MONET: intel·ligència artificial per millorar la fiabilitat dels sensors de baix cost per aplicacions ambientals i industrials

CASA BOSC

Casa Bosc: un sistema d’habitatge modular de fusta que combina prefabricació, circularitat, baix cost i mínima intervenció en el territori

8 d'octubre de 2026

THERMOPOLIS: mapes de calor a escala de carrer per millorar l’adaptació climàtica de les ciutats

22 d'octubre de 2026

15/10/2026

Un grup d’investigadors del grup de recerca Xarxes de Computadors i Sistemes Distribuïts (CNDS) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) desenvolupa noves solucions basades en intel·ligència artificial per obtenir dades més precises i fiables de les xarxes de sensors IoT, amb aplicacions en el monitoratge de la qualitat de l'aire, la detecció d'anomalies i el manteniment predictiu industrial.


Sensors més accessibles, dades més fiables

La monitorització contínua de l'entorn és cada vegada més important per a la gestió ambiental, la salut pública i l'optimització dels processos industrials. Les xarxes de sensors de baix cost ofereixen la possibilitat de desplegar sistemes de mesura a gran escala amb una inversió inicial reduïda. Tanmateix, presenten un repte important: les dades que generen sovint contenen errors, soroll o valors incomplets, fet que en limita la fiabilitat i la utilitat per prendre decisions.

Per superar aquestes limitacions, el projecte MONET (xarxes intel·ligents de monitorització per a aplicacions ambientals i industrials) desenvolupa noves tècniques d'intel·ligència artificial (IA) que permeten millorar la qualitat de les dades i aprofitar la informació conjunta de tota una xarxa de sensors.

L'objectiu és facilitar el desplegament de sistemes de monitorització més precisos, accessibles i eficients, tant en entorns urbans com en instal·lacions industrials.

Intel·ligència artificial per transformar les dades en informació útil

MONET combina sensors IoT amb una plataforma al núvol, anomenada CAPTOR-6, capaç de calibrar, depurar i reconstruir automàticament les dades recollides.

La innovació principal consisteix a aplicar diferents tècniques d'IA, com ara models generatius, aprenentatge amb poques dades, IA explicable i models que incorporen principis físics, per millorar la qualitat de les mesures. A més, el sistema aprofita la informació de tots els sensors de la xarxa per identificar errors i completar dades absents.

La tecnologia es valida mitjançant MONET-1, una xarxa formada per nodes de medició propis, desplegada en dos tipus d'emplaçaments. D'una banda, en estacions oficials de referència, on es comprova la precisió dels sensors d'acord amb l'especificació europea CEN/TS 17660-1:2021. De l'altra, en habitatges de persones voluntàries, escoles i edificis públics de Barcelona, on es mesuren contaminants com l'ozó, el diòxid de nitrogen (NO₂), les partícules en suspensió i el carboni negre.

Entre els resultats previstos destaca l'obtenció de dades amb qualitat de Classe 2 segons la normativa europea (cosa que han aconseguit pocs equipaments comercials), una millora d’almenys un 10% en la calibració, detecció d’errors i reconstrucció de dades gràcies a l’anàlisi conjunta de la xarxa, i la generació de mapes d'exposició al carboni negre a Barcelona amb una resolució de 500 metres o superior.

El projecte també preveu reduir a la meitat la superfície dels panells solars necessaris per alimentar els nodes de monitorització i publicar dades obertes amb mesures horàries validades.

Aplicacions industrials: anticipar anomalies i reduir falses alarmes

Més enllà del monitoratge ambiental, MONET trasllada aquestes tecnologies a la indústria mitjançant sistemes intel·ligents de detecció d'anomalies i manteniment predictiu.

Una de les aplicacions previstes és la supervisió de cambres frigorífiques, on els algoritmes poden identificar comportaments anòmals i contribuir a anticipar possibles incidències. Aquests sistemes estan dissenyats per funcionar directament en dispositius locals, sense necessitat de mantenir una connexió permanent amb el núvol.

El projecte es proposa millorar almenys un 5% la detecció d'anomalies, reduir les falses alarmes i aconseguir un mínim de dues solucions industrials operatives.
Aquest enfocament obre oportunitats per a empreses que necessiten supervisar equips i instal·lacions de manera contínua, amb sistemes de monitorització més fiables i amb menys dependència de la infraestructura al núvol.

Pressupost i altres socis

MONET té una durada prevista de 36 mesos i un pressupost de 210.000 euros, en el marc de la convocatòria 2025 de Projectes de Generació de Coneixement de l'Agència Estatal d'Investigació, cofinançada per la Unió Europea.

El projecte parteix de col·laboracions prèvies amb AKO Electromecánica, empresa amb la qual el grup comparteix una patent europea, així com amb REPSOL i MENSOFT. També col·laboren la New York University, el Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC-CNS) i l'Institut de Diagnosi Ambiental i Estudis de l'Aigua (IDAEA-CSIC).



Projectes Relacionats