Quando si parla di sensori IoT negli edifici, l’attenzione si concentra spesso sui dispositivi, sulla connettività, sulle piattaforme cloud e sulle dashboard utilizzate per visualizzare le informazioni.
La domanda più importante, tuttavia, viene talvolta affrontata solo in un secondo momento: il dato raccolto rappresenta davvero il fenomeno che si desidera osservare?
Un sensore può essere perfettamente funzionante, regolarmente collegato e capace di trasmettere migliaia di rilevazioni senza produrre necessariamente un’informazione utile. La misura potrebbe essere influenzata dalla posizione, dalle condizioni locali, dall’intervallo di acquisizione, dalla deriva del dispositivo o da un’interpretazione non corretta.
Il problema non riguarda soltanto i sensori economici o le installazioni approssimative. Anche un dispositivo con caratteristiche adeguate può produrre informazioni poco rappresentative quando viene inserito in un contesto che non è stato compreso correttamente.
Nei sistemi IoT applicati agli edifici, quindi, raccogliere un dato e disporre di un dato affidabile non sono la stessa cosa.
Un sensore non rappresenta automaticamente un intero ambiente
Un sensore rileva un fenomeno nella zona influenzata dalla propria posizione, dal principio di funzionamento e dalle condizioni circostanti.
Non può essere considerato automaticamente rappresentativo dell’intero locale e, ancora meno, dell’intero edificio.
Temperatura, umidità, concentrazione di anidride carbonica, particolato, illuminamento e occupazione possono cambiare tra ambienti diversi, all’interno dello stesso locale e persino a pochi metri di distanza.
Due dispositivi identici collocati nella stessa stanza possono quindi restituire valori differenti senza che uno dei due sia necessariamente guasto.
Un sensore di temperatura installato vicino a una finestra può risentire della radiazione solare, della temperatura superficiale del serramento o di infiltrazioni d’aria. Se viene posizionato in prossimità di una bocchetta di ventilazione, potrebbe descrivere soprattutto le condizioni dell’aria immessa dall’impianto.
Un dispositivo vicino a una parete esterna, a un quadro elettrico o a un’apparecchiatura che produce calore può rilevare un microclima locale non rappresentativo della zona occupata.
La difficoltà non consiste quindi soltanto nel trovare un punto fisicamente disponibile per l’installazione. Occorre comprendere che cosa quel punto permetterà realmente di osservare.
Anche un’analisi pubblicata da ASHRAE su un sistema di termoregolazione multizona ha rilevato che le temperature misurate nelle diverse zone non erano adeguatamente rappresentate dal solo sensore collocato presso il termostato. Gli stessi ricercatori hanno indicato la scelta della posizione dei sensori come una delle difficoltà incontrate durante lo studio.
Prestazioni del sensore e rappresentatività del dato sono aspetti diversi
Un sensore può rispettare le proprie caratteristiche tecniche e produrre comunque un dato poco rappresentativo.
Le prestazioni dichiarate descrivono il comportamento del dispositivo entro determinate condizioni. La rappresentatività riguarda invece il rapporto tra la misura ottenuta e il fenomeno che si vuole conoscere.
Se un sensore rileva correttamente una temperatura elevata vicino a una superficie riscaldata dal sole, il valore può essere coerente con ciò che accade in quel punto. Non è però detto che descriva la temperatura dell’intero ambiente o le condizioni effettivamente sperimentate dagli occupanti.
Lo stesso problema può riguardare:
- un sensore di CO₂ posto in una zona scarsamente interessata dal movimento dell’aria;
- un rilevatore di illuminamento investito direttamente da una sorgente luminosa;
- un sensore di presenza che non copre alcune porzioni del locale;
- un sensore di particolato esposto a condizioni diverse da quelle previste per il suo impiego;
- una sonda di umidità collocata vicino a una sorgente localizzata di vapore.
Una misura non rappresentativa può essere particolarmente insidiosa perché può apparire perfettamente plausibile. Il sistema continua a funzionare, il dato viene trasmesso e la dashboard non segnala necessariamente alcuna anomalia.
Il problema non è quindi sempre riconoscibile come un guasto.
Il contesto determina il significato del valore
Un valore numerico isolato racconta poco.
Una temperatura di 26 °C può descrivere una condizione ordinaria, una situazione di disagio o un’anomalia. Dipende dalla stagione, dall’umidità relativa, dall’irraggiamento, dal movimento dell’aria, dall’attività svolta e dalle caratteristiche dell’ambiente.
Una determinata concentrazione di CO₂ acquista significato quando viene osservata insieme all’occupazione del locale, alla ventilazione e al suo andamento temporale.
Un incremento del consumo elettrico può dipendere da un guasto, dall’avviamento di un impianto, da un picco produttivo, da condizioni climatiche particolari o da una normale modifica nell’uso dell’edificio.
ISO 17772-1 considera distintamente i parametri relativi all’ambiente termico, alla qualità dell’aria interna, all’illuminazione e all’acustica e ne disciplina l’impiego nella progettazione dei sistemi e nei calcoli della prestazione energetica degli edifici. La valutazione delle condizioni interne non può quindi essere ricondotta, in generale, alla lettura di una sola grandezza.
L’affidabilità del dato non riguarda soltanto la correttezza del numero visualizzato. Riguarda anche la possibilità di interpretarlo all’interno di condizioni operative conosciute.
Acquisizione, elaborazione, registrazione e trasmissione non coincidono
In un sistema di monitoraggio, il sensore può acquisire, elaborare, registrare e trasmettere i dati secondo intervalli differenti.
Queste operazioni non devono essere confuse.
Un dispositivo potrebbe effettuare una misura ogni pochi secondi, calcolare localmente una media e trasmettere un solo valore ogni cinque minuti. Un altro potrebbe inviare immediatamente ogni rilevazione. Un terzo potrebbe trasmettere solo quando viene superata una soglia.
In tutti e tre i casi, il numero di dati ricevuti dalla piattaforma non coincide necessariamente con il numero delle misure effettuate dal dispositivo.
La scelta degli intervalli modifica ciò che può essere osservato.
Acquisizioni ravvicinate possono consentire di riconoscere variazioni rapide, picchi o eventi transitori. Possono però produrre grandi quantità di dati ridondanti e aumentare il consumo energetico dei dispositivi alimentati a batteria.
Intervalli più ampi possono essere sufficienti per descrivere fenomeni lenti, ma rischiano di non registrare eventi brevi avvenuti tra due rilevazioni.
Anche l’elaborazione modifica il significato del dato.
Una media oraria può descrivere efficacemente una tendenza, ma nascondere un picco di breve durata. Un valore massimo segnala il livello più elevato raggiunto, ma non indica per quanto tempo quella condizione sia rimasta presente.
Non esiste quindi un intervallo universalmente corretto. Deve essere coerente con la velocità del fenomeno osservato e con la finalità dell’analisi.
Risoluzione, ripetibilità e incertezza descrivono aspetti differenti
Le schede tecniche dei sensori riportano normalmente informazioni quali campo di misura, risoluzione, tolleranza, ripetibilità, tempo di risposta e condizioni operative.
Questi concetti non sono intercambiabili.
La risoluzione indica la più piccola variazione che il sistema è in grado di distinguere o rappresentare. Non indica, da sola, quanto il risultato sia vicino al valore attribuito alla grandezza misurata.
Per questo motivo, un dispositivo che visualizza due cifre decimali non è necessariamente più attendibile di uno che ne mostra una sola.
La ripetibilità riguarda la vicinanza tra risultati ottenuti ripetendo la misurazione nelle medesime condizioni. Un sensore può quindi restituire valori molto simili tra loro e presentare ugualmente uno scostamento sistematico.
Anche il termine “accuratezza” deve essere interpretato con attenzione. Nella terminologia metrologica è una caratteristica qualitativa riferita alla vicinanza tra il risultato della misura e il valore di riferimento; non dovrebbe essere utilizzata come se fosse, da sola, una quantità numerica. Nelle schede commerciali vengono spesso riportati limiti di errore, tolleranze o prestazioni dichiarate dal produttore per specifiche condizioni.
In termini metrologici, il risultato di una misurazione non è costituito soltanto dal numero indicato. Quando la finalità lo richiede, devono essere considerate anche le condizioni nelle quali il valore è stato ottenuto e l’incertezza associata.
Questo non significa che ogni applicazione IoT debba essere trattata come un’attività di laboratorio. Significa, più semplicemente, che non si deve attribuire al dato un livello di certezza superiore a quello che il dispositivo e il metodo di misura possono effettivamente sostenere.
Il campo di applicazione del sensore conta quanto il valore rilevato
Le prestazioni di un sensore possono cambiare in funzione della grandezza misurata e delle condizioni ambientali.
Un dispositivo può funzionare bene entro un determinato intervallo e mostrare prestazioni inferiori al di fuori di esso. Temperatura, umidità, caratteristiche delle sostanze presenti e condizioni di ventilazione possono influire sulla risposta.
Un’indagine ASHRAE su sensori di particolato a basso costo ha rilevato differenze di comportamento tra dispositivi, limiti di applicabilità e variazioni delle prestazioni in funzione delle dimensioni delle particelle e, per alcuni sensori, dell’umidità elevata.
Il principio è importante anche oltre il caso specifico del particolato: il fatto che un dispositivo produca un numero non garantisce che quel numero abbia la stessa affidabilità in ogni condizione.
Occorre quindi distinguere tra:
- campo nominale di misura;
- condizioni operative ammesse;
- condizioni nelle quali sono dichiarate le prestazioni;
- fenomeno realmente presente nell’ambiente;
- finalità per la quale il dato sarà utilizzato.
La deriva può modificare progressivamente le misure
Le caratteristiche di un sensore non rimangono necessariamente immutate per tutta la sua vita operativa.
Invecchiamento dei componenti, contaminazione, polvere, umidità, esposizione a temperature estreme e sollecitazioni ambientali possono modificare progressivamente la risposta del dispositivo.
Questo fenomeno viene comunemente indicato come deriva.
Il sensore può continuare a comunicare e a produrre valori apparentemente plausibili mentre la sua risposta si allontana gradualmente da quella iniziale.
Un cambiamento lento è più difficile da riconoscere di un guasto improvviso. Potrebbe essere interpretato come una normale evoluzione dell’ambiente, soprattutto quando non esistono confronti con altri dispositivi, misure di riferimento o serie storiche sufficientemente affidabili.
Le verifiche necessarie dipendono dall’importanza del dato.
Un sensore utilizzato per osservare una tendenza generale non richiede necessariamente gli stessi controlli di una misura che attiva allarmi, modifica automaticamente il funzionamento di un impianto o viene impiegata per una verifica formale.
Un dato mancante e un dato errato non sono lo stesso problema
Quando un sensore smette di trasmettere, l’assenza del dato è normalmente riconoscibile.
Più complesso è il caso in cui il dispositivo continui a inviare valori formalmente validi ma non più attendibili.
Una piattaforma può ricevere regolarmente una misura senza sapere che il sensore è stato spostato, coperto, esposto a una sorgente di calore o interessato da una contaminazione.
La continuità della comunicazione non coincide quindi con la qualità della misura.
Anche i dati mancanti devono essere valutati con attenzione. Un’interruzione può dipendere dal sensore, dalla batteria, dall’alimentazione, dalla connettività, da un componente intermedio o dalla piattaforma di raccolta.
Una media calcolata su una serie incompleta può sembrare plausibile e risultare ugualmente distorta.
Il problema diventa particolarmente rilevante quando le interruzioni non sono casuali. Se un dispositivo perde la comunicazione proprio durante condizioni ambientali critiche, lo storico disponibile potrebbe offrire una rappresentazione sistematicamente incompleta.
Tra i comportamenti da osservare rientrano:
- lacune temporali;
- valori identici per periodi insolitamente lunghi;
- variazioni improvvise non compatibili con il fenomeno;
- misure ferme ai limiti del campo;
- frequenze di aggiornamento irregolari;
- divergenze persistenti rispetto a dispositivi confrontabili.
Anche il riferimento temporale deve essere coerente
Quando vengono confrontati dati provenienti da più dispositivi, è necessario sapere a quale momento si riferisce ciascuna misura.
Se i sensori utilizzano orologi non coerenti, dati apparentemente contemporanei potrebbero essere stati acquisiti in istanti differenti.
Il problema emerge quando si tenta di collegare:
- presenza di persone e variazione della CO₂;
- apertura di una porta e modifica della temperatura;
- avviamento di un impianto e aumento dell’assorbimento;
- funzionamento della ventilazione e andamento dell’umidità;
- allarme e condizione ambientale che dovrebbe averlo generato.
La sincronizzazione temporale è un tema riconosciuto anche nell’ambito delle reti di sensori IoT e delle interfacce standardizzate per sensori e attuatori.
Non tutte le analisi richiedono la stessa precisione temporale. Uno scostamento di alcuni minuti può essere irrilevante per una tendenza mensile e determinante per ricostruire un evento breve.
Ciò che conta è che la qualità temporale sia adeguata all’uso previsto.
La dashboard può mostrare più certezza di quanta ne contengano i dati
Grafici, indicatori e dashboard sono utili per rendere leggibili grandi quantità di informazioni. Possono però suggerire un livello di completezza che i dati originali non possiedono.
Una linea continua non dimostra necessariamente che tutte le misure siano state ricevute. Il software potrebbe aver semplicemente collegato due punti distanti o calcolato valori intermedi.
Una scala grafica troppo ampia può nascondere variazioni rilevanti. Una scala molto ristretta può invece trasformare oscillazioni normali in fenomeni apparentemente eccezionali.
Anche colori e indicatori semaforici dipendono da soglie definite in precedenza. Per essere significativi, devono essere coerenti con il parametro, con l’ambiente e con la finalità del monitoraggio.
La dashboard non costituisce quindi una prova automatica dell’affidabilità del sistema. È una rappresentazione dei dati ricevuti e delle regole applicate dal software.
Prima di trarre conclusioni occorre sapere:
- se esistono dati mancanti;
- quali aggregazioni sono state applicate;
- come sono gestiti i valori anomali;
- quali soglie determinano gli allarmi;
- se sono presenti interpolazioni;
- quale intervallo temporale viene visualizzato.
Correlazione e causalità non coincidono
La disponibilità di molte serie temporali consente di confrontare fenomeni diversi, ma può anche favorire conclusioni troppo rapide.
Se l’aumento dei consumi coincide con una modifica della temperatura interna, non significa automaticamente che uno dei due fenomeni abbia causato l’altro.
Entrambi potrebbero dipendere dalla temperatura esterna, dall’occupazione dell’edificio, dall’orario di lavoro o dall’attivazione di un impianto.
Allo stesso modo, una riduzione dei consumi osservata dopo un intervento non dimostra, da sola, l’efficacia dell’intervento se nel frattempo sono cambiate le condizioni climatiche o le modalità di utilizzo degli spazi.
Il monitoraggio può evidenziare:
- relazioni temporali;
- ricorrenze;
- deviazioni;
- eventi anomali;
- differenze tra ambienti o periodi.
La spiegazione delle cause richiede però informazioni ulteriori e un confronto coerente con il contesto operativo.
Il rischio non è soltanto disporre di pochi dati. È attribuire a molti dati un significato che non possiedono.
Un dato di monitoraggio non è automaticamente idoneo a ogni finalità
I sensori IoT possono essere molto utili per osservare tendenze, riconoscere variazioni, generare segnalazioni e confrontare il comportamento di ambienti o impianti.
Questo non significa che ogni dispositivo sia idoneo a misure regolamentate, verifiche contrattuali, valutazioni sanitarie o attestazioni formali.
Il livello di affidabilità necessario dipende dalla finalità.
Un sensore può essere adeguato a individuare un aumento anomalo dell’umidità anche senza possedere le caratteristiche richieste a uno strumento impiegato in un’attività metrologica formalizzata.
È quindi opportuno distinguere tra:
- monitoraggio orientativo;
- analisi delle tendenze;
- rilevazione di anomalie;
- controllo operativo;
- comando automatico di impianti;
- misure utilizzate in verifiche o attestazioni formali.
Quando è richiesta la riferibilità metrologica, il risultato deve poter essere collegato a un riferimento attraverso una catena documentata e ininterrotta di confronti o tarature, ciascuno dei quali contribuisce all’incertezza complessiva.
La presenza di un valore numerico non rende quindi la misura automaticamente valida per qualsiasi impiego.
Quando il problema non è il sensore
Di fronte a un dato incoerente, la prima reazione è spesso attribuire il problema al dispositivo.
L’origine può invece trovarsi in altri punti del processo:
- posizione non rappresentativa;
- modifica dell’ambiente circostante;
- condizioni operative non conformi;
- alimentazione instabile;
- batteria prossima all’esaurimento;
- contaminazione;
- comunicazione intermittente;
- configurazione errata;
- intervalli di acquisizione non adeguati;
- aggregazione eccessiva;
- disallineamento temporale;
- soglie non pertinenti;
- assenza di controlli periodici;
- interpretazione priva di contesto.
Sostituire il sensore senza individuare la causa può lasciare invariato il problema.
La valutazione dovrebbe considerare l’intero percorso dell’informazione: dal fenomeno fisico alla misura, dalla registrazione alla trasmissione, fino all’elaborazione e alla visualizzazione.
Il dato finale è il risultato di una catena e può essere influenzato da ciascuno dei suoi passaggi.
La qualità viene prima della quantità
Gli edifici connessi rendono possibile raccogliere quantità crescenti di informazioni su consumi, occupazione, condizioni ambientali e funzionamento degli impianti.
La presenza di molti sensori, tuttavia, non garantisce automaticamente una conoscenza migliore.
Una grande quantità di dati poco rappresentativi può produrre più confusione di un insieme limitato di misure correttamente contestualizzate.
Può generare:
- allarmi inutili;
- confronti fuorvianti;
- interventi non necessari;
- interpretazioni errate;
- una falsa impressione di controllo.
Un sistema di monitoraggio acquista valore quando le informazioni raccolte consentono di comprendere un fenomeno, riconoscere un’anomalia o sostenere una decisione.
Per arrivare a questo risultato non basta chiedersi quale sensore utilizzare. Occorre comprendere che cosa si desidera osservare, quale porzione della realtà viene effettivamente misurata e quali limiti devono accompagnare l’interpretazione.
Conclusioni
Nei sistemi IoT applicati agli edifici, la tecnologia consente di acquisire, trasmettere e visualizzare informazioni con continuità e su scala crescente.
Questa disponibilità non deve essere confusa con l’affidabilità.
Un sensore può funzionare correttamente e osservare una zona poco rappresentativa. Può offrire una buona risoluzione e non essere idoneo alla finalità prevista. Può trasmettere senza interruzioni e produrre valori progressivamente alterati dalla deriva. Può, infine, generare dati corretti che vengono interpretati fuori dal loro contesto.
La domanda più utile non è quindi soltanto:
“Quale valore sta indicando il sensore?”
È necessario chiedersi anche:
“Che cosa rappresenta realmente questo valore?”
La qualità di un sistema IoT non dipende dal numero dei dispositivi installati o dalla quantità dei grafici disponibili. Dipende dalla capacità di ottenere dati coerenti, comprensibili e adeguati alle decisioni che dovranno sostenere.
Prima di fidarsi di una misura è necessario comprenderne l’origine, il contesto e i limiti.
È in questo passaggio, spesso poco visibile, che un insieme di sensori può diventare un sistema di monitoraggio realmente utile.
Fonti e riferimenti
- ISO 17772-1:2017 – Energy performance of buildings: indoor environmental input parameters
- NIST Technical Note 1297 – Terminology relativa all’incertezza di misura
- NIST – Policy on Metrological Traceability
- NIST – Metrological Traceability: Frequently Asked Questions
- NIST – Time Synchronization of IEEE P1451 sensor networks
- ASHRAE – Analysis of indoor environmental conditions using a smart thermostat
- ASHRAE – How well do low-cost particle sensors monitor indoor air quality?