TRANSACT es un proyecto de digitalización sobre la base de la ciberseguridad e inteligencia artificial que busca fortalecer la competitividad de Europa en el ámbito de los sistemas ciberfísicos, investigando soluciones de menor coste y fáciles de implementar.

«Es necesario aprovechar las múltiples posibilidades que ofrece la inteligencia artificial e incorporar su potencial en el ámbito de la gestión de los recursos hídricos, especialmente en las Estaciones de Depuración de Aguas Residuales (EDAR)», explican desde el Departamento de I+D+i de DAM.

Este es uno de los objetivos del proyecto europeo H2020 TRANSACT (GA 101007260), financiado por un partenariado público-privado denominado ECSEL (Electronic Components and Systems for European Leadership) y por el Ministerio de Asuntos Económicos y Transformación Digital. Donde participa Depuración de Aguas del Mediterráneo (DAM) junto a un consorcio formado por 30 socios y están liderados por la empresa Philips Medical Systems Nederland BV.

El proyecto TRANSACT

El estudio, tiene una duración de 36 meses y parte de la importancia creciente de los aspectos relacionados con la ciberseguridad en los nuevos servicios. Basados todos ​​en análisis inteligentes de datos aplicados en diferentes escenarios y sistemas críticos. De este modo, el proyecto investigará las tecnologías punteras en la nube a través del análisis inteligente de datos. Asimismo con el aprovechamiento de los ecosistemas en la nube y estudio de soluciones distribuidas seguras y protegidas.

«Los sistemas ciberfísicos controlan o monitorizan objetos y procesos del mundo físico mediante algoritmos basados en computación, estrechamente integrados con Internet. En la era de la digitalización es muy necesario avanzar en su conocimiento y optimizar la implantación en el sector del agua», afirman desde DAM.

Concretamente, desde la empresa valenciana de depuración de aguas van a basar su ámbito de actuación bajo tres ejes:

  • Detección temprana vertidos industriales.
  • Análisis comparativo de los ratios operativos entre diferentes EDAR.
  • Desarrollo de «machine learning» para operaciones de mantenimiento predictivo.

Fuente: DAM-Aguas