Validazione sperimentale, test in produzione, sperimentazioni radar e disseminazione

Contesto e finalità

Il WP6 rappresenta la fase del progetto dedicata alla validazione sperimentale sul campo degli algoritmi e dei modelli sviluppati nei Work Package precedenti. L’obiettivo primario è verificare bontà, robustezza e affidabilità dei risultati attraverso installazioni e sperimentazioni presso partner esterni.

Nel corso del progetto sono emerse criticità legate alla difficoltà di ottenere coinvolgimento attivo e autorizzazioni in contesti sanitari, con vincoli burocratici e requisiti di sicurezza incompatibili con il cronoprogramma; tali ostacoli hanno richiesto strategie di mitigazione per garantire comunque una validazione solida e verificabile.

Obiettivi del WP6

• Individuazione di partner esterni per sperimentazione
• Acquisizione di dati ambientali reali
• Validazione sperimentale dei modelli
• Verifica robustezza in contesti reali
• Allineamento dei risultati con output WP1–WP5

Criticità riscontrate

• Difficoltà burocratiche e autorizzative
• Vincoli stringenti di sicurezza sanitaria
• Tempi non compatibili con il progetto
• Impossibilità di installare dispositivi innovativi nelle strutture sanitarie individuate

Azioni di mitigazione e validazione su dataset reale esteso

Uso di un dataset reale di grande scala (35.040 campioni con frequenza 15 minuti) proveniente da un’infrastruttura già operativa monitorata tramite piattaforma iComfort. Il dataset copre un periodo multi-stagionale e include dinamiche rilevanti come transitori termici, condizioni estive/invernali, variazioni di occupazione e ventilazione. Le variabili includono temperatura e umidità interna/esterna.

Prima della validazione, è stata condotta un’EDA per verificare integrità, assenza outlier anomali e coerenza fisica, includendo analisi di correlazione.

Confronto configurazioni modellistiche e risultati

Confronto di quattro configurazioni Random Forest con differenti strategie di aggiornamento e integrazione dinamica:

• RF con finestra di training mobile
• RF con integrazione di parametri PID (approccio ibrido)
• Varianti con riaddestramento a intervalli discreti (NIT)

Le configurazioni con aggiornamento continuo e quelle ibride con PID risultano più idonee in condizioni operative per adattamento ai transitori e minore propagazione dell’errore.

Validazione in produzione sulla piattaforma iComfort

Integrazione degli algoritmi in ambiente produttivo tramite modulo applicativo dedicato e adattamento in formato BYOM, in coerenza con architettura WP2/WP4/WP5. La pipeline comprende:

• Raccolta dati real-time
• Pre-processing
• Esecuzione modelli
• Previsioni multi-step
• Monitoraggio prestazioni e drift
• Alimentazione dashboard e allerta

Sperimentazioni con Radar MIMO

Test radar in laboratorio condotti da UniRoma Tre per verifica prestazioni in ambiente reale controllato.