FENICE
Federated Edge iNtelligence for Industrial Critical infrastructurEs
FENICE - Federated Edge iNtelligence for Industrial Critical infrastructurEs
Progetto cofinanziato dall’Unione europea nell’ambito del PR Campania FESR 2021-2027, Asse prioritario 1 bis “Tecnologie digitali, pulite e biotecnologie: contributo alla piattaforma STEP”, Obiettivo specifico 1.6, Azione 1.6.1 “Sostenere lo sviluppo e la fabbricazione di tecnologie critiche”. Avviso pubblico “Aiuti per lo sviluppo e la fabbricazione di tecnologie critiche – STEP II Edizione”.
Beneficiario: Frontiere S.r.l.
CUP: B67H26001730004
Sede di realizzazione: Napoli, Centro Direzionale, Via G. Porzio 4
Durata: 1° giugno 2026 – 30 maggio 2028 (24 mesi)
Investimento ammesso: € 1.211.054,00
Contributo concesso: € 823.329,03
Il Progetto
Le infrastrutture critiche, come reti di distribuzione, impianti e utility, producono ogni giorno grandi quantità di dati da sensori. Questi dati sono spesso rumorosi, incompleti o raccolti in siti con una connettività instabile. FENICE sviluppa una piattaforma software di intelligenza artificiale che porta l’analisi direttamente “sul campo”, su dispositivi edge installati negli impianti. Lo scopo è anticipare eventi rari e critici, come guasti, anomalie e fenomeni di degrado, prima che diventino un problema.
La piattaforma impiega tecniche di apprendimento federato. In questo modo i modelli migliorano imparando dai dati di più siti senza doverli centralizzare, a vantaggio della riservatezza, della sicurezza e della continuità operativa.
Finalità
- Realizzare una pipeline che renda affidabili i dati dei sensori, distinguendo il rumore e i disturbi strumentali dai segnali utili.
- Sviluppare modelli predittivi multi-orizzonte capaci di dare un preavviso sugli eventi rari, contenendo i falsi allarmi.
- Abilitare l’apprendimento distribuito tra più siti, con controlli di robustezza e di tutela della privacy.
- Garantire sicurezza informatica e conformità normativa fin dalla progettazione (Cyber Resilience Act, AI Act, GDPR).
- Industrializzare la soluzione con un runtime edge installabile e una piattaforma MLOps per gestire il ciclo di vita dei modelli.
Risultati attesi
- Una suite software installabile su gateway industriali, in grado di funzionare anche con connettività intermittente.
- Moduli di intelligenza artificiale per previsione e anomaly detection, validati in un sito pilota reale.
- Una piattaforma per addestrare, rilasciare e monitorare i modelli in modo riproducibile e verificabile.
- Il passaggio della tecnologia da un livello dimostrativo a una configurazione pronta per l’impiego industriale e replicabile su nuovi siti.
Attività
Il progetto si articola in otto work package. Si parte dalla definizione dei requisiti e dell’architettura, si passa alla ricerca industriale su qualità del dato, forecasting di eventi rari, intelligenza distribuita e cyber-security, e si arriva allo sviluppo sperimentale del runtime edge, della piattaforma MLOps e della sperimentazione con collaudo in campo.