Attualmente, la maggior parte delle procedure di manutenzione delle infrastrutture critiche (CI) si basa sull’intervento manuale, che richiede il contatto fisico con la struttura. Le ispezioni spesso consistono in osservazioni visive, che possono essere laboriose e costose. Lo sviluppo di soluzioni di rilevamento intelligenti e sicure basate su Internet delle cose (IoT) possono migliorare il monitoraggio della salute strutturale (SHM) di infrastrutture critiche come ponti o strade. L’obiettivo principale di DOSSIER è introdurre un avanzamento nelle modalità con cui vengono monitorate le CI. Il progetto mira a sfruttare tecnologie per sensoristica per il monitoraggio strumentale non-invasive (esempio: ultrasuoni, rilevamento elettromagnetico, radar, dati satellitari e altre fonti di dati eterogenee) per il monitoraggio sicuro dello stato dell’infrastruttura al fine di individuare possibili anomalie attraverso modelli di intelligenza artificiale. I risultati del progetto supporteranno l’estensione della vita residua dei servizi delle strutture esistenti producendo una riduzione del tempo e dei costi di ispezione rispetto ai metodi di ispezione esistenti.Nel dettaglio, DOSSIER si pone come obiettivo il raggiungimento delle seguenti milestone tecnologiche:
1. Acquisizione di dati da fonti multiple ed eterogenee, risolvendo le sfide della normalizzazione dei dati e della sincronizzazione dei dati;
2. Definizione di un modello predittivo basato su tecniche di apprendimento automatico e deep learning per produrre avvisi precoci riguardanti la salute strutturale di una CI;
3. Elaborazione basata su regole delle informazioni relative alla sicurezza provenienti da diverse fonti e applicazioni aziendali; tale elaborazione permette di affrontare la scalabilità e di fornire una struttura resiliente in grado di funzionare anche in condizioni stressanti
1. Acquisizione di dati da fonti multiple ed eterogenee, risolvendo le sfide della normalizzazione dei dati e della sincronizzazione dei dati;
2. Definizione di un modello predittivo basato su tecniche di apprendimento automatico e deep learning per produrre avvisi precoci riguardanti la salute strutturale di una CI;
3. Elaborazione basata su regole delle informazioni relative alla sicurezza provenienti da diverse fonti e applicazioni aziendali; tale elaborazione permette di affrontare la scalabilità e di fornire una struttura resiliente in grado di funzionare anche in condizioni stressanti
ICAR Scientific Advisor: Giovanni Paragliola
Bando: PRIN PNRR 2022·
Ambito applicativo: Artificial Intelligence, Cyber-Security, Predictive Maintenance
Periodo: 2023-11-30 – 31/12/2025
