Pusat Inovasi Data baru -baru ini berbicara dengan Adam Wood, CPO Infotilperusahaan yang berbasis di Norwegia yang membantu utilitas air mengubah data yang kompleks menjadi wawasan yang dapat ditindaklanjuti. Wood menjelaskan bagaimana infotil menggunakan pembelajaran mesin untuk meningkatkan efisiensi jaringan air, mendeteksi kebocoran, dan mendukung infrastruktur air yang lebih cerdas.
David berkata: Tantangan apa yang dihadapi utilitas air dalam menggunakan data secara efektif?
Adam Wood: Utilitas menghadapi beberapa tantangan utama. Pertama adalah interoperabilitas data: Informasi penting tersebar di seluruh sistem warisan yang sering tidak berkomunikasi. Memindahkan data dari sistem kontrol yang lebih lama ke platform analitik modern atau membaginya dengan mitra bisa rumit. Kedua adalah ketersediaan data. Banyak utilitas sudah memiliki sensor, tetapi mereka tidak selalu menangkap atau menyimpan pengukuran yang tepat cukup lama untuk mengekstraksi nilai penuh. Akhirnya, kualitas data adalah masalah yang terus -menerus. Sensor yang kurang dikalibrasi atau penuaan dapat memiringkan pembacaan dan membatasi apa yang dapat diberikan oleh pembelajaran mesin atau analitik canggih.
Diperlukan: Layanan apa yang disediakan infotil untuk mengatasi tantangan ini?
Kayu: Infotil menawarkan empat layanan yang saling terhubung. Pipefusion membersihkan dan mengoreksi catatan yang disimpan utilitas tentang jaringan air fisik mereka, seperti di mana pipa berjalan, makeup, usia, dan kondisi material mereka. Kemudian menggunakan pembelajaran mesin untuk mengubah catatan itu menjadi peta digital dan model risiko yang memprediksi di mana kegagalan pipa kemungkinan besar terjadi.
WaterIntelligence dan Sewerintelligence membangun di atas peta ini dengan mengintegrasikan data sensor historis dan real-time. Mereka mendeteksi anomali dalam pembacaan sensor, melokalisasi kebocoran, memantau kualitas air, dan menganalisis aliran masuk dan infiltrasi. Dengan menghubungkan informasi ini ke model risiko pipa, utilitas dapat memprioritaskan inspeksi dan perbaikan secara lebih efektif, menghemat waktu dan sumber daya.
Akhirnya, meterop membantu menyebarkan dan mengelola meter air pintar, melacak konsumsi, dan memantau alarm. Ketika dikombinasikan dengan WaterIntelligence dan Sewerintelligence, itu memberikan utilitas wawasan yang lebih rinci dengan menambahkan data meter ke dalam gambar.
Diperlukan: Bagaimana infotil mengintegrasikan solusinya dengan sistem utilitas yang ada?
Kayu: Kami telah mengembangkan proses yang dapat menarik data dari berbagai sistem utilitas yang sudah digunakan, membersihkannya, dan menyiapkannya untuk analisis. Karena banyak utilitas yang sekarang mengandalkan platform cloud dan antarmuka modern, mengumpulkan dan memproses data itu secara signifikan lebih mudah daripada di masa lalu. Hasil tersedia secara langsung di platform Infotiles, tetapi utilitas juga dapat mengekspornya dalam format standar untuk diintegrasikan dengan sistem mereka sendiri. Dengan menggunakan format data terbuka dan alat open-source, kami memastikan pelanggan sepenuhnya memiliki data mereka dan dapat terus menggunakannya namun mereka memilih.
Diperlukan: Bisakah Anda berbagi contoh dunia nyata dari hasil yang terukur dari platform Anda?
Kayu: Kami sering menemukan bahwa hingga sepertiga dari air yang mengalir melalui jaringan air limbah sama sekali bukan air limbah, tetapi air hujan atau air tanah bocor ke dalam sistem. Ini menciptakan ketidakefisienan besar dan menambahkan biaya perawatan yang tidak perlu. Di Gloucester, Inggris, kami bekerja dengan Severn Trent Water Utilities dan perusahaan teknik, Arup, untuk mengurangi masalah ini dan meningkatkan kinerja jaringan. Di Habo, Swedia, kami menjalankan uji coba digital yang membantu utilitas memutuskan peningkatan mana yang diprioritaskan, memungkinkan investasi untuk pergi ke tempat itu akan memiliki dampak terbesar.
Diperlukan: Bagaimana Anda melihat AI dan analisis data membentuk masa depan pengelolaan air?
Kayu: AI dan analitik sudah efektif dalam menyelesaikan masalah yang ditargetkan, dan saya melihat peran mereka berkembang untuk mendukung pengambilan keputusan infrastruktur operasional dan jangka panjang. Dengan menghubungkan output dari beberapa algoritma, AI dapat membantu mengembangkan strategi yang lebih luas. Misalnya, ini dapat mengusulkan strategi kontrol untuk mengoptimalkan biaya perawatan berdasarkan perkiraan kualitas air yang digerakkan cuaca atau merekomendasikan rencana pekerjaan modal untuk mengalokasikan $ 40 juta terbaik untuk mengurangi insiden polusi air limbah. Poin awal yang dihasilkan AI ini memungkinkan teknisi dan insinyur dengan cepat memvalidasi, memperbaiki, dan memperluas rencana, menghemat waktu sambil membantu utilitas membuat keputusan yang lebih pintar, lebih strategis untuk pengelolaan sistem air jangka panjang.
