per l’applicazione su larga scala del modello SWG.
Numero di sensori I dispositivi necessari all'implementazione di una SWG hanno ancora prezzi di
investimento e di esercizio molto elevati ed attualmente poco adatti per un’ampia
diffusione del sistema.
Identificazione dei La valutazione dei rischi è il fondamento di questo tipo di rete. In particolare, la
rischi determinazione del rischio in relazione al tipo di contaminante ed alla vulnerabilità del
sistema rende più semplice il processo decisionale legato alla SWG.
Affidabilità dei Attualmente l’affidabilità dei sensori non è comprovata, motivo per cui si ricercano
sensori strategie per diminuire al minimo i falsi positivi onde evitare procedure di emergenza
non necessarie.
Alla luce di quanto detto il monitoraggio costante delle reti di distribuzione idrica risulta
essenziale al fine di garantire un elevato standard di qualità e sicurezza. Tuttavia, le reti di
sensori necessarie a questo scopo devono ancora subire un processo evolutivo al fine di essere
ottimizzate per dimostrarsi al tempo stesso economiche ed affidabili. I diversi studi riguardanti
il posizionamento ottimale dei sensori vanno nella stessa direzione e risultano cruciali al fine
di ottenere il miglior risultato impiegando il minor sforzo possibile.
58
Figura_ 10: Soluzioni Battle of Sensors
Obiettivi prestazionali
Come già accennato, la definizione della posizione dei sensori all’interno della rete può essere
individuata attraverso la formulazione di un problema di ottimizzazione multi-obiettivo. Il
primo di questi è rappresentato dalla funzione 𝑓 = 𝑁𝑠𝑒𝑛𝑠 (numero di sensori installati), mentre
la seconda funzione obiettivo può essere rappresentata:
− dal tempo di rilevamento (DT- Detection Time), indice della rapida individuazione
dell’evento contaminante;
− dalla popolazione esposta a contaminazione (PE- Population Exposed);
− dalla probabilità di rilevamento (DL - Detection Likelihood);
− dal tempo di risposta del sensore (SRT - Sensor Response Time);
− dal numero di falsi positivi (NFD - Number of Failed Detections);
− dalla probabilità di falsi positivi (PFD - Probability of Failed Detection);
− dalla ridondanza del sensore di rilevamento (SDR - Sensor Detection Redundancy).
59
Tempo di rilevamento (TD - Time Detection)
La prima definizione è più applicabile quando vengono rilevati tutti gli scenari di
contaminazione, la seconda invece, viene utilizzata quando non è possibile il rilevamento di
tutti gli eventi a causa del numero limitato di sensori applicati. Per questa analisi possono essere
considerati sia gli eventi rilevati [17] che gli eventi non rilevati, considerando come tempo di
rilevamento di quest’ultimi, la durata stessa della simulazione (ad esempio θ). Il tempo di
rilevamento della rete di sensori può essere espresso nella forma:
Equazione 2
𝑝
𝑇𝐷 = ∑ ∑ 𝑎𝑥𝑝 𝐷𝑇(𝑥, 𝑝)
𝑥∈𝐽 𝑝=1
dove:
− 𝑫𝑻 (𝒙, 𝒑) = 𝒕𝒙𝒑 è il tempo di rilevamento per eventi rilevati e θ per eventi non rilevati;
− 𝜶𝒙𝒑 è la probabilità di un evento x durante il pattern di propagazione p ed è stimato in
relazione alla conoscenza della vulnerabilità della rete, da parte degli esperti, dove x ∈
all’insieme dei nodi 1. . . 𝐽, dove abbiamo un evento per ogni nodo.
L’ottimizzazione del tempo di rilevamento è naturalmente tesa alla ricerca del suo valore
minimo. Per fare ciò bisogna ricercare il valore minimo di TD per tutti gli eventi individuati;
se gli eventi non rilevati (tempo di individuazione θ) sono inclusi nella minimizzazione del TD
la preferenza è quella di convertire gli eventi non rilevati in eventi rilevati per far diminuire più
velocemente tale valore. Infine, l’obiettivo prediligerà una posizione per i sensori lontano dalla
sorgente per essere in grado di rilevare tutti gli eventi in un minore intervallo di tempo.
60
Popolazione esposta (PE - Population Exposed)
La popolazione esposta (PE) può essere descritta come il numero di persone che vengono
esposte alla contaminazione prima del suo rilevamento [18]. La PE durante l’evento 𝒙
corrisponde alla somma della popolazione servita da tutti i nodi contaminati al tempo 𝒕𝒙𝒑
ottenuto utilizzando i risultati di una simulazione idraulica. Pertanto, la PE può essere espressa
come:
Equazione 3
𝐽 𝑃
𝑃𝐸 = ∑ ∑ 𝑎𝑥𝑝 ∑ 𝛿𝑗𝑝
𝑥=1 𝑝=1
𝑗∈𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑡𝑒𝑑 𝑛𝑜𝑑𝑒𝑠
dove:
Equazione 4
𝐽 𝑃
𝑃𝐸 = ∑ ∑ 𝑎𝑥𝑝 ∑ 𝐶𝑥𝑝𝑗 𝛿𝑗𝑝
𝑥=1 𝑝=1
𝑗∈𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑡𝑒𝑑 𝑛𝑜𝑑𝑒𝑠
dove:
Equazione 5
1 𝑆
𝐷𝐿 = 𝑃𝑆 = ∑ 𝑑𝑟
𝑆 𝑟=1
61
dove:
Equazione 6
𝑁𝐹𝐷 = 1 − 𝐷𝐿
Il posizionamento ottimale dei sensori tende a massimizzare il valore di DL. Tale situazione
potrebbe verificarsi con una posizione dei sensori lontana dalla sorgente per ridurre al minimo
il numero di eventi non rilevati.
Il valore di 𝑫𝑳 può essere analizzato considerando solo quegli eventi che hanno un tempo di
rilevamento 𝑫𝑻 inferiore ad un definito valore di soglia [19]. Pertanto, qualsiasi evento
rilevato, oltre tale intervallo di tempo specifico, non è incluso nella stima di DL, quindi
possiamo parlare di probabilità di rilevamento a tempo limitato. Sicuramente, la
massimizzazione della probabilità DL con limiti di tempo vincola le posizioni dei sensori
lontano dalla fonte idrica.
Vi è la possibilità che un evento di contaminazione possa essere rilevato da più nodi sensore in
posizioni diverse. La “ridondanza dei sensori di rilevamento” (SDR - Sensor Detection
Redundancy) è la possibilità di identificare la presenza degli agenti contaminanti grazie ad una
predeterminata serie di sensori in un particolare intervallo di tempo [20]. Il fine non è
semplicemente aumentare la ridondanza per avere un numero inferiore di falsi positivi, ma essa
si pone all’interno di una strategia multi-obiettivo tra i quali compare:
62
Analisi della vulnerabilità del sistema
Possiamo analizzare la vulnerabilità del sistema solo dopo aver analizzato lo spettro delle
possibili contaminazioni. Il primo passo è quindi quello di individuare cosa oppure chi è in
grado di danneggiare il sistema e in che modo può riuscirci. In particolare, nel caso di attacchi
intenzionali vi sono diverse possibilità volte alla generazione di un clima di terrore all’interno
delle comunità. Esso è spesso il risultato della violenza utilizzata da uno o più gruppi al fine di
intimidazione di: individui, un particolare segmento della società od anche governi, con lo
scopo di soddisfare le richieste del gruppo. I potenziali attori di un attacco intenzionale sono:
Potenziali Descrizione
aggressori
Individuata la potenziale fonte di pericolo si analizza il tipo di attacco che può essere effettuato.
La minaccia può provenire:
63
gravemente una qualsiasi comunità. Tra le minacce sopracitate, la contaminazione della risorsa
è sicuramente la più pericolosa a causa della possibilità di danneggiare gravemente un maggior
numero di persone. Tra i fini di una SWG vi è sicuramente quello di essere in grado di
proteggere la rete di distribuzione da tali tipologie di pericoli. A tal riguardo le strategie da
mettere in atto sono essenzialmente 4:
− la salute pubblica;
64
− i danni economici;
− i danni alla comunità.
Il pericolo è rappresentato dal contaminante, che può essere di diverso tipo: agenti patogeni,
chimici e radioattivi. Per quanto riguarda la valutazione dell’esposizione, è necessario
analizzare le vie attraverso il quale il contaminante risulta essere pericoloso per la salute umana
ovvero:
− ingestione;
− inalazione;
− contatto con la pelle.
65
quantità assunta per ingestione, alcuni contaminanti potrebbero essere più efficaci nel causare
malattie o morte per inalazione piuttosto che per ingestione. Non sono tuttavia ancora
disponibili valori ampiamente condivisi riguardanti tale tipo di esposizione. La valutazione del
rischio passa attraverso il calcolo della popolazione contaminata, stimata attraverso l’utilizzo
di un software di modellazione e successivamente, vi è la definizione delle misure necessarie
alla riduzione dello stesso. Analizzata la fonte ed il tipo di attacco possiamo analizzare il rischio
ad essi collegato, attraverso la valutazione della vulnerabilità del sistema. La definizione di
rischio assunta nella procedura considerata è [22]:
R=pxV
dove:
I parametri da monitorare
Spesso gli strumenti non individuano la presenza dei contaminanti in maniera diretta, ma
misurano alcuni parametri che sono direttamente influenzati da questi. Quindi la presenza degli
inquinanti è individuata attraverso la misura di parametri surrogati. Sebbene vi siano molti
strumenti in grado di misurare un’ampia varietà di elementi con affidabilità e accuratezza, la
relazione tra i parametri misurati ed uno specifico contaminante con una specifica
concentrazione non è ancora ben compresa in condizioni reali. In particolare, i cambiamenti
misurabili nel campione d’acqua possono essere di natura:
66
Questi cambiamenti ci permettono di definire uno spettro di parametri surrogati ad indicazione
di un possibile evento contaminante, senza tuttavia aggiungere informazioni specifiche sul tipo
di inquinante presente nella rete. Per questo motivo, un primo passo per la progettazione di un
sistema di monitoraggio consiste nell’individuazione dei parametri surrogati più adatti al
contesto. Nell'ottica della sicurezza della risorsa idrica la Tabella_ 9 indica una serie di
parametri surrogati ed i contaminanti ad essi relazionabili [23]. Di seguito vi sono alcuni esempi
significativi relativi a questi parametri.
− Cloro residuo : nell’acqua sono spesso presenti cloro o suoi composti, i quali risultano
necessari al processo di disinfezione. Molti contaminanti chimici e biologici reagiscono
con cloro presente, producendo cambiamenti nei livelli di concentrazione nonché
incrementando il numero di sottoprodotti del cloro presenti in acqua. Quindi il cloro
residuo si dimostra uno dei parametri surrogati più sensibili e utili ai fini del
monitoraggio qualitativo, poiché la diminuzione del suo valore potrebbe indicare la
presenza di un contaminante. Purtroppo, l’alterazione della concentrazione di cloro non
ci permette di individuare lo specifico contaminante, pertanto, l'unico approccio pratico,
può essere quello di eseguire ulteriori test al fine di comprendere le cause dell’anomalia.
− Torbidità : sostanze particellari, come ad esempio organismi patogeni o contaminanti
micro-incapsulati, possono essere rilevati attraverso la torbidità dell’acqua. La
turbidimetria viene applicata quando la dimensione delle particelle che provocano
torbidità è dell'ordine o superiore al micrometro, condizione nella quale l'assorbimento
prevale sulla diffusione. Nel caso si abbia a che fare con particelle di dimensioni più
piccole, dell'ordine di decine o centinaia di nanometri, prevale l'effetto diffusivo e viene
pertanto utilizzata una metodica differente, chiamata nefelometria. Infatti, strumenti
predisposti a questo tipo di analisi analizzano il valore misurato in Unità di torbidità
nefelometrica (NTU), la quale è stimata attraverso la quantità media di dispersione della
luce collimata in un intervallo angolare prestabilito.
− Carbonio organico totale (TOC) : i sistemi impiegati per la valutazione del TOC
adottano una metodologia comprovata e comunemente usata che misura il carbonio
contenuto all’interno del materiale organico disciolto e particolato presente nell'acqua.
La misura della variazione nella concentrazione di TOC rappresenta un "surrogato"
efficace per il rilevamento di eventi contaminanti dovuti a composti organici, come
prodotti petrolchimici, solventi e pesticidi, sebbene, tale analisi non fornisca
informazioni specifiche sulla natura del contaminante. Il tempo di risposta di un
67
analizzatore TOC può variare, a seconda del produttore, ma solitamente è possibile
ottenere una lettura stabile ed accurata in un intervallo di tempo tra i 5 ai 15 minuti. I
dispositivi di monitoraggio smart per la misura del TOC sono progettati per funzionare
senza l’intervento di un operatore. Tuttavia, come evidenziato dagli studi EPA [13]
questa tipologia di apparecchiature si dimostra sicuramente la più complessa in un
ambito di O&M (Operations and Maintenance), richiedendo continui interventi di
calibrazione e manutenzione
− pH : la misurazione del pH in acqua è una delle misure più antiche e utili. Insieme alle
variazioni di conducibilità, il pH fornisce un'informazione riguardo i cambiamenti della
struttura ionica dell'acqua. Tuttavia, anche in questo caso non abbiamo dati sullo
specifico contaminante, il quale potrebbe essere persino di tipo benigno.
− Potenziale di Ossido Riduzione (ORP) : tale valore è correlato alla concentrazione di
ossidanti o riduttori presenti in una soluzione. Esso fornisce un'indicazione riguardo la
capacità della soluzione di ossidare (accettare elettroni) o ridurre (donare elettroni) altre
molecole. Poiché ossidanti e riduttori sono relativamente instabili all’interno di una
soluzione, quelli presenti in un sistema sono generalmente aggiunti intenzionalmente
per scopi specifici. In particolare, l'aggiunta di un agente ossidante accresce il valore di
ORP e viceversa nel caso di un riduttore. Queste misure possono essere effettuate
utilizzando un elettrodo simile a quello per il pH. In particolare, l’elettrodo utilizzato
rimane all’interno della soluzione richiedendo continua pulizia e calibrazione fino alla
sua sostituzione, ogni 1-2 anni, a seconda delle condizioni operative.
− Conducibilità : la conduttività in acqua è influenzata dalla presenza di solidi inorganici
disciolti come anioni di cloruro, nitrato, solfato e fosfato oppure cationi di sodio,
magnesio, calcio, ferro e alluminio. Le misure di conducibilità sono generalmente
affidabili e concettualmente semplici, poiché, viene misurata la corrente elettrica tra due
elettrodi, attraverso il quale vi è una tensione nota, la quale dipende direttamente dalla
temperatura.
68
Tabella_ 9: Potential surrogate parameters for different kinds of contaminants [23]
Surrogate parameter
pH X
Toxicity indicators X X X X
Turbidity X X
Residual chlorine X X
Conductivity X
Nitrate, nitrite X X
Dissolved oxygen X
Multi-angle light X
scattering
Phosphate X X
Oxidation reduction X X
potential
Biomonitors X X X
Ammonia X X
Fluorometry X
UV254/280 X
Alpha X
Beta X
Gamma X
69
Requisiti del sistema
L’enorme crescita del settore ICT ha permesso l’implementazione dei sistemi SWG grazie a
componenti sempre più accessibili. Tuttavia, tali sistemi possiedono una complessità intrinseca,
la quale si manifesta nella varietà di requisiti necessari all’utilizzo degli stessi. Un sistema di
monitoraggio deve essere in grado di analizzare i parametri più comuni per la valutazione della
qualità della risorsa idrica, ovvero TOC (Total Organic Carbon), pH, ORP
(Oxidation/Reduction Potential) conduttività, temperatura e torbidezza, i quali sono comprovati
campanelli di allarme per una serie di eventi pericolosi. Di pari passo ogni utility deve valutare
le sue necessità e le sue risorse (sia economiche che umane) nella visione di selezionare ed
installare una serie gli strumenti necessari all’implementazione di una SWG.
Per l’individuazione della posizione ottimale dei sensori vengono utilizzati appositi algoritmi
nati dall’elaborazione degli obiettivi prestazionali già discussi. Tuttavia, prima che un qualsiasi
software possa individuare un potenziale luogo di installazione bisogna accertarsi che il sito in
questione sia in possesso delle seguenti caratteristiche:
In relazione alla minaccia ed alle analisi di vulnerabilità vi è la possibilità che non tutte queste
caratteristiche siano rispettate. In questi casi è consigliato un periodo di ulteriori analisi per
valutare le possibili alternative.
Il sito selezionato deve risultare protetto dall’ambiente esterno. Buona parte dei sensori in
commercio sono presenti nell’elenco pubblicato dalla NEMA (National Electrical
Manufacturers Association - USA) come dispositivi di categoria 4 oppure 4x e di conseguenza
70
resistenti a vento, polvere, neve e ghiaccio esterno. In particolare, la classe NEMA 4 deve
superare il cosiddetto “Hose Test”, il quale è così descritto: un ugello con una portata da circa
250 litri al minuto ad una distanza di 3 metri per un periodo di 5 minuti che colpisce il
dispositivo non ne deve causare perdite interne. La classe 4X ha in aggiunta la caratteristica di
protezione contro la corrosione.
I materiali che meglio forniscono le caratteristiche citate sono l’acciaio, le resine epossidiche e
la fibra di vetro, sebbene questi siano utilizzati solitamente per l’uso esterno, le componenti
elettroniche dei dispositivi potrebbero non resistere a stress di temperatura, umidità ed altezza
elevata. Riguardo la temperatura le case produttrici forniscono tolleranze specifiche ed in
genere definiscono un range di esercizio tra 4.4 C° ed i 32 C°; in casi diversi devono essere
installati opportuni sistemi di climatizzazione. Simile discorso per l’umidità, valori troppo
elevati possono generare corrosione delle componenti elettroniche oppure generare cortocircuiti
e malfunzionamenti. La condensazione è quindi un’ulteriore criticità che può causare il
malfunzionamento dei dispositivi elettronici. Quando ad esempio uno strumento è mosso da un
posto più freddo ad uno più caldo e umido si può formare una condensa sui circuiti che può
condurre al danneggiamento degli stessi. Tali corto circuiti potrebbero causare danni
permanenti e rilevanti nel caso in cui l'apparecchiatura venga accesa prima che la condensa sia
evaporata. Per questo motivo, le apparecchiature elettroniche devono assorbire per diverse ore
il cambiamento climatico (come specificato dal produttore) prima del successivo avvio.
71
lo stesso operatore può causare danni al sistema nel momento in cui si occupa della
manutenzione.
La maggior parte della strumentazione per l’analisi qualitativa della risorsa idrica risulta essere
sensibile alle variazioni di pressione. Un’alterazione del valore della pressione può generare
bolle nel campione analizzato conducendo a misure errate. Per ovviare a questa problematica
vengono utilizzate valvole regolatrici che permettono di ridurre la pressione di un sistema a
valori più bassi e stabili in modo tale da essere adatta all’installazione dei suddetti dispositivi.
Tuttavia, tali valvole hanno limiti in caso di variazioni di pressione troppo elevate, motivo per
cui, può essere necessaria l’installazione di una serie di valvole volte al corretto funzionamento
del sistema. Altri strumenti come i contatori di particelle, richiedono meccanismi di stramazzo
montati separatamente in modo che l'altezza di uscita del campione possa essere regolata per
produrre il flusso desiderato. In particolare, nella Figura_ 11 è possibile osservare il sistema a
stramazzo per un contatore di particelle. Esso regola l’erogazione del campione e sebbene
semplice, risulta essere molto efficace nel controllo delle fluttuazioni di pressione e di flusso.
Figura_ 11: Example Constant Head Mechanism for Hach 2200 PCX Particle Counter
72
Alimentazione elettrica
Supporti di trasmissione
La trasmissione dei dati è un elemento chiave per l’utilizzo pieno di questi sistemi avanzati.
Essa può essere cablata oppure wireless ed è in grado di trasmettere dati in tempo reale ad una
posizione di raccolta predefinita. In linea di massima i sistemi cablati hanno una maggiore
larghezza di banda ma possono avere costi proibitivi in relazione alla posizione ed in questi
casi, risulta vantaggioso analizzare l’utilizzo di mezzi wireless (ad es. supporti di trasmissione
radio, cellulari, satellitari, ecc..). A seconda della posizione e dei sistemi utilizzati, la
trasmissione dei dati può essere suscettibile a diversi tipi di interferenze motivo per cui, può
essere necessario applicare ulteriori tecniche di controllo programmatico per mitigare i possibili
errori di trasmissione. Ad esempio, in una stazione di prelievo, potrebbe essere necessario
aumentare il numero di prelievi su un sondaggio non riuscito, oppure regolare la finestra di
ricezione dei dati in relazione ai limiti di larghezza di banda e della latenza del sistema di
trasmissione.
In genere, uno strumento è in grado di compiere le sue analisi solo se l’acqua si trova all’interno
di un particolare intervallo parametrico. Per questo motivo può essere necessario adattare la
fonte idrica di partenza affinché incontri le specifiche richieste dagli strumenti utilizzati. Ad
esempio, alcuni dispositivi di misura del cloro libero richiedono che il pH dell'acqua sia
inferiore a 8,5, in caso contrario è opportuno utilizzare agenti tampone per correggere il valore
73
anomalo oppure in alternativa, bisogna selezionare uno strumento diverso per il monitoraggio
di quello stesso parametro.
La maggior parte dei gestori idrici che implementano una rete di sensori online hanno un
qualche tipo di sistema SCADA (Supervisory Control And Data Acquisition). Essi nascono dal
mondo industriale e sono in grado di monitorare e controllare i processi all’interno di una rete
di distribuzione idrica. Da un punto di vista degli enti gestori il sistema SCADA è composto
dai seguenti elementi:
74
− un'infrastruttura di comunicazione dei dati che collega il sistema di supervisione al
PLC/RTU.
La Figura_ 12 mostra uno schema del flusso di dati dalla strumentazione all'operatore ovvero
dal campo al centro di controllo.
Storicamente, l'hardware e il software del sistema SCADA erano di tipo proprietario. Gli enti
di distribuzione che investivano nella soluzione di un particolare produttore potevano trovarsi
costretti a compiere scelte fortemente limitanti in termini di apparecchiature, in quanto
dovevano fare attenzione ad eventuali espansioni o aggiornamenti del sistema. Attualmente la
situazione è meno complicata, infatti, la maggior parte dei sistemi SCADA è in grado di
comunicare con tutti quei dispositivi che forniscono un output dei dati con specifiche come
definite dalla Electronic Industries Alliance (EIA).
75
Metodi ottici basati su tecnologie UV
Ciò significa che in un laboratorio la spettroscopia UV-Vis deve essere combinata con altre
tecniche per coprire un più ampio spettro di composti. Spettroscopia di fluorescenza IR, Raman
e raggi X sono le nuove tecniche per il monitoraggio della qualità dell’acqua in tempo reale,
tuttavia, tali tecnologie sebbene risultino acerbe sono chiaramente il futuro del monitoraggio
della risorsa in tempo reale.
B. Spettrometria di massa
76
spettrometria di massa per gascromatografia, una metodologia che coinvolge la preparazione
dei campioni a più fasi e avente una bassa specificità. Attualmente, la cromatografia liquida con
spettrometria di massa è uno strumento analitico standard nonché una tecnica chiave per
l’analisi ambientale, consentendo il rilevamento di un’ampia gamma di composti polari e non
volatili.
77
E. Triplo quadrupolo
Gli strumenti a triplo quadrupolo (QqQ) utilizzati nel caso di monitoraggio a più reazioni
(MRM- Multiple Reaction Monitoring) ottengono la migliore sensibilità assoluta per composti
specifici. Gli strumenti QqQ hanno eccellenti capacità di quantificazione grazie alla loro ampia
gamma dinamica lineare. Per queste ragioni, e per la relativa semplicità dell’analisi MRM,
questa tecnologia è diventata il metodo più comune per l’analisi ambientale volta ai residui di
contaminanti. L’analisi MRM introduce un’elevata specificità in quanto si basa sulla
rilevazione sia di uno ione genitore che di uno dei suoi noti frammenti.
I sensori a fibra ottica vengono utilizzati in combinazione con i metodi UV-Vis per il
rilevamento dei contaminanti. Normalmente una fibra ottica viene opportunamente dopata per
produrre luminescenza se esposta a una fonte di luce luminosa. Le fibre di vetro o sono dopate
con un raro metallo di terra o attivato con un metallo di transizione. Esse hanno tempi di risposta
rapidi e possono raggiungere performance molto elevate attraverso l’adeguata progettazione dei
gruppi ottici. Tali sistemi sono particolarmente adatti per luoghi con clima rigido e difficili da
raggiungere. La sensibilità di questi dispositivi dipende dal materiale di rivestimento della fibra
ottica; per questo motivo i centri di ricerca continuano a sviluppare nuovi materiali per
soddisfare le diverse esigenze del rilevamento.
78
Biosensori
Tali strumenti possiedono proprietà uniche, come un trasporto di massa migliorato verso la
superficie del microelettrodo e una ridotta caduta ohmica, che si traducono in una maggiore
sensibilità, motivo per cui si dimostrano adatti al monitoraggio della risorsa idrica. Questa
tipologia di strumenti risulta, tuttavia, molto delicata, motivo per il quale è difficilmente
applicabile a misure fuori dal laboratorio di lungo periodo.
B. Sensori Lab-on-Chip
Lab-on-a-chip (LOC) è un termine per un dispositivo che integra funzioni multiple che si
possono svolgere in laboratorio in un singolo chip che va da pochi millimetri a qualche
centimetro quadrato di grandezza ed è capace di trattare volumi di fluidi estremamente piccoli,
sotto i picolitri. I dispositivi Lab-on-a-chip sono un sottogruppo dei dispositivi MEMS (Micro
Electro Mechanical Systems) e spesso indicati anche come Micro Total Analysis Systems
(µTAS). Tuttavia, con il termine “Lab-on-a-Chip” si indica generalmente la misurazione di un
79
singolo o un multiplo processo di laboratorio con un semplice chip, mentre “µTAS” si dedica
all’integrazione di tutte le sequenze di processi di laboratorio per fare analisi chimiche.
A. Misura ad ultrasuoni
La tecnica ad ultrasuoni è un metodo non distruttivo e non invasivo capace di una rapida
caratterizzazione di sistemi concentrati e otticamente opachi. La tecnica ad ultrasuoni è
sensibile alle particelle con raggio tra circa 10 nm e 1000 mm. La propagazione degli ultrasuoni
in un fluido è influenzata dalla sua densità, comprimibilità, temperatura e composizione. Le
onde ad ultrasuoni (a basso consumo) e le onde a infrarossi che vengono emesse da
apparecchiature isolate dal composto da analizzare sono strumenti adatti per le applicazioni
nelle analisi dell’acqua e degli alimenti, in quanto non introducono agenti estranei né alterano
le proprietà della sostanza.
B. Sensori microonde
L’uso delle onde elettromagnetiche è molto comune nel campo del rilevamento delle sostanze
chimiche con un considerevole potenziale economico. Tali sensori si basano sulla combina
elettrodi interdigitati, ovvero costituiti da un elemento emettente ed uno ricevente. La bobina
eccitante è guidata da corrente ad alta frequenza per generare un relativo campo magnetico.
Quando il sensore viene posizionato vicino al composto da analizzare viene sottoposto ad un
ulteriore campo magnetico che modifica il primo il quale viene analizzato da una bobina
ricevente e fornisce il risultato dell’analisi.
Manutenzione e calibrazione
I costi di acquisto degli elementi costituenti le reti sensoristiche sono facilmente ottenibili dai
produttori e soggetti a continue riduzioni a motivo dell’avanzamento tecnologico. Tuttavia, i
costi di esercizio e quelli di manutenzione (Operation & Maintenance - O&M) non sono di
così semplice individuazione. Un elemento cruciale nell’implementazione di una SWG risiede
proprio negli elevati costi O&M, a tal punto che in poco tempo possono superare gli stessi
costi di acquisto. A tal proposito, per limitare i costi di esercizio è opportuno rispettare le
linee guida fornite dai produttori ed in particolare, i requisiti di manutenzione variano in
80
modo significativo, a seconda del parametro da analizzare e del tipo di dispositivo. Le reti
sensoristiche possono essere considerate un’avanguardia nel controllo qualitativo della risorsa
idrica. Esso è principalmente basato su campioni trasportati in laboratorio da cui è facile
comprendere la non maturità del settore SWG nonché gli elevati costi di O&M. Inoltre, è da
considerare che i diversi impianti gestiti da una qualsiasi utility non sempre sono facilmente
raggiungibili, il che genera ulteriori costi.
Le ore di lavoro impiegate per O&M variano in modo significativo, a seconda del tipo di
strumento utilizzato (o del parametro che viene monitorato). L’obiettivo nell’implementazione
di una SWG è mantenere al minimo le ore di manutenzione necessarie alla strumentazione.
L’EPA nei suoi studi a Cincinnati [13] ha cercato di definire un tetto di 4 ore di manutenzione
mensili per ogni stazione di monitoraggio, ottenendo tuttavia un tempo richiesto di circa 12 ore
mensili, senza considerare i tempi di viaggio. Ciò nonostante, come già accennato queste
strumentazioni possono essere ritenute alquanto pioneristiche e come conseguenza in continua
evoluzione, tanto che è possibile prevedere nei prossimi anni una consistente diminuzione dei
costi. Per quanto riguarda l’analisi dei dati prodotti, è impensabile che un operatore possa
monitorare in maniera continua le informazioni provenienti dai diversi dispositivi; ciò rende
necessario l’implementazione di un sistema di rilevamento automatico degli eventi. In questo
modo l’operatore avrebbe la necessità di monitorare i dati con cadenza giornaliera sebbene
dovrebbe essere in possesso delle adeguate skills:
Nei successivi paragrafi sono descritte alcune delle principali strumentazioni ed i relativi costi
O&M come evidenziato dagli studi EPA [13].
81
I. Hach astroTOC ™ con processo UV
Questo strumento richiede una manutenzione programmata trimestrale. A seconda della qualità
iniziale dell’acqua, i costi di manutenzione possono variano tra i $ 2.000 ed i $ 4.000 l’anno in
materiali di consumo. Inoltre, risulta necessario eseguire le seguenti attività di manutenzione
ordinaria:
82
Tale strumento è stato oggetto di diversi malfunzionamenti osservati dall’EPA, i quali
risultavano principalmente correlati all’ostruzione dello sparger di campionamento. In
particolare, nelle aree con acqua ad alto contenuto di carbonati, vi è necessità di reintegrare i
reagenti ogni tre mesi.
III. Spectrolyzer™/Carbolyzer™
Questo sensore è uno strumento ottico che stima i livelli di TOC misurando gli spettri UV-Vis
tra i 200 ed i 750 nm di lunghezze d’onda. Viene rilevato solo il TOC che ha una certa proprietà
di assorbimento nelle lunghezze d’onda specificate. Lo strumento ha requisiti minimi di O&M.
Inizialmente, EPA ha acquistato un’unità realizzata in alluminio di alta qualità. Se sono noti
valori TOC locali, l’unità può essere calibrata utilizzando valori limite disponibili a livello
locale.
C. Strumentazione di cloro
Gli strumenti per l’analisi del cloro libero risultano molto utili per il monitoraggio delle reti
idriche in quanto sono in grado di rilevare la presenza di un gran numero di contaminanti. Essi
possono utilizzare o meno dei reagenti. In particolare, senza l’utilizzo di reagenti si ha una
variabilità del pH, a seconda dell’uso di agenti tampone. I materiali di consumo possono variare:
Gli analizzatori di cloro libero e totale di Hach CL-17 utilizzano entrambi il metodo
colorimetrico. Le soluzioni tampone e reagenti, per la regolazione del pH, sono aggiunte al
campione e reagiscono al cloro presente, producendo una colorazione proporzionale alla
quantità di cloro. I suddetti composti reagenti hanno una durata mensile e producono un costo
annuo di circa $ 1000.
Wallace & Tiernan® Depolox® 3 plus impiega un metodo di misurazione privo di reagenti
(potenziostatico a 3 elettrodi). Lo strumento a membrana è raccomandato per un intervallo di
pH particolarmente elevato (valori compresi tra 6 e 10) ed una bassa conduttività (10 - 2.500
µS / cm). Inoltre, con acque a pH elevato, è necessario utilizzare un tampone (ad es. CO2). Il
83
cloro libero è costituito da molecole di cloro (Cl2), acido ipocloroso (HOCl) e ioni ipoclorito
(OCl-). La presenza di ciascun componente dipende principalmente dal pH con una certa
influenza della temperatura. L’HOCl è il componente più efficace in termini di disinfezione,
infatti, solitamente gli elettrodi misurano tale componente HOCl riportandolo come valore di
cloro libero. Negli strumenti a membrana, essa è progettata per consentire al solo all’acido
HOCl l’attraversamento della stessa, il quale viene successivamente misurato e riportato come
valore di cloro libero. Con un pH > 8,5, la maggior parte dell’HOCl viene convertito in OCl-,
interferendo quindi con la misurazione accurata del cloro libero. Dal punto di vista della
manutenzione, si osservano le seguenti esigenze:
In questo caso, il costo dei materiali di consumo varia tra i $ 350 ed i $ 1.000 l’anno.
84
a ciascuna forma di cloro ed è in grado di compensare sia il valore di pH che quello della
temperatura. Dal punto di vista della manutenzione esso necessita della:
D. Strumentazione di conducibilità
La presenza in acqua di sostanze minerali disciolte può essere misurata come conducibilità (o
conduttanza specifica con compensazione della temperatura). Il calcolo della conduttività è
fondamentalmente una misura della capacità dell’acqua di trasportare una corrente elettrica.
Esistono diversi fattori che influenzano la conducibilità dell’acqua tra cui:
− la concentrazione di ioni;
− la mobilità di ioni;
− lo stato di ossidazione (valenza);
− la temperatura.
I test dimostrano che è necessario una considerevole quantità di contaminanti per modificare
significativamente il valore di conducibilità [13]. Essa viene in genere misurata direttamente
analizzando la caduta di tensione o il flusso di corrente attraverso un campione. Le prestazioni
delle sonde di conducibilità sono molto simili tra di loro. Dal punto di vista della manutenzione
queste necessitano:
La maggior parte dei produttori combina la misurazione del pH/ORP con un solo elettrodo
apposito. Il valore del pH è una misura dell’attività degli ioni idrogeno (H +), pertanto, il
risultato della misura è il grado di acidità o alcalinità del campione in esame. L’ORP è una
misura della tendenza del campione ad ossidare o ridurre un’altra sostanza chimica.
85
Tipicamente, l’ORP viene analizzato utilizzando un elettrodo metallico inerte (platino), che
dona elettroni ad un agente ossidante o ne accetta da un agente riducente. Tale elettrodo
continua ad accettare o donare elettroni fino a quando non sviluppa un potenziale ORP pari a
quello del campione in esame. Il potenziale di ossido riduzione viene talvolta utilizzato per
stimare la concentrazione di cloro nell’acqua, tuttavia, in questo tipo di misurazione l’ORP è
influenzato da molti fattori, motivo per cui non risulta essere un buon surrogato per tale tipo di
analisi. Dal punto di vista della manutenzione tali dispositivi necessitano:
I materiali di consumo includono soluzioni di calibrazione del pH e sonde per un costo annuale
di circa $ 1.000.
F. Torbidità
La torbidità è la misura dell’opacità dell’acqua che viene causata dalle particelle sospese in essa
sospese. Questa viene tipicamente determinata facendo brillare un raggio di luce di lunghezza
d’onda variabile (intervallo tra gli 830 e gli 890 nm) all’interno del campione in analisi e quindi
misurando la luce (a 90 gradi) dispersa dalle particelle sospese. Dal punto di vista della
manutenzione abbiamo che:
Direzioni future
Tutti gli studi effettuati sul tema del monitoraggio della risorsa idrica mettono in luce criticità
e potenzialità dell’attuale sistema, definendo in maniera indiretta i prossimi sviluppi riguardanti
l’utilizzo della SWG nell’ambito del controllo qualitativo della risorsa idrica.
86
Valutazione dei sistemi di allarme: la sfida consiste nell’identificare le migliori procedure di
campionamento per l’individuazione di eventi rari. Questi appartengono ad un particolare
sott’insieme dei possibili scenari di contaminazione che hanno una bassa probabilità di
avvenimento ma un impatto estremo, motivo per cui devono definire il “limite superiore” di un
qualsiasi sistema.
Selezione del numero ottimale dei sensori: tali dispositivi comportano significativi costi di
acquisto e di esercizio. La sfida consiste nell’individuazione del numero ottimale di sensori che
devono essere installati, in modo da poter calcolare i costi di ammortamento ed i tempi di ritorno
dell’investimento, soprattutto per quelle utility che devono produrre margini di guadagno.
Identificazione delle aree a maggiore rischio: come descritto l’attuale approccio al problema
del monitoraggio della risorsa idrica è quello risk-based. La valutazione del rischio assume
quindi un’importanza cruciale e la progettazione delle SWG deve individuare e tener conto
delle aree a maggior vulnerabilità, in modo tale da assicurare la più alta efficienza in termini di
sicurezza.
87
L’esperienza EPA sui sistemi SWG
L’ufficio EPA che studia il comportamento delle acque sotterranee (Office of Ground Water
and Drinking Water OGWDW), ha intrapreso un progetto pilota intitolato Water Security
Initiative (WSi), che si sviluppa nelle seguenti fasi:
− Fase 1: sviluppare un sistema per il rilevamento rapido e con una risposta adeguata agli
eventi di contaminazione, per mitigarne gli effetti su salute ed economia;
− Fase 2: testare il sistema Contamination Warning System (CWS) attraverso iniziative
pilota e la collaborazione con gli enti gestori;
− Fase 3: produrre una guida pratica per l’orientamento e la sensibilizzazione nazionale
per l’adozione dei sistemi SWG.
L’EPA ha effettuato le sue ricerche dapprima su sistemi simulati in scala, definiti DSSs
(Distribution System Simulators), necessari ad accumulare le conoscenze atte
all’implementazione del sistema in ambito urbano. Tali simulazioni consentono l’evoluzione
continua ed economica dell’infrastruttura analizzata ed in particolare l’EPA ha condotto le sue
ricerche su modelli basati alla rete gestita dall’operatore T&E Facility (Cincinnati USA). In
particolare, sono state effettuate solo simulazioni utilizzando sensori di monitoraggio smart in
grado di individuare un qualsiasi evento contaminante in tempo reale. Inoltre, è stata utilizzata
una quantità nota di contaminante e successivamente sono stati effettuati dei campionamenti
periodici volti alla conferma dei dati provenienti dalla rete sensoristica.
Lo scopo finale degli studi affrontati dall’EPA è stato, quello di identificare i principali
parametri per il monitoraggio della qualità dell’acqua e le tecnologie sensoristiche che potessero
essere utilizzate per individuare variazioni anomale della qualità dell’acqua dovute ad eventi di
contaminazione, sia accidentale che intenzionale, all’interno di una rete di distribuzione idrica.
88
Descrizione del sistema
I test dell’EPA sono stati effettuati attraverso simulazioni con sistemi sia a ciclo chiuso (DSS
Loop No. 6) che a passaggio singolo (Single Pass DSS) la cui foto è visibile nella Figura_ 13.
In particolare, i test a ciclo chiuso sono stati effettuati affinché il sistema algoritmico potesse
apprendere e migliorare il rilevamento degli inquinanti. In questo modo, dopo una serie di test
è stato possibile abbandonare il simulatore a ciclo chiuso e spostare gli studi su un sistema a
passaggio unico denominato Single Pass DSS. Su tali sistemi sono stati effettuati diversi test
per determinare la quantità minima di inquinante rilevabile, in relazione a diversi parametri che
nell’impianto venivano cambiati di volta in volta.
Figura_ 13: Nodo strumentale DSS Loop No. 6 (sinistra); Punto di prelievo DSS Single Pass (destra)[14]
L’impianto di simulazione “DSS Loop No. 6” consiste in una vecchia tubazione in acciaio di
15 anni, con diametro di 6 pollici ed una lunghezza di circa 23 metri (75 piedi). Esso è
equipaggiato con una pompa da 3 cavalli ed una portata massima di circa 400 litri al minuto
(110 galloni), ma i test sono stati effettuati con una portata di circa 330 l/m (88 galloni). Per
questo test è stata utilizzata acqua corrente, ed il serbatoio di alimentazione assieme a quello di
ricircolo sono stati tenuti in linea aumentando il volume del sistema fino a circa 900 litri (235
galloni).
I contaminanti sono stati iniettati nel sistema attraverso un serbatoio di circa 40 litri collegato
ad una relativa pompa. Essi raggiungevano i sensori in circa 75 secondi e si omogeneizzavano
rapidamente con i circa 950 litri (250 galloni) di acqua all’interno del sistema. Successivamente
sono stati effettuati, sullo stesso sistema, test con coloranti per confermare i tempi di
89
propagazione e di omogeneizzazione. Inoltre, il sistema è ulteriormente equipaggiato con un
dispositivo di disinfezione a cloro per ristabilire le condizioni di partenza e per mantenere i
livelli di disinfezione constanti. Lo schema grafico di quanto appena descritto è mostrato in
Figura_ 14.
90
B. SS Single Pass
Il secondo impianto di simulazione è costituito da una tubazione in ferro duttile di circa 45 metri
con una capacità totale di circa 1600 litri. Esso è alimentato a gravità da acqua corrente tramite
un serbatoio in acciaio di circa 2800 litri (750 galloni); immediatamente al di sotto vi è
l’impianto per la distribuzione del contaminante ed installato a pavimento un serbatoio generale
di circa 3700 litri (1000 galloni). Lo schema grafico di quanto appena descritto è mostrato in
Figura_ 15.
I contaminanti utilizzati nello studio sono stati selezionati come rappresentativi di un’ampia
classe di inquinanti biologici e chimici che possono essere potenzialmente introdotti all’interno
della rete idrica. Nella Tabella_ 10 sono descritti i parametri analizzati, le modalità adottate e
le rispettive strumentazioni utilizzate. Riguardo quest’ultime sono state aggiornate nel corso
degli studi per diverse problematiche di carattere logistico e di obsolescenza. Ad esempio, la
maggior parte degli strumenti ottici avanzati, quali BioSentry®, FlowCAM®, SpectroLyser ™,
e Hach FILTERTRAK ™ 660, sono stati acquistati dopo l’inizio dei test per verificarne
l’efficacia con i contaminanti di tipo biologico; in particolare, sono stati inseriti E.Coli, Bacillus
Globigii. I test di contaminazione biologica sono stati eseguiti seguendo 3 diverse modalità:
− celle di prova (centrifugate per isolare solo il contaminante) con acqua di rubinetto;
91
− celle di prova con soluzioni nutritive;
− celle di prova con soluzioni nutritive precedute da trattamento con agenti declorurinanti
come il tiosolfato di sodio pentaidrato e il tiosolfato di sodio.
Online
Parameter Measurement Type Instrumentation Parameter Applicability
Tested
Naturally occurring form of nitrogen in the
nitrogen cycle. Dissolved ammonia gas is
Continuous and YSI 6600, YSI toxic to aquatic life at concentrations as
Ammonia/nitrogen
grab 6920DW low as 0.2 milligram per liter (mg/L). Will
be converted to chloramine in chlorinated
drinking water.
Visible colour resulting from turbidity and
Various laboratory
dissolved materials (humic material,
Apparent color Grab instruments, Six-
dissolved metals, dyes, algae). Potable
Cense™
water is normally colorless after treatment.
Indicator of salinity. Associated with a
Continuous and YSI 6600, YSI
Chloride secondary maximum contaminant level
grab 6920DW
(MCL) of 250 mg/L in drinking water.
YSI 6600, YSI
6920DW,
Conductivity Hydrolab® DS5, Ability of water to carry an electrical
measured as Continuous and Troll® 9000, Six- current. Strong indicator of dissolved salts.
specific grab Cense™, Hach/GLI Serves as a surrogate for total dissolved
conductancea Model C53 solids.
Conductivity
Analyzer
YSI 6600,
Concentration of oxygen dissolved in
Dissolved oxygen Continuous and Hydrolab® DS5,
water can serve as an indicator of chemical
(DO) grab Troll® 9000, Six-
and biochemical activity in water.
Cense™
Fluorescence
Continuous Instrumental measure of fluorescence at
(total, humic and ZAPS MP-1
Spectrophotometric various wavelengths.
bacterial)
YSI 6920DW,
Hydro-
Chlorine is added to the DSSb in the form
Continuous and lab® DS5, Troll®
Free chlorine of sodium hypochlorite. Chlorine levels in
grab 9000, Six-Cense™,
drinking water are controlled at ~1 mg/L.
Hach CL17 Free
Chlorine Analyzer
Utilizes laser-produced MALS technology
Multi-angle light to generate unique bio-optical signatures
Continuous BioSentry®
scattering (MALS) for classification using JMAR’s pathogen
detection library.
UV-Vis excitation that provides a means
of estimating absorption at various
Multi-spectrum wavelengths. Nitrate and/or nitrite
Continuous Spectro::lyser™ or
(UV- Vis) concentration, DOCc, TOC, CODd and
Spectrophotometric Carb::olyser™
absorption BODe (depending on the used algorithm),
and turbidity. Information at nearly any
wavelength between 200 and 750 nm.
Continuous, grab, Essential nutrient for plants and animals.
YSI 6600, YSI
Nitrate – nitrogen and Nitrate is the most soluble form of
6920DW
spectrophotometric nitrogen. Causes health problems in
92
humans. Drinking water standard is 10
mg/L.
Indicator of dissolved oxidizing and
YSI 6600, YSI reducing agents (metal salts, chlorine,
6920DW, sulphite ion). ORP values above 700
Oxidation- Hydrolab® DS5, millivolts (mV) kill unwanted organisms
Continuous and
reduction potential Troll® 9000, Six- in drinking water. A ground water
grab
(ORP) Cense™, Hach/GLI incursion may lower ORP by increasing
Model P53 pH/ORP chlorine demand. Chlorination of drinking
Analyzer water produces an ORP background of
~700 millivolts in GCWW water.
Counts all particles that are between 2 and
750 µm in size. The counted particles can
be subdivided into 32 size ranges to
identify particles of interest. For example,
Hach 2200 PCX
Particle Count Continuous the particle size
Particle Counter
ranges could be selected to correspond to
biological organisms such as Giardia (6-
10 µm) and Cryptosporidium spp. (2-5
µm).
Measures particle size, count and shape.
Particle count and
Images particles between 2 µm and 3 mm
image-based Continuous FlowCAM®
in size. Helps to identify and classify
identification
particles based on library of images.
Indicator of hydrogen ion activity (acidity
YSI 6600, YSI
or alkalinity) of water. Most chemical and
6920DW,
biochemical processes are pH dependent.
Hydrolab® DS5,
Continuous and Carbon dioxide/bicarbonate/ carbonate and
pH Troll® 9000, Six-
grab ammonia/ammonium equilibria are pH
Cense™, Hach/GLI
dependent. pH of drinking water is well
Model P53 pH/ORP
established and controlled. A change of
Analyzer
more than 0.5 pH unit indicates a problem.
YSI 6600, YSI
6920DW,
Hydrolab® DS5,
Troll® 9000, Six- A measurement indicator of how hot or
Cense™, Hach/GLI cold the water is. DO and specific
Continuous and
Temperature Model C53 conductance change with temperature.
grab
Conductivity Biological and chemical activities are
Analyzer, heavily influenced by water temperature.
Hach/GLI Model
P53 pH/ORP
Analyzer
Total cyanide, Compound-specific laboratory analysis for
Various laboratory
malathion, and Grab the purpose of deter- mining the fate of
instruments
glyphosate these three contaminants in the DSS.
Hach astroTOC™
UV Process Total
Organic Carbon Dissolved plus particulate organic
Analyzer, Sievers® compounds. Can range from
Total organic Continuous and
900 On-Line Total 0.5 to 25 mg/L in drinking water in the
carbon (TOC) grab
Organic Carbon U.S. May be correlated to chemical and
Analyzer, biological oxygen demand.
Spectro::lyser™ or
Carb::olyser™
Measure of colour based on Beer’s Law as
ZAPS MP-1,
Continuous measured by photon transmission through
Transmission Spectro::lyser™ or
Spectrophotometric water [800 nanometers (nm) for this
Carb::olyser™
study].
93
YSI 6600, YSI
6920DW,
Hydrolab® DS5, Indicator of suspended matter and
Continuous and Troll® 9000, Six- microscopic organisms. Patho- gens are
Turbidity
grab Cense™, 1720D more likely to be present in highly turbid
Turbidimeter, Hach waters.
FilterTrak™ 660 sc
Laser Nephelometer
Ultraviolet 254
Measure of organic compounds that
nanometer ZAPS MP-1,
Continuous absorb photons at 254 nm. Indicative of
wavelength Spectro::lyser™ or
Spectrophotometric organic compounds with aromatic
(UV254) Carb::olyser™
chemical structure and conjugation.
absorption
Le risposte dei sensori di qualità generano dati che permettono di definire una matrice di
risposta per i contaminanti testati. L’individuazione di valori al di fuori del range di risposta
provoca la messa in allarme del sistema. In particolare, l’EPA ha utilizzato per i test il concetto
di cambiamento significativo, ovvero una variazione tale dei parametri caratteristici, da
provocare l’allarme del sistema. Il criterio per la definizione del cambiamento significativo era
inizialmente soggettivo, infatti, diversi esami erano basati su risultati sperimentali di natura
ottica. Successivamente, una volta raccolto un considerevole numero di dati si è potuto definire
il cambiamento significativo in relazione ad un approccio di tipo quantitativo. Esso osservato
in un breve periodo di tempo di contatto (definito in un intervallo di 15 minuti) viene diviso per
il valore caratteristico, in modo da calcolare un valore percentuale oppure una deviazione.
Sebbene questo metodo fosse semplice e diretto, si omettono in questo modo diversi fattori
critici come i tempi di latenza e i possibili dati rumorosi. Nella Tabella_ 11 è possibile osservare
i valori di soglia per l’innesco dell’allarme. Questi valori non sono tutti derivati da analisi e
calcoli statistici, ma in parte ottenuti anche grazie all’esperienze dell’operatore ed in relazione
alla variabilità della qualità dell’acqua. In particolare, questi dati si sono dimostrati efficienti
nel caso in esame ma potrebbero causare una serie di falsi positivi nel caso in cui dovessero
essere applicati su un diverso sistema. Per tali motivi si cercano approcci di tipo quantitativo
con performance ancora più elevate.
Le risposte dei singoli sensori sono state analizzate calcolandone il cambiamento assoluto, la
variazione percentuale e il rapporto segnale/rumore (S/N – Signal/Noise). L’analisi del
rapporto S/N è progettata per mitigare il livello di “rumore di fondo” causato dalle frequenti
fluttuazioni nei dati di base. Esso è definito come il rapporto tra un valore misurato e il rumore
di fondo. Un basso rapporto S/N indica che la variazione del valore misurato del parametro
94
potrebbe essere causata dal rumore di fondo (che rappresenta le fluttuazioni di routine attorno
al valore caratteristico) piuttosto che derivante da un reale cambiamento della qualità
dell’acqua. L’esperienza ci dice che in relazione al luogo di installazione del sensore il valore
di base può subire immediate ed importanti fluttuazioni. Ad esempio, i parametri monitorati
potrebbero variare notevolmente in relazione ai cambiamenti nel funzionamento di serbatoi,
pompe e valvole. Inoltre, tali parametri sono influenzati anche dai cambiamenti giornalieri e
stagionali all’interno della sorgente, nonché dalle fluttuazioni della domanda.
L’EPA ha attuato ulteriori collaborazioni con l’istituto SNL (Sandia National Laboratories) al
fine di implementare un algoritmo automatico in grado di distinguere nei parametri qualitativi
della risorsa idrica tra le variazioni normali e i cambiamenti innescati dalla presenza dei
contaminanti. Queste tipologie di strumenti spesso indicate come algoritmi per il rilevamento
degli eventi sono in grado:
Nitrate ± 10%
Chloride ± 15%
Ammonia ± 20%
95
I. Risposta non algoritmica nel sistema a passaggio unico
I risultati ottenuti dall’EPA in seguito ai test sul sistema a passaggio unico possono essere
riassunti come segue. Come già detto, i valori di base sono relativamente stabili; la Tabella_ 12
mostra il tasso percentuale in variazione (colorato se al di sopra del 10%). In particolare,
possiamo osservare che i valori di torbidità e cloro libero subiscono forti variazioni per la
maggior parte dei contaminanti analizzati. I valori di riferimento sono:
Equazione 7
𝑨𝑪 = 𝑺𝒑𝒆𝒂𝒌 – 𝑺𝒃𝒂𝒔𝒆𝒍𝒊𝒏𝒆
Dove:
𝑨𝑪
% 𝑪𝒉𝒂𝒏𝒈𝒆 =
𝑺𝒃𝒂𝒔𝒆𝒍𝒊𝒏𝒆
96
Tabella_ 12 : Percent Change in Sensor Parameter Response to Injected Chemical Contaminants in
Chlorinated Water – Single Pass DSS [13]
Potential (ORP)
Contaminants
Conductance
Concentration
Total Chlorine
Oxygen (DO)
Free Chlorine
Initial In-Pipe
Chloride (Cl)
Reduction
Dissolved
Oxidation
Chemical
Turbidity
Specific
(mg/L)
pH
0.2 -9.0% -8.8% 2.3% 0.2% 0.0% -0.3% 0.3% 188.5%
Aldicarb 1.1 -43.6% -43.5% -2.8% 0.0% -1.2% -0.6% 0.0% 487.0%
Glyphosate 1.5 -77.9% -39.3% 2.0% 0.0% 1.3% -0.9% -1.4% 329.2%
Colchicine 1.8 -4.3% -3.9% 0.1% 0.4% 1.3% -0.4% 0.2% 157.0%
Dicamba 1.3 -3.1% -1.7% -1.3% -0.3% -0.5% 0.6% -0.5% -6.9%
Dimethyl Sulfoxide 2.0 -29.2% -26.0% -0.1% 0.1% -0.9% -0.3% 0.3% 1.0%
Lead Nitrate 0.7 -2.9% -2.0% -0.8% -0.1% -3.4% -0.1% -0.1% 137.2%
Mercuric Chloride 1.1 -1.0% -1.5% -1.7% 0.3% -7.3% 0.5% -0.7% 46.9%
Nicotine 1.9 -49.3% -28.6% 0.5% 0.0% 1.5% -2.4% 0.7% 82.0%
Sucrose 1.8 -3.2% -0.4% -0.9% 0.0% -5.7% 1.1% -0.1% 449.1%
Control Blank 0 1.0% 0.2% 0.6% 1.1% 1.0% 2.0% 0.1% 71.8%
a
AVG 1.7% 0.9% 3.1% 0.8% 0.8% 1.9% 0.2% 62.1%
97
La Tabella_ 13 è un’evoluzione della precedente, nella quale i dati sono stati normalizzati in
relazione al rapporto S/N per ogni parametro monitorato. Il rapporto S/N equivale:
Equazione 9
𝑺 𝑨𝑪
=
𝑵 𝝈𝒃𝒂𝒔𝒆𝒍𝒊𝒏𝒆
numerica che mette in relazione la potenza del segnale utile rispetto a quella del rumore
in un qualsiasi sistema di acquisizione, elaborazione o trasmissione dell’informazione.
Possiamo osservare che, a differenza della Tabella_ 12, la torbidezza dell’acqua non è più un
buon parametro per l’individuazione dei cambiamenti significativi all’interno del sistema
poiché il valore caratteristico è troppo rumoroso. I dati nella Tabella_ 13 ci mostrano che è più
efficace utilizzare elementi come il pH oppure il potenziale di ossido riduzione (ORP) i quali
sono stati in grado di individuare rispettivamente 4 e 7 situazioni anomale su 11 testate.
Entrambi questi 2 parametri hanno dei valori caratteristici stabili (ovvero una bassa deviazione
standard) e producono piccoli cambiamenti quando il contaminante viene iniettato. Siccome il
valore caratteristico è cosi stabile, otteniamo che il rapporto S/N è relativamente grande. La
Tabella_ 12 e la Tabella_ 13 mostrano quindi l’utilità di un tipo di analisi non algoritmica.
98
Tabella_ 13: Normalized, Signal-to-Noise Corrected Sensor Parameter Response to Injected Chemical
Contaminants in Chlorinated Water – Single Pass DSS [13]
Oxidation Reduction
Dissolved Oxygen
Free Chlorine
Potential (ORP)
Chloride (Cl)
Conductance
Concentration
Total Chlorine
Contaminants
Initial In-Pipe
Turbidity
Specific
Chemical
(mg/L)
pH
(DO)
0.2 -31.6 -20.2 3.5 1.2 -0.5 -2.1 2.1 2.5
Aldicarb 1.1 -101.0 -155.1 -5.3 0.0 -3.6 -9.8 0.5 4.8
Glyphosate 1.5 -275.7 -97.6 11.7 -5.4 3.8 -14.4 -28.5 2.2
Colchicine 1.8 -7.2 -9.8 0.1 3.2 -0.2 -4.4 3.6 4.5
Dicamba 1.3 -6.3 -5.4 -12.7 -3.1 -8.0 9.9 -9.4 -2.7
Dimethyl Sulfoxide 2.0 -52.5 -110.8 0.3 2.6 -8.1 -4.6 5.2 1.9
Lead Nitrate 0.7 -2.4 -11.3 -2.8 -1.9 -3.1 -0.4 -1.0 3.9
Mercuric Chloride 1.1 -2.2 -4.3 -13.1 5.5 -1.7 8.9 -26.8 4.9
Nicotine 1.9 -187.2 -43.0 -2.1 0.2 2.8 -20.1 8.5 0.6
Potassium Ferricyanide 1.6 -7.5 13.1 58.3 4.9 -2.2 -3.0 -3.1 1.4
Sucrose 1.8 -6.0 -2.7 -4.6 0.4 -10.4 6.0 -1.8 1.0
Control Blank 0 2.0 0.6 0.5 2.5 1.5 2.2 0.7 1.9
99
II. Risposta non algoritmica nel sistema a ciclo chiuso
Come per tutti i test è stata utilizzata acqua clorata come distribuita dall’operatore, in particolare
sono stati controllati i livelli di cloro e tenuti stabili su un valore di 2mg/l (misurati come cloro
totale). I valori di risposta mostrati nella Tabella_ 14 mostrano che il valore del parametro TOC
(Total Organic Carbon) può essere considerato come discriminante nella ricerca di
contaminazioni poiché reagisce a tutti i contaminanti testati meno che al sodio arsenito, come
prevedibile dato che tale composto non contiene carbonio. Il cloro totale è inteso come misura
delle clorammine non mostra grossi cambiamenti ed in particolare è stato valutato un periodo
di 4 ore poiché le clorammine reagiscono più lentamente rispetto al cloro libero.
Ammonia Nitrogen
Oxygen Reduction
Nitrate Nitrogen
Concentration
Total Chlorine
Total Organic
Conductance
Initial In-Pipe
Chemical
Turbidity
Potential
Chloride
Specific
Contaminants
Carbon
pH
(mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (mg/L) (µS/cm) (mV) (NTU)
0.27a -0.04 0.1 6.33 5.16 -0.02 0.56
Glyphosate
1 127.5% 1.6% N/Ab 1.0% 3.8% 0.9% N/A 0.2% 111.1%
(Roundup®)
15.7 2.8 2.7 6.1 10.0 3.1 46.2
40 -4 52 008 1.285 211 -56 003 46
Malathion (Real
1 38.2% 1.8% 7.7% 1.5% 6.1% 0.3% 1.7% 0.3% 112%
Kill®)
547 21 38 15 129 48 80 48 431
22 -22 -4 873 257 -77 -2 29
Phorate 1 18% 9.5% N/A 1.5% 17% 0.6% 2.2% 0.2% 74.9%
484 600 4 341 71 162 34 115
0.8v/vc 0.18 -0.04 0.06 29.73 18.13 -7.0 -0.05 0.43
Wastewater (2 13.8% 1.6% N/A 2.1% 11.1% 3.7% 4.8% 0.5% 116%
gallons) 34.0 5.7 0.5 27.8 28.4 6.2 7.2 23.1
002 -31 207 29 422 94 -742 005 53
Sodium Arsenite 1 1.7% 14.6% 9.5% 4.8% 1.7% 0.2% 23.9% 0.6% 139%
38 486 47 27 17 17 842 69 93
271 -2 23 113 305 -103 002 155
Nicotine 10 963% 0.8% 1.7% N/A 9.2% 0.6% 2.8% 0.3% 505%
2.698 56 66 45 53 180 51 1.733
002 -1 000 003 001 435 -10 -2 73
Control Blank 0 1.7% 0.4% 0.0% 1.1% 0.1% 0.9% 0.3% 0.3% 160%
21 20 00 28 2 84 00 53 195
Questo tipo di analisi si basa sui dati raccolti dai sensori definendo ulteriormente la necessità
di strumenti per il controllo automatico dei dati: in particolare, tali sistemi automatici devono
essere in grado di distinguere il tipo di variazione della qualità dell’acqua, in quanto pericolosa
o meno. Tali algoritmi sono in grado di leggere i dati provenienti dai sistemi SCADA (segnali
100
di qualità dell’acqua, dati operativi, ecc.), e di produrre analisi con tempi di latenza vicini allo
zero, in modo tale da produrre rapidamente un risultato di tipo binario indicante la presenza o
meno di un contaminante all’interno della rete. In questo contesto, l’EPA ha collaborato con
SNL (Sandia National Laboratories) per implementare un algoritmo automatico per l’analisi
dei dati ed il risultato di questo lavoro è il software open source CANARY. Esso è in grado di
rilevare le variazioni standard della qualità dell’acqua e di utilizzare algoritmi matematici per
individuare il momento di inizio dei valori anomali, limitando contemporaneamente al minimo
il numero dei falsi positivi. CANARY viene calibrato sui valori caratteristici della qualità
dell’acqua tramite la configurazione dell’utente; attraverso quest’ultima il software è in grado
di riconoscere la variabilità specifica locale dei parametri qualitativi. Per tale motivo, i dati di
variabilità possono cambiare da un gestore ad un altro fino a mutare totalmente all’interno dei
confini di uno stesso gestore. Inoltre, il software ha una fase di “addestramento” offline dove,
attraverso l’utilizzo dei dati storici, è in grado di ottimizzare la sua configurazione in modo tale
da ottenere il miglior equilibrio tra la sensibilità nell’individuazione dell’evento e il tasso di
falsi positivi. Il codice di CANARY è, inoltre, progettato per essere personalizzabile,
permettendo il suo miglioramento da parte dei ricercatori di tutto il mondo tramite l’aggiunta
di nuovi algoritmi ideati a seconda delle diverse situazioni. Alla versione 4.2 CANARY aveva
già 3 algoritmi diversi:
Questi algoritmi definiscono uno standard qualitativo per ogni sensore di qualità alla quale
rapportare ogni misura alla ricerca di valori anomali. La definizione dello standard qualitativo
è automaticamente in continua evoluzione in relazione alla maggiore quantità di dati
disponibili. All’interno di CANARY è presente un discriminatore binomiale (Binomial Event
Discriminator - BED) di eventi che esamina diversi valori anomali in una finestra di tempo
prestabilita per determinare l’insorgenza di un evento anomalo o una modifica del valore
caratteristico della qualità dell’acqua. La Figura_ 16 mostra il funzionamento schematico del
software che si muove continuamente dallo stato di configurazione a quello di analisi per
migliorare in maniera costante i risultati ottenibili attraverso il suo utilizzo. Oltre
all’implementazione di CANARY, l’EPA ha testato algoritmi commercialmente disponibili in
101
modo tale da definire un obiettivo ancora più ambizioso ovvero la combinazione di diversi
algoritmi e banche dati.
Il processo per lo sviluppo di una SWG non è semplicemente percorribile, infatti, vi sono anche
in fase di simulazione una serie di importanti accorgimenti volti al corretto utilizzo delle
strumentazioni. Nei successivi paragrafi sono riportate le procedure attuate dall’EPA per lo
studio della SWG.
102
B. Concentrazione del contaminante iniettato
Per la determinazione della concentrazione dei contaminanti iniettati sono stati considerati
diversi fattori, tra cui:
I tempi di miscelazione e le osservazioni sulla solubilità sono stati determinati da ulteriori test
di laboratorio eseguiti a priori; lo studio della risposta alla concentrazione minima su scala reale
è stato eseguito per determinare il “limite inferiore di rilevazione” associato ad un particolare
sensore di monitoraggio, per un particolare contaminante selezionato. Lo scopo della scala reale
e di tale studio era di determinare se fosse possibile iniettare nel sistema una concentrazione
sufficientemente elevata da causare effetti sulla salute, ma non tanto da risultare rilevabile
dall’array dei sensori. Questa concentrazione si mostrava solitamente rilevabile ad almeno un
sensore di qualità; inoltre, per la stragrande maggioranza dei contaminanti, rappresentava una
concentrazione ben al di sotto del livello IDLH. In confronto, sono stati condotti altri studi di
Verifica della Tecnologia Ambientale (ETV-Environmental Technology Verification)
sponsorizzati dall’EPA. Questi hanno utilizzato concentrazioni di 10 mg/L, che si trovano
generalmente all’interno del range di sensibilità della maggior parte degli strumenti e adatti per
tracciare la precisione e l’accuratezza degli strumenti di prova.
C. Durata dell’iniezione
Al fine di determinare la durata minima necessaria per rilevare una variazione dai valori
caratteristici della qualità dell’acqua, sono state eseguite iniezioni di 2 minuti. Queste di breve
durata sono state rilevate con successo dai sensori, anche se, in alcuni casi la durata di
campionamento dello strumento superava il periodo di iniezione di 2 minuti. Al fine di valutare
il dosaggio totale necessario per causare potenziali danni all’uomo, è stata analizzata una durata
di 20 minuti. Essa ha consentito test più stabili con un tempo di risposta massimo tale da poter
essere utilizzato per calibrare gli algoritmi automatizzati. Dopo l’iniezione, i dati dei vari
sensori sono stati monitorati e registrati per almeno 4 ore per i test DSS Loop n. 6 e per almeno
1 ora per i test DSS Single Pass.
103
D. Composti Puri o Commerciali
Al fine di valutare l’efficacia dei sensori di rete nel rilevamento di alcuni composti provenienti
dall’utilizzo di erbicidi e pesticidi disponibili in commercio, l’EPA ha contattato alcuni
produttori per ottenere la forma pura del principio attivo presente all'interno del loro prodotto.
Durante gli studi su scala reale, è stato scoperto che anche gli ingredienti non attivi nei pesticidi
commerciali potrebbero alterare la qualità dell’acqua in modo rilevante. Per il test DSS Loop
n. 6, sono stati usati Real Kill® (pesticidi) e Roundup® (erbicida) al fine di rappresentare i
grandi gruppi di composti presenti in commercio.
Tra i diversi test effettuati sono state eseguite iniezioni di acque reflue e di falda per simulare
eventi di contaminazione naturale o accidentale. Infatti, l’esperienza racconta eventi di back
flow e cross connection oppure vi sono stati casi in cui vi sono state infiltrazioni di acque
sotterranee.
Ad ulteriore conferma dei risultati ottenuti, i test sono stati ripetuti sia per il DSS Loop n. 6 (3
volte) sia per il Single Pass DSS (2 volte) affinché si garantisse che le risposte dei sensori
fossero valide e ripetibili. La conclusione è stata una serie di risultati coerenti in base alla
direzione della specifica modifica del parametro. Nel caso in cui un test abbia prodotto risultati
incoerenti a causa di un malfunzionamento dell’apparecchiatura, è stato eseguito un test
aggiuntivo. Nella Figura_ 17 è visibile la risposta di un campione a concentrazioni crescenti
(glifosato), all’interno del DSS Single Pass. In particolare, si osserva che i due test a
concentrazione crescente hanno risultati pressoché uguali.
104
Figura_ 17: Glyphosate Injections at Varying Concentrations
G. Conferma in laboratorio
Dopo i test sono state eseguite analisi in laboratorio per confermare le letture dei parametri di
qualità analizzati dai sensori di rete. Nella Figura_ 17, i campioni acquisiti corrispondevano ai
risultati della strumentazione in rete, ad eccezione dei valori dell’ORP (Oxidation Reduction
Potential). Questo è avvenuto poiché le letture ORP vengono alterate quando il campione viene
esposto all’atmosfera durante il prelievo. Inoltre, per alcuni dei contaminanti (malatione e
glifosato), al fine di evitare che il composto non fosse assorbito dal biofilm o dal materiale del
tubo, è stato eseguito il prelievo dei campioni dai rubinetti della stessa strumentazione del
sensore. Questi campioni sono stati inviati ad un laboratorio esterno affinché ne venisse eseguita
la conferma analitica.
105
Tuttavia, siccome i cambiamenti dei parametri analizzati risultavano coerenti con il livello di
contaminanti iniettato (come mostrato nella Figura_ 17), la conferma analitica è stata
abbandonata per tenere il passo con il rapido ritmo dei test e ridurre i costi del progetto.
Tra i test eseguiti, il circuito DSS n. 6 è stato ulteriormente azionato per disinfettare l’impianto,
in modo tale che i parametri di qualità dell’acqua (in particolare torbidità e temperatura) fossero
equilibrati e rimanessero stabili durante la prova. La stabilità di questi parametri è stata
confermata dalla valutazione dei dati di base del sensore in rete per garantire che le letture dello
strumento rientrassero nell’intervallo di funzionamento “normale”. Se le letture dello strumento
si fossero discostate dalle condizioni normali (in base all’esperienza dell’operatore), lo
strumento sarebbe stato ricalibrato per garantire precisione e ripetibilità.
I. Dispositivi di sicurezza
Durante i test si sono dimostrati necessari dispositivi di protezione individuale, come camici da
laboratorio, guanti, occhiali e scarpe di sicurezza in particolare laddove ve ne era bisogno sono
stati utilizzati ulteriori sistemi di protezione specifici. Sono stati effettuati dall’EPA anche
diversi test utilizzando contaminanti di tipo biologico, per cui era necessario seguire procedure
ristrette al fine di ridurre al minimo i rischi correlati. I contaminanti biologici utilizzati non
erano di tipo patogeno ed in particolare i surrogati scelti rappresentano l’attività biologica degli
agenti patogeni reali. Le attrezzature che entravano in contatto con tali materiali venivano
sterilizzate prima dello smaltimento o del riutilizzo. La procedura di sterilizzazione avveniva
mediante autoclavaggio standard o attraverso una soluzione di candeggina allo 0,02%, a
seconda dell’entità della contaminazione e del tipo di materiale costituente l’apparecchiatura.
106
test, allora potrebbe essere necessario varare ulteriori accordi per lo smaltimento dei materiali
di risulta.
107
POSIZIONAMENTO OTTIMALE DEI SENSORI IN UNA RETE
D’ACQUEDOTTO
Approccio proposto
Per determinare la posizione ottimale di sensori di qualità all’interno di una rete viene proposto
un metodo semplificato che si basa sulla minimizzazione del tempo medio di rilevamento
tramite il posizionamento di più sensori.
Più in particolare, assunto che i sensori siano ubicati sempre nei nodi della rete, lo scopo è
quello di stabilire l’ubicazione di nodi sensore (che qui chiameremo nodi sentinella) in grado
di individuare un eventuale scenario di contaminazione nel minor tempo possibile e di generare
un messaggio di allarme al fine di arrestare la diffusione dell’inquinante e o di mitigarne gli
effetti dannosi.
108
Ciò premesso, consideriamo una rete idrica generica costituita da 𝒏 nodi. Per l’analisi del
sistema si ipotizza che un generico evento di contaminazione possa avere inizio da un nodo
qualsiasi. Si assumono quindi 𝒏 scenari di contaminazione, ritenendo che ciascuno di essi abbia
la stessa probabilità di accadimento degli altri.
𝒋
𝑻𝑫𝒊 è il tempo di rilevamento del contaminante al nodo 𝒋 per lo scenario 𝒊. Per ogni nodo si
𝒋
ottengono 𝒏 valori di 𝑻𝑫𝒊 ciascuno connesso ad uno degli 𝒏 scenari considerati. In questo
modo si perviene ad una matrice dei tempi 𝑻𝑫
di dimensione (𝒏 ∗ 𝒏) contenente tutti i tempi di rilevamento.
Nella matrice 𝚷𝟎 la generica riga 𝒋 = 𝒌 rappresenta i valori dei tempi di percorrenza del
contaminante nel nodo per ciascuno scenario 𝑺𝒊 . Viceversa la generica colonna 𝒊 = 𝒌
rappresenta, fissato il valore di 𝑺𝒌 , i valori dei tempi per ciascun nodo.
(𝜏)𝑘0 = 𝑚𝑖𝑛 ∑ 𝑇𝐷 𝑗
𝑗∈𝑛
𝑚𝑖𝑛 ∑𝑖∈𝑛 𝑇𝐷 𝑗
𝜏𝑚0 =
𝑛
In questo modo abbiamo individuato la riga della matrice, corrispondente al nodo 𝒌𝟎, a cui
ubicare il primo sensore per il quale risulta minimo il tempo medio di rilevamento 𝝉𝒎𝟎 . A
109
questo punto si può migliorare oltre la performance della rete utilizzando un secondo sensore
𝒌𝟏, in grado di ridurre ulteriormente i tempi di rilevamento di ciascun nodo della rete.
Il posizionamento del secondo sensore sentinella 𝒌𝟏 lo si può ottenere come indicato in seguito.
Si considera, come riferimento, il vettore {𝑻𝑫𝒌𝟎
𝒊 } contenente i tempi di rilevamento del sensore
𝒌𝟎 e si definisce la matrice fittizia dei tempi 𝚷𝐤𝟏 formata da (𝒏 − 𝟏) ∗ (𝒏) elementi. In tale
matrice viene scartata la riga corrispondente al vettore {𝑻𝑫𝒌𝟎
𝒊 } e le righe sono composte dai
valori minimi ottenuti confrontando i termini della riga 𝒋 = 𝒌𝟎 con quelli corrispondenti delle
𝒋
altre righe {𝑻𝑫𝒊 }.
𝑗
(𝑇𝐷𝑖 )Π 𝑘0 ̅̅̅̅̅
̅̅̅̅̅̅̅ 𝑗
= min{𝑇𝐷 𝑖 ; 𝑇𝐷𝑖 }
k1
La minima somma delle righe di tale matrice fittizia 𝚷𝐤𝟏 può essere definita come:
che corrisponde alla riga (cioè al nodo 𝒌 = 𝒋 ) in cui posizionare un secondo sensore 𝒌𝟏
corrispondente ad un tempo medio di rilevamento 𝝉𝒎𝟏 che risulta essere minore di 𝝉𝒎𝟎
(𝜏𝑚1 < 𝜏𝑚0 ).
Analogamente è possibile procedere anche alla scelta di un terzo, un quarto, un quinto ed ecc.
sensori.
In linea generale, con l’approccio prima indicato si arriverebbe quindi alla localizzazione di 𝒏
sensori da sistemare successivamente e tali che:
Giova osservare che se in un diagramma cartesiano si riportano sull’asse delle ascisse i valori
di 𝒌𝒊 del numero di sensori e sull’asse delle ordinate i corrispondenti valori dei tempi medi 𝝉𝒎𝒊 .
Si osserva che il processo di riduzione successivo dei tempi non è lineare ma ha un andamento
simile a quello riportato nella Figura_ 18. Ciò comporta che nelle applicazioni pratiche si può
fissare un valore 𝒌∗ del numero di sensori sentinella al quale corrisponde un tempo di
∗
rilevamento 𝝉𝒎 ritenuto accettabile.
110
Figura_ 18: Tempi di rilevamento medi 𝝉𝒎 in funzione del numero di sensori installati 𝑵
Esempio applicativo
Per l’applicazione del metodo proposto si assumono quindi 37 scenari di contaminazione (uno
per ogni nodo). Gli scenari sono stati studiati attraverso il modulo EPANET [24] relativo alla
modellazione qualitativa, in modo da analizzare il percorso dell’inquinante all’interno della
rete, a partire da ciascun punto di contaminazione.
30
20
10
0 Nodo
Nodi 37 1 17 31 33 34 9 10 11 16 18 29 30 32 35 36 2 3 4 8 ……..
La durata totale della contaminazione di tutta la rete è risultata pari a 60 minuti (𝑻𝟎 ); pertanto
ciascuno scenario è stato analizzato per una durata di 60 minuti (𝑻𝟎 ) con un intervallo temporale
di analisi definito pari a 5 minuti (∆𝒕). Il valore iniziale della concentrazione dell'inquinante
nel punto di immissione è stato assunto costante nel tempo e pari a 𝑪𝟎 = 𝟐 𝒎𝒈/𝒍, con una
soglia di inizio di rilevamento da parte del sensore sentinella 𝑪𝒂 che è stata posta pari a
𝟎. 𝟏 𝒎𝒈/𝒍 . Nella Tabella_ 15 è possibile osservare la corrispondenza tra gli scenari 𝑺𝒊
considerati ed i relativi nodi di inizio contaminazione.
Ciò posto nella prima matrice 𝚷𝟎 (37*37) riportata in Tabella_ 17 si indicano per ciascun nodo
i tempi di percorrenza per il raggiungimento dell inquinante in quel nodo. A mò di esempio,
con riferimento alla contaminazione del nodo 1 (scenario 𝐒𝟏 ) i tempi di percorrenza sono quelli
riportati nella seconda colonna della medesima tabella.
112
Tabella_ 15: Descrizione scenari di contaminazione
Nella Tabella_ 18 viene riportata anche la somma dei tempi di percorrenza di ciascun nodo
∑𝒊∈𝑰 𝑻𝑫𝒊 ed il valore medio 𝝉𝒎 della stessa.
I valori ∑𝒊∈𝒏 𝑻𝑫𝒊 sono ovviamente diversi da riga a riga e nella sudetta tabella sono stati
disposti in ordine crescente. Alla luce di quanto detto nel paragrafo precedente, analizzando
∑𝒊∈𝒏 𝑻𝑫𝒊 si evidenzia che il valore minimo è pari a 906 minuti, cui corrisponde il nodo sentinella
A questo punto per migliorare ulteriormente le performance della rete, si può posizionare un
secondo sensore 𝒌𝟏 in favore al primo. Scelto come riferimento il vettore dei tempi di
rilevamento del nodo 𝟏𝟖 , ovvero {𝑻𝑫𝟏𝟖
𝒊 } , è possibile individuare quei sensori che ne
(𝑇𝐷𝑖𝑗 )Π 18 ̅̅̅̅̅
̅̅̅̅̅̅̅ 𝑗
= min{𝑇𝐷 𝑖 ; 𝑇𝐷𝑖 }
k1
Nella suddetta tabella la ricerca del minimo valore della somma delle righe si verifica per il
nodo 17, che diventa pertanto la seconda posizione ottimale.
113
Il confronto dei tempi medi di rilevamento mostra, come era da attendersi, che (𝜏𝑚7 )Πk1 della
matrice fittizia è minore di (𝜏𝑚18 )Π0 (17.1 min < 24.5 min), evidenziando in tal modo il
beneficio del secondo sensore.
Con riferimento alla definizione del numero totale di sensori da inserire nella rete, nella Figura_
21 si è riportato il grafico prima citato in cui vengono rappresentati i punti corrispondenti ai
tempi medi di rilevamento 𝝉𝒎 ai relativi valori di 𝒌 sensori installati. Dall’andamento della
curva 𝝉𝒎 (𝒌𝒊 ) si evidenzia che un numero di sensori 𝒌𝒊 = 𝒌∗ = 𝟓 risulta essere ottimale per la
rete.
I dati relativi ad 𝒌∗ sono rappresentati nella Tabella_ 16 da cui si evince che con un sensore
installato otteniamo un tempo medio di rilevamento di 24.5 min mentre con 5 sensori si ottiene
un valore di 𝝉𝒎 pari a 5.4 minuti.
1° 18 24.5 //
Nella Figura_ 22 si riporta lo schema della rete con l’ubicazione dei 5 nodi sentinella.
114
Figura_ 22: Posizionamento ottimale di 5+1 sensori all’interno della rete
115
Tabella_ 17: Tabella corrispondente alla matrice dei tempi di rilevamento 𝚷𝟎
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36
1 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
2 15 10 10 10 60 60 60 60 60 60 60 60 5 60 60 60 60 5 60 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5
3 15 15 10 10 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 15 15 15 15 15 15 15
4 15 15 15 10 10 60 60 60 60 5 60 5 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60
5 20 20 20 15 15 55 60 60 50 10 60 5 60 60 60 60 60 60 60 60 60 60 5 60 10 60 60 60 60 60 60 60 60 1 60 50 60
6 20 20 20 15 15 10 60 60 10 60 60 60 60 60 60 60 10 10 60 5 60 60 60 60 60 10 60 60 60 1 60 30 60 60 60 5 60
7 25 25 20 20 15 15 60 35 15 60 30 60 60 60 30 60 10 60 60 60 60 30 60 60 60 60 60 60 60 60 60 25 30 60 60 1 60
8 15 15 15 10 60 60 10 10 60 60 5 60 60 60 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60
9 10 10 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 5 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60
10 10 5 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
11 10 10 10 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
12 15 15 15 10 10 60 60 60 60 5 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
13 20 20 15 15 10 10 60 60 10 10 60 5 60 60 60 60 60 10 60 60 60 60 1 60 60 5 60 60 60 60 60 60 60 60 60 60 60
14 15 15 15 10 10 5 60 60 5 60 60 60 60 60 60 60 60 5 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60
15 15 10 10 10 5 5 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
16 10 10 10 5 60 60 5 5 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
17 5 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 15 15 15 15 15 15 15
18 10 10 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
19 15 10 10 10 5 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
20 15 15 15 10 5 5 60 60 5 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
21 20 15 15 10 10 10 60 60 5 60 60 60 60 60 60 60 5 5 60 1 60 60 60 60 60 5 60 60 60 60 60 60 60 60 60 60 60
22 15 15 15 10 5 5 60 60 5 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
23 15 15 10 10 60 60 10 5 60 60 5 60 60 60 5 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
24 20 20 15 15 60 60 10 10 60 60 10 60 60 60 10 60 60 60 60 60 60 5 60 60 60 60 60 60 60 60 60 1 10 60 60 60 60
25 10 10 10 60 60 60 60 60 60 60 60 60 60 10 60 5 60 60 5 60 10 60 60 60 60 60 60 60 5 60 5 60 60 60 1 60 60
26 15 10 10 5 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
27 15 10 10 5 60 60 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
28 15 15 15 20 60 60 15 60 60 60 59,5 60 60 15 15 60 60 60 10 60 10 60 60 60 60 60 60 60 10 60 10 60 10 60 60 60 1
29 10 10 10 10 60 60 10 60 60 60 5 60 60 10 60 60 60 60 60 60 5 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60
30 15 10 10 5 60 60 5 5 60 60 5 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
31 5 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
32 10 10 5 5 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
33 5 5 5 60 60 60 60 60 60 60 60 60 60 5 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
34 5 5 5 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
35 10 10 5 60 60 60 60 60 60 60 60 60 60 5 60 1 60 60 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
36 10 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
37 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
116
Tabella_ 18: Tabella dei tempi di rilevamento con individuazione del sensore 𝒌𝟎
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 Tot 𝝉𝒎 [min]
18 10 10 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 906 24,5
2 15 10 10 10 60 60 60 60 60 60 60 60 5 60 60 60 60 5 60 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 921 24,9
6 20 20 20 15 15 10 60 60 10 60 60 60 60 60 60 60 10 10 60 5 60 60 60 60 60 10 60 60 60 1 60 30 60 60 60 5 60 1561 42,2
28 15 15 15 20 60 60 15 60 60 60 59,5 60 60 15 15 60 60 60 10 60 10 60 60 60 60 60 60 60 10 60 10 60 10 60 60 60 1 1600,5 43,3
3 15 15 10 10 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 15 15 15 15 15 15 15 1601 43,3
13 20 20 15 15 10 10 60 60 10 10 60 5 60 60 60 60 60 10 60 60 60 60 1 60 60 5 60 60 60 60 60 60 60 60 60 60 60 1631 44,1
7 25 25 20 20 15 15 60 35 15 60 30 60 60 60 30 60 10 60 60 60 60 30 60 60 60 60 60 60 60 60 60 25 30 60 60 1 60 1646 44,5
21 20 15 15 10 10 10 60 60 5 60 60 60 60 60 60 60 5 5 60 1 60 60 60 60 60 5 60 60 60 60 60 60 60 60 60 60 60 1661 44,9
24 20 20 15 15 60 60 10 10 60 60 10 60 60 60 10 60 60 60 60 60 60 5 60 60 60 60 60 60 60 60 60 1 10 60 60 60 60 1686 45,6
25 10 10 10 60 60 60 60 60 60 60 60 60 60 10 60 5 60 60 5 60 10 60 60 60 60 60 60 60 5 60 5 60 60 60 1 60 60 1691 45,7
5 20 20 20 15 15 55 60 60 50 10 60 5 60 60 60 60 60 60 60 60 60 60 5 60 10 60 60 60 60 60 60 60 60 1 60 50 60 1716 46,4
17 5 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 15 15 15 15 15 15 15 1736 46,9
29 10 10 10 10 60 60 10 60 60 60 5 60 60 10 60 60 60 60 60 60 5 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 1751 47,3
23 15 15 10 10 60 60 10 5 60 60 5 60 60 60 5 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1756 47,5
14 15 15 15 10 10 5 60 60 5 60 60 60 60 60 60 60 60 5 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 1761 47,6
8 15 15 15 10 60 60 10 10 60 60 5 60 60 60 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 1766 47,7
30 15 10 10 5 60 60 5 5 60 60 5 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1796 48,5
20 15 15 15 10 5 5 60 60 5 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1811 48,9
22 15 15 15 10 5 5 60 60 5 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1811 48,9
4 15 15 15 10 10 60 60 60 60 5 60 5 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 1816 49,1
16 10 10 10 5 60 60 5 5 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1846 49,9
15 15 10 10 10 5 5 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1856 50,2
12 15 15 15 10 10 60 60 60 60 5 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1871 50,6
35 10 10 5 60 60 60 60 60 60 60 60 60 60 5 60 1 60 60 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1896 51,2
26 15 10 10 5 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1906 51,5
27 15 10 10 5 60 60 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1906 51,5
19 15 10 10 10 5 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1911 51,6
33 5 5 5 60 60 60 60 60 60 60 60 60 60 5 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1941 52,5
32 10 10 5 5 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1951 52,7
11 10 10 10 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1956 52,9
34 5 5 5 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1996 53,9
10 10 5 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 2001 54,1
9 10 10 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 5 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 2006 54,2
31 5 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 2051 55,4
36 10 5 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 2056 55,6
1 5 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 2106 56,9
37 1 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 2161 58,4
117
Tabella_ 19: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟏
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 Tot 𝝉𝒎 [min]
k(18) 10 10 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 906 24,5
1 5 1 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 892 24,1
2 10 10 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 902 24,4
3 10 10 5 5 5 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 847 22,9
4 10 10 5 5 10 60 60 60 60 5 60 5 1 60 60 60 60 5 60 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 742 20,1
5 10 10 5 5 15 55 60 60 50 10 60 5 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 737 19,9
6 10 10 5 5 15 10 60 60 10 60 60 60 1 60 60 60 10 5 60 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 707 19,1
7 10 10 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 632 17,1
8 10 10 5 5 60 60 10 10 60 60 5 60 1 60 5 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 692 18,7
9 10 10 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 847 22,9
10 10 5 5 1 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 897 24,2
11 10 10 5 5 1 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 847 22,9
12 10 10 5 5 10 60 60 60 60 5 60 1 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 742 20,1
13 10 10 5 5 10 10 60 60 10 10 60 5 1 60 60 60 60 5 60 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 647 17,5
14 10 10 5 5 10 5 60 60 5 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 742 20,1
15 10 10 5 5 5 5 60 60 1 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 737 19,9
16 10 10 5 5 60 60 5 5 60 60 1 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 737 19,9
17 5 5 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 892 24,1
19 10 10 5 5 5 60 60 60 60 1 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 792 21,4
20 10 10 5 5 5 5 60 60 5 60 60 60 1 60 60 60 60 1 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 737 19,9
21 10 10 5 5 10 10 60 60 5 60 60 60 1 60 60 60 5 5 60 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 692 18,7
22 10 10 5 5 5 5 60 60 5 60 60 60 1 60 60 60 1 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 682 18,4
23 10 10 5 5 60 60 10 5 60 60 5 60 1 60 5 60 60 5 60 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 687 18,6
24 10 10 5 5 60 60 10 10 60 60 10 60 1 60 10 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 702 19
25 10 10 5 5 60 60 60 60 60 60 60 60 1 10 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 742 20,1
26 10 10 5 5 5 1 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 792 21,4
27 10 10 5 5 60 60 5 1 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 792 21,4
28 10 10 5 5 60 60 15 60 60 60 59,5 60 1 15 15 60 60 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 716,5 19,4
29 10 10 5 5 60 60 10 60 60 60 5 60 1 10 60 60 60 5 60 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 747 20,2
30 10 10 5 5 60 60 5 5 60 60 5 60 1 60 1 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 682 18,4
31 5 5 1 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 892 24,1
32 10 10 5 5 60 60 1 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 847 22,9
33 5 5 5 5 60 60 60 60 60 60 60 60 1 5 60 60 60 5 60 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 837 22,6
34 5 5 5 5 60 60 60 60 60 60 60 60 1 1 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 837 22,6
35 10 10 5 5 60 60 60 60 60 60 60 60 1 5 60 1 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 737 19,9
36 10 5 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 842 22,8
37 1 10 5 5 60 60 60 60 60 60 60 60 1 60 60 60 60 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 897 24,2
118
Tabella_ 20: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟐
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 Tot 𝝉𝒎 [min]
k(18+7) 10 10 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 632 17,1
1 5 1 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 618 16,7
2 10 10 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 1 5 628 17,0
3 10 10 5 5 5 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 1 5 618 16,7
4 10 10 5 5 10 15 60 35 15 5 30 5 1 60 30 60 10 5 60 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 1 5 513 13,9
5 10 10 5 5 15 15 60 35 15 10 30 5 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 1 5 523 14,1
6 10 10 5 5 15 10 60 35 10 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 1 5 618 16,7
8 10 10 5 5 15 15 10 10 15 60 5 60 1 60 5 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 1 5 503 13,6
9 10 10 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 1 5 573 15,5
10 10 5 5 1 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 623 16,8
11 10 10 5 5 1 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 618 16,7
12 10 10 5 5 10 15 60 35 15 5 30 1 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 513 13,9
13 10 10 5 5 10 10 60 35 10 10 30 5 1 60 30 60 10 5 60 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 508 13,7
14 10 10 5 5 10 5 60 35 5 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 1 5 603 16,3
15 10 10 5 5 5 5 60 35 1 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 598 16,2
16 10 10 5 5 15 15 5 5 15 60 1 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 518 14,0
17 5 5 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 1 5 618 16,7
19 10 10 5 5 5 15 60 35 15 1 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 563 15,2
20 10 10 5 5 5 5 60 35 5 60 30 60 1 60 30 60 10 1 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 598 16,2
21 10 10 5 5 10 10 60 35 5 60 30 60 1 60 30 60 5 5 60 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 603 16,3
22 10 10 5 5 5 5 60 35 5 60 30 60 1 60 30 60 1 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 593 16,0
23 10 10 5 5 15 15 10 5 15 60 5 60 1 60 5 60 10 5 60 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 498 13,5
24 10 10 5 5 15 15 10 10 15 60 10 60 1 60 10 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 1 5 513 13,9
25 10 10 5 5 15 15 60 35 15 60 30 60 1 10 30 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5 468 12,5
26 10 10 5 5 5 1 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 608 16,4
27 10 10 5 5 15 15 5 1 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 543 14,7
28 10 10 5 5 15 15 15 35 15 60 30 60 1 15 15 60 10 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 473 12,8
29 10 10 5 5 15 15 10 35 15 60 5 60 1 10 30 60 10 5 60 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 1 5 503 13,6
30 10 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 493 13,3
31 5 5 1 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 618 16,7
32 10 10 5 5 15 15 1 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 573 15,5
33 5 5 5 5 15 15 60 35 15 60 30 60 1 5 30 60 10 5 60 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 563 15,2
34 5 5 5 5 15 15 60 35 15 60 30 60 1 1 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 563 15,2
35 10 10 5 5 15 15 60 35 15 60 30 60 1 5 30 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 463 12,6
36 10 5 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 568 15,4
37 1 10 5 5 15 15 60 35 15 60 30 60 1 60 30 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 623 16,8
119
Tabella_ 21: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟑
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 Tot 𝝉𝒎 [min]
k(18+7+25) 10 10 5 5 15 15 60 35 15 60 30 60 1 10 30 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5 468 12,5
1 5 1 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 479 12,9
2 10 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 1 5 489 13,2
3 10 10 5 5 5 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 1 5 479 12,9
4 10 10 5 5 10 15 5 5 15 5 5 5 1 60 1 60 10 5 60 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 1 5 374 10,1
5 5 5 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 1 5 479 10,4
6 10 10 5 5 15 10 5 5 10 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 1 5 479 12,9
7 10 10 5 5 10 10 5 5 5 60 5 60 1 60 1 60 5 5 60 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 464 13,2
8 10 10 5 5 5 5 5 5 5 60 5 60 1 60 1 60 10 1 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 459 11,7
9 10 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 1 5 434 13,1
10 10 5 5 1 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 484 12,9
11 10 10 5 5 1 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 479 10,1
12 10 10 5 5 10 15 5 5 15 5 5 1 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 374 10,0
13 10 10 5 5 10 10 5 5 10 10 5 5 1 60 1 60 10 5 60 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 369 12,5
14 10 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 1 5 489 12,4
15 10 10 5 5 5 5 5 5 1 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 459 13,2
16 10 10 5 5 15 15 5 5 15 60 1 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 489 12,9
17 10 10 5 5 15 15 5 5 15 60 5 60 1 10 1 60 10 5 60 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 1 5 439 11,5
19 10 10 5 5 5 15 5 5 15 1 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 424 12,4
21 10 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 1 5 489 12,5
22 10 10 5 5 5 5 5 5 5 60 5 60 1 60 1 60 1 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 454 12,3
23 10 10 5 5 10 5 5 5 5 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 1 5 464 13,2
24 10 10 5 5 15 15 5 5 15 60 5 60 1 10 1 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5 329 13,2
26 10 10 5 5 5 1 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 469 12,7
27 10 10 5 5 15 15 5 1 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 489 13,2
28 10 10 5 5 15 15 5 5 15 60 5 60 1 15 1 60 10 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 394 10,6
29 10 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 489 11,9
30 10 10 5 5 15 15 60 35 15 60 30 60 1 10 30 5 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5 468 12,6
31 5 5 1 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 479 12,9
32 10 10 5 5 15 15 1 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 489 13,2
33 5 5 5 5 15 15 5 5 15 60 5 60 1 5 1 60 10 5 60 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 424 11,5
34 5 5 5 5 15 15 5 5 15 60 5 60 1 1 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 424 11,5
35 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 324 8,8
36 10 5 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 429 11,6
37 1 10 5 5 15 15 5 5 15 60 5 60 1 60 1 60 10 5 60 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 484 13,1
120
Tabella_ 22: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟒
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 Tot 𝝉𝒎 [min]
k(18+7+25+35) 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 324 13,3
1 5 1 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 310 8,4
2 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 1 5 320 8,6
3 10 10 5 5 5 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 1 5 310 8,4
4 10 10 5 5 10 15 5 5 15 5 5 5 1 5 1 1 10 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 1 5 205 5,5
5 10 10 5 5 15 15 5 5 15 10 5 5 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 1 5 215 5,8
6 10 10 5 5 15 10 5 5 10 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 1 5 310 8,4
8 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 1 5 320 8,6
9 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 1 5 320 8,6
10 10 5 5 1 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 315 8,5
11 10 10 5 5 1 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 310 8,4
12 10 10 5 5 10 15 5 5 15 5 5 1 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 205 5,5
13 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 200 5,4
14 10 10 5 5 10 5 5 5 5 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 1 5 295 8,0
15 10 10 5 5 5 5 5 5 1 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 290 7,8
16 10 10 5 5 15 15 5 5 15 60 1 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 320 8,6
17 5 5 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 1 5 310 8,4
19 10 10 5 5 5 15 5 5 15 1 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 255 6,9
20 10 10 5 5 5 5 5 5 5 60 5 60 1 5 1 1 10 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 290 7,8
21 10 10 5 5 10 10 5 5 5 60 5 60 1 5 1 1 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 295 8,0
22 10 10 5 5 5 5 5 5 5 60 5 60 1 5 1 1 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 285 7,7
23 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 320 8,6
24 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 1 5 320 8,6
26 10 10 5 5 5 1 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 300 8,1
27 10 10 5 5 15 15 5 1 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 320 8,6
28 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 320 8,6
29 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5 5 5 1 5 320 8,6
30 10 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5 320 8,6
31 5 5 1 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 310 8,4
32 10 10 5 5 15 15 1 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 320 8,6
33 5 5 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 310 8,4
34 5 5 5 5 15 15 5 5 15 60 5 60 1 1 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 310 8,4
36 10 5 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 315 8,5
37 1 10 5 5 15 15 5 5 15 60 5 60 1 5 1 1 10 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 5 315 8,5
121
Tabella_ 23: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟓
Nodo S0 S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S23 S24 S25 S26 S27 S28 S29 S30 S31 S32 S33 S34 S35 S36 Tot 𝝉𝒎 [min]
k(18+7+25+35+13) 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 200 5,4
2 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 1 5 5 5 5 5 5 5 5 1 5 196 5,3
6 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 1 5 5 5 5 5 1 5 196 5,3
1 5 1 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
3 10 10 5 5 5 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 1 5 5 5 5 5 5 5 1 5 191 5,2
4 10 10 5 5 10 10 5 5 10 5 5 5 1 5 1 1 10 5 5 5 5 5 1 5 1 5 5 5 5 5 5 5 5 5 5 1 5 191 5,2
5 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 1 5 1 5 196 5,3
8 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 1 5 5 1 5 196 5,3
9 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 1 5 5 5 5 1 5 196 5,3
10 10 5 5 1 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 191 5,2
11 10 10 5 5 1 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 191 5,2
12 10 10 5 5 10 10 5 5 10 5 5 1 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 191 5,2
14 10 10 5 5 10 5 5 5 5 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 1 5 5 5 5 5 5 5 5 5 1 5 186 5,0
15 10 10 5 5 5 5 5 5 1 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 181 4,9
16 10 10 5 5 10 10 5 5 10 10 1 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 196 5,3
17 5 5 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 1 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
19 10 10 5 5 5 10 5 5 10 1 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
20 10 10 5 5 5 5 5 5 5 10 5 5 1 5 1 1 10 1 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 181 4,9
21 10 10 5 5 10 10 5 5 5 10 5 5 1 5 1 1 5 5 5 1 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
22 10 10 5 5 5 5 5 5 5 10 5 5 1 5 1 1 1 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 176 4,8
23 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 1 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 196 5,3
24 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 1 5 5 5 1 5 196 5,3
26 10 10 5 5 5 1 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
27 10 10 5 5 10 10 5 1 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 196 5,3
28 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 1 196 5,3
29 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 1 5 5 5 5 5 5 1 5 196 5,3
30 10 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 1 1 5 196 5,3
31 5 5 1 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
32 10 10 5 5 10 10 1 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 196 5,3
33 5 5 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 1 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
34 5 5 5 5 10 10 5 5 10 10 5 5 1 1 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 186 5,0
36 10 5 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 1 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 191 5,2
37 1 10 5 5 10 10 5 5 10 10 5 5 1 5 1 1 10 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 1 5 191 5,2
122
CONCLUSIONI
Nonostante la sua semplicità il metodo proposto, in simbiosi con l’ausilio dello strumento
EPANET, permette il posizionamento ottimale dei sensori all’interno della rete grazie ad
un’enorme semplicità. I nodi sentinella così definiti sono in grado di individuare un qualsiasi
scenario di contaminazione nel minor tempo possibile. Tuttavia, è naturalmente migliorabile in
quanto basato su un unico obiettivo prestazionale, pertanto non in grado di considerare le
ulteriori complessità presenti all’interno di una qualsiasi rete acquedottistica. Le direzioni
future conducono alla ricerca di algoritmi predittivi sempre più complessi con un approccio
multi-obiettivo in grado analizzare un’infinità di dati. Il risultato saranno sistemi idrici sempre
più evoluti ed in grado di gestire autonomamente ed al meglio le risorse disponibili. Nonostante
tutto, bisogna dare uno sguardo alla maturità dei contesti e l’utilizzo di complessi algoritmi o
di dispendiose ricerche che non sempre forniscono un risultato ottimale paragonato agli sforzi
applicati. Motivo per cui la metodologia proposta attraverso i più semplici strumenti disponibili
oggi giorno è in grado di fornire un risultato affidabile ed insindacabile nonostante la sua
semplicità.
INDICE DELLE TABELLE
Tabella_ 3: Matrice per la classificazione del rischio per la filiera idropotabile secondo l’OMS
[11] ...................................................................................................................................... 46
Tabella_ 4: Esempi di criteri per la definizione dei punteggi da assegnare ai rischi [13] ........ 47
Tabella_ 9: Potential surrogate parameters for different kinds of contaminants [23] .............. 69
Tabella_ 17: Tabella corrispondente alla matrice dei tempi di rilevamento 𝚷𝟎 ................... 116
Tabella_ 18: Tabella dei tempi di rilevamento con individuazione del sensore 𝒌𝟎 .............. 117
Tabella_ 19: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟏 ............................. 118
Tabella_ 20: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟐 ............................. 119
Tabella_ 21: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟑 ............................. 120
Tabella_ 22: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟒 ............................. 121
124
Tabella_ 23: Tabella corrispondente alla matrice dei tempi fittizia 𝚷𝐤𝟓 ............................. 122
Figura_ 3:The TNO Urban Smart Water Grid vision [6] ....................................................... 15
Figura_ 4: A typical wireless sensor network for water grid monitoring [7] .......................... 17
Figura_ 7: Summary of global savings associated with smart water grid implementation [9] 32
Figura_ 9: Spread of contaminant in a distribution system starting at the water treatment plant
[15] ...................................................................................................................................... 53
Figura_ 11: Example Constant Head Mechanism for Hach 2200 PCX Particle Counter ........ 72
Figura_ 13: Nodo strumentale DSS Loop No. 6 (sinistra); Punto di prelievo DSS Single Pass
(destra)[14]........................................................................................................................... 89
Figura_ 18: Tempi di rilevamento medi 𝝉𝒎 in funzione del numero di sensori installati 𝑵 . 111
Figura_ 21: Tempi di rilevamento in funzione del numero di sensori installati .................... 114
Figura_ 22: Posizionamento ottimale di 5+1 sensori all’interno della rete ........................... 115
125
126
BIBLIOGRAFIA
[1] Chapman, D.V. et al.: Water quality assessments : a guide to the use of biota, sediments and water in
environmental monitoring. London : E & FN Spon, 1996.
[3] Lovett, G.M. et al.: Who needs environmental monitoring? Frontiers in Ecology and the Environment, 5
(5), 2007, p. 253–260.
[5] Lane, A. et al.: Water Resources: A New Water Architecture. John Wiley & Sons, 2017.
[6] Tsakalides, P. et al.: Smart Water Grids: A Cyber-Physical Systems Approach. CRC Press, 2018.
[8] Sensus (2012a). Water 20/20. Bringing Smart Water Networks Into Focus.
http://sensus.com/documents/10157/1577608/Sensus_Water2020-USweb.pdf/d67d0a75255a-4a20-86f1-
d4548bfcdf78.
[9] Berst, J. (2013, June 11). EPA water survey foolishly fails to consider smart water.
[10] WHO. Water safety in distribution systems. Geneva: World Health Organization; 2014.
[11] Rapporti Istituto Superiore di Sanità 14-21. Linee guida per la valutazione e gestione del rischio nella
filiera delle acque destinate al conusmo umano secondo il modello del Water Safety Plan.
[12] European Council, Directive 2000/60/EC of the European Parliament and of the Council of establishing
a framework for Community action in the field of water policy. OJ L 327, 1–73 (2000).
[13] Distribution system water quality monitoring sensor technology evaluation methodology results
(EPA,2009). p. 60.
[14] Grayman, W.M. et al.: Toward a Sustainable Water Future: Visions for 2050. American Society of Civil
Engineers, 2012.
[15] Sensor Network Design Proposal for the Battle of the Water Sensor Networks (BWSN) | Request PDF.
[16] Kumar Arun et al.: Identification of Monitoring Stations in Water Distribution System. Journal of
Environmental Engineering, 123 (8), 1997, p. 746–752.
[17] Watson Jean-Paul et al.: A Multiple-Objective Analysis of Sensor Placement Optimization in Water
Networks. Critical Transitions in Water and Environmental Resources Management, p. 1–10.
[18] Berry Jonathan W. et al.: Sensor Placement in Municipal Water Networks. Journal of Water Resources
Planning and Management, 131 (3), 2005, p. 237–243.
[19] Kansal, M., T. Dorji, and S. K. Chandniha: Design Scheme for Water Quality Monitoring in a Distribution
Network. 2012a.
127
[20] Preis Ami, Ostfeld Avi: Multiobjective Sensor Design for Water Distribution Systems Security. Water
Distribution Systems Analysis Symposium 2006, p. 1–17.
[21] Henry, C. et al.: Public health consequences from hazardous substances acutely released during rail
transit--South Carolina, 2005; selected States, 1999-2004. MMWR: Morbidity and mortality weekly report, 54 (3),
2005, p. 64–67.
[22] Rescher, N.: Risk: a philosophical introduction to the theory of risk evaluation and management.
University Press of America, 1983.
[23] Clark, R.M., Hakim, S.: Securing Water and Wastewater Systems: Global Perspectives. In: Securing
Water and Wastewater Systems: Global Experiences (Editors: R. M. Clark and S. Hakim). Cham: Springer
International Publishing, 2014, p. 1–27.
128
RINGRAZIAMENTI
Ulteriori ringraziamenti, vanno alla mia famiglia ed i miei amici che mi hanno sempre spinto
oltre i miei limiti. La combriccola di ingegneri della Seconda Università di Napoli: Daniele,
Luigi e Giacomo nonché i gemelli Francesco e Crescenzo. Infine, un ringraziamento particolare
a mio cognato Nicola le cui conoscenze informatiche mi hanno permesso la comprensione degli
algoritmi esistenti, al fine della produzione di questo lavoro di tesi.
129