Il progetto RE-SET mira a combinare la mappatura di sistema basata sul modello STAMP con la tecnologia dei knowledge graph. Un knowledge graph, o grafo della conoscenza, è uno strumento che raccoglie dei dati in una struttura a grafo. I dati raccolti rappresentano dei nodi del grafo, mentre le relazioni tra loro sono espresse dagli archi che li connettono. Questo tipo di modellazione è resa possibile tramite la lettura dei dati disponibili attraverso i principi di un'ontologia. Quest'ultima rappresenta un insieme di regole di dominio che definisce gli elementi di interesse e le possibili relazioni tra loro.

Il grafo, in quanto struttura matematica, permette l'utilizzo di una serie di strumenti volti all'analisi dei dati in esso contenuti. Combinando tali strumenti di analisi con algoritmi di Machine Learning si rende inoltre possibile un analisi avanzata del sistema.

Nell'ambito della Direttiva Seveso III, tali analisi potranno mettere in evidenza nodi e/o relazioni critici, o, all'occorenza, elementi mancanti, in vista del necessario adeguamento delle operazioni per la transizione energetica.

A titolo di esempio, viene riportato in figura un esempio di knowledge graph, mentre si fa riferimento ai seguenti studi accademici per ulteriori informazioni sul tema:

• Knowledge Graphs: Methodology, Tools and Selected Use Cases

• Exploiting knowledge graphs in industrial products and services: A survey of key aspects, challenges, and future perspectives 

• Knowledge graph completion: A review

Il progetto RE-SET prevede lo sviluppo di modelli analitici per la costruzione di un modello previsionale in grado di stimare la variazione della resistenza meccanica e il comportamento strutturale dei materiali impiegati nelle apparecchiature degli stabilimenti Seveso, come gli acciai al carbonio. Il modello si basa sull’integrazione di dati sperimentali, in particolare curve sforzo-deformazione con parametri operativi rilevanti quali pressione di esercizio, composizione della miscela gas (percentuale di idrogeno-metano), tempo di esposizione e storico del materiale.

Attraverso l’analisi di regressione e l’uso di algoritmi numerici di Machine Learning, viene costruito un modello matematico capace di identificare trend di deterioramento e prevedere la perdita di integrità meccanica nel tempo. I modelli analitici pregressi specifici per miscele idrogeno-metano rende possibile la previsione del comportamento meccancio utile per scenari futuri di trasnsizione energetica e per il supporto della gestione della sicurezza degli stabilimenti Seveso.

La linea sperimentale del progetto RE-SET analizza il comportamento meccanico dei materiali attualmente impiegati negli stabilimenti soggetti alla Direttiva Seveso (as-is), come l’acciaio al carbonio X65. In una fase successiva, saranno testati anche materiali alternativi (to-be) con potenziale maggiore resistenza alla miscelazione di idrogeno e metano. I provini, ricavati da tubazioni industriali, sono sottoposti a precarica in miscele gas (idrogeno-metano) a 75 bar per intervalli di tempo crescenti (12h, 24h, 48h, 72h, e 1 settimana), per poi inserire i dati sperimentali nei modelli analitici previsonali per prevedere l'andamento nel tempo in ottica di una transizione energetica.

In particolare, i test sperimentali includono prove di trazione a velocità costante, condotte sia in gas inerte come l'azoto per stabilire un riferimento per entrambi scenari (as-is e to-be), per poi testare llo stesso tes sia in miscele al 10% e 15% di idrogeno-metano. I risultati evidenzierano l'infragilimento del materiale, documentato da curve sforzo-deformazione e da analisi morfologiche delle fratture mediante microscopio ottico e SEM. Le fratture passano da morfologie duttile a tratti fragili, con riduzione della resistenza meccanica al crescere della percentuale di idrogeno e del tempo di esposizione.