هل يمكن للبيانات الضخمة ومنظمة العفو الدولية حل أزمة المياه العالمية؟

لا يوجد شيء أكثر أهمية للحياة على الأرض من الماء.

ما يقرب من 663 مليون شخص في جميع أنحاء العالم ليس لديهم إمكانية الوصول الآمن إلى المياه النظيفة على مدار السنة. من المرجح أن يؤدي تغير المناخ إلى تفاقم الوضع ، وإيجاد حلول للبلدان الأقل نمواً من الناحية الاقتصادية يمثل أولوية. يمكن أن تساعد التقنيات الجديدة مثل Big Data و AI في إيجاد مخرج ...

كاتي والترز / المياه ، المياه في كل مكان / [CC BY-SA 2.0 ]

البيانات الضخمة - تحليل كم هائل من المعلومات باستخدام أدوات يمكنها معالجتها بشكل أسرع بكثير من قدرة الأشخاص على القيام بذلك دون دعم فني.

ازداد حجم الحصول على البيانات وتراكمها في السنوات الأخيرة بسبب أجهزة استشعار منخفضة التكلفة وزيادة استخدام التحليل الجيوفضائي. حسنت هذه التقنيات الجديدة من قدرتنا على تحديد موقع إمدادات المياه والتحكم فيها. علاوة على ذلك ، فإن البنية التحتية التي توفرها أجهزة الاستشعار الحديثة تخلق فرصًا للحوسبة السحابية وزيادة إتاحة البيانات على جميع الأنظمة.

الزراعة

تعتبر الزراعة إلى حد بعيد أكبر مستخدم (ومبذر) للمياه في العالم. يستخدم المزارعون 70٪ من إمدادات العالم من المياه العذبة ، لكن 60٪ منها مفقودة نتيجة التسربات في محطات الري والتطبيقات غير المنطقية.

يمكن أن يستمر تحليل البيانات الضخمة في البحث عن حلول مثالية لموازنة الإنتاجية والموثوقية عندما يتعلق الأمر بالزراعة. يمكن أيضًا منع الحوادث التي يتسبب فيها الإنسان ، مثل الانخفاض المفاجئ في جودة المياه ، والذي يمكن أن يظل مخفيًا حتى يتجلى بالكامل في العواقب.

يمكن أن يساعد هذا شركات المياه على فهم الاتجاهات في استخدام الأراضي والمناخ والتي ستؤثر على القرارات الرئيسية عند تخطيط أنظمة المياه التكيفية والمنظمة.

تساعد البيانات والنمذجة الضخمة العمل المشترك لشركات إمدادات المياه والمساحين العقاريين في تقييم كمية المياه التي ستكون مطلوبة ومتاحة في ظل خيارات التنمية المختلفة.

هدر المياه

في القرن العشرين ، تضاعف عدد سكان العالم ثلاثة أضعاف ، في حين زاد استخدام المياه البشري ستة أضعاف.

حتى اليوم ، كانت شركات إمدادات المياه متوقفة من حيث الوقت والموارد. تم تدمير البنية التحتية لإمدادات المياه والصرف الصحي ، وتفتيت المضخات ، وتسرب الأنابيب ، وأجزاء أخرى تنتهي صلاحيتها ، ولكن المؤسسات الضيقة ليس لديها المال أو المعرفة بالبنية التحتية لإجراء التحسينات اللازمة.

مشكلة البيانات العاجلة

في الواقع ، البيانات الكبيرة تعني وجود كمية هائلة من البيانات. تتلقى شركات المياه البيانات من خلال أنظمة الرقابة الإشرافية وجمع البيانات (SCADA) ، بما في ذلك إحصاءات التدفق والمراقبة عبر الإنترنت ، إلخ.

إدارة الإرسال وجمع البيانات (SCADA) - برنامج يستخدم أجهزة الكمبيوتر وشبكات البيانات المحلية وواجهة مستخدم رسومية لتنظيم التحكم والإدارة على مستوى عالٍ.

تقوم الشركات بالفعل بنشر أنظمة SCADA ، مما يتيح لها جمع كميات هائلة من البيانات. ومع ذلك ، غالبًا ما يتبين أنهم لا يعرفون أو لا يهتمون بكيفية جعل هذه البيانات تحقق فوائد ملموسة.

يمكن أن تكون أنظمة SCADA القديمة الخاصة بها ، وتنتج تنسيقات بيانات فريدة ولا يلزم إنشاؤها للتعاون (عدم التمييز).

بالإضافة إلى ذلك ، غالبًا ما تكون البيانات التي يتم جمعها في منشآت المعالجة مجزأة. يوجد تعارض في بيانات أنظمة الكمبيوتر التي لا تتواصل دائمًا مع بعضها البعض. تتيح لنا التطورات في البيانات الضخمة وأدوات إدارة البيانات الجديدة تحويل كل هذه البيانات إلى معلومات مفيدة ومفهومة تساعدنا على أن نكون أكثر حكمة واتخاذ قرارات أعمال أفضل.

علاوة على ذلك ، من المحتمل أن يكون موظفو المؤسسات التي لديها هذا النوع من المعلومات في أيديهم قادرين على تحديد المشكلات المحتملة مقدمًا حتى قبل حدوثها ، بدلاً من الاندفاع لإصلاح شيء يشبه المضخة المكسورة . أنظمة SCADA قادرة على عرض الوضع الحالي في الوقت الحقيقي وإشارة المشاكل على الفور. القدرة على التنبؤ بالمشاكل المحتملة باستخدام المنصات الذكية لمعالجة البيانات وتحليلها تعمل على تغيير الموقف بشكل أساسي.

إن الخطوة التالية - الجمع بين البيانات واستخدام أدوات المعالجة التحليلية للتنبؤ بالمكان الذي ينبغي أن ننظر فيه من أجل أن نكون أكثر بُعدًا - تعد مهمة للغاية لإدارة المياه.
التركيز على الجودة ، وليس الكمية.

حتى معالجة البيانات التحليلية الأكثر تنظيماً لا يمكن تجنب أخطاء القياس. إذا لم تكن واثقًا من مستشعراتك ومحللاتك الرئيسية ، فستحصل على قدر كبير من البيانات غير الصحيحة التي لا فائدة منها.

كيف يعمل؟

التنقيب عن البيانات (ملاحظة المترجم: هناك ترجمات عديدة لهذا المصطلح ، سيتم استخدام "استخراج البيانات" في هذه المقالة) - هكذا يكتشف المتخصص في التعامل مع البيانات الكبيرة المعلومات في دفق من البيانات الخام. يمكن بعد ذلك مزامنة الحوافز والفوائد على كلا الجانبين - مقدمو الخدمات والمستهلكون - باستخدام النماذج الرياضية ، مثل نماذج بايزيان للاستدلال ونظرية اللعبة. أخيرًا يتم تبادل المعرفة المتعلقة بالاتصال المستمدة من البيانات الضخمة بحيث يمكن للمشغلين والمهندسين والمديرين استخدامها.

لا يوجد نقص في البيانات الخام. حوالي 60 ٪ من شركات إمدادات المياه لديها أنظمة لجمع البيانات عن بعد في جميع محطات الضخ ، و 43 ٪ لديها جمع البيانات في جميع الخزانات.

فوائد البيانات الكبيرة:

- تتجه متقدمة
تتمتع البيانات الضخمة عالية الأداء (مجموعات البيانات الضخمة) بإمكانية إنشاء إدارة ذكية للموارد للبنية الأساسية لإمدادات المياه ، مما يوفر للمديرين القدرة على تقييم مواردهم بشكل صحيح ودقة وتوقعها وتوزيعها. يمكن مساعدة شركات إمدادات المياه من خلال تحليل الاتجاهات ، والذي عند إنشاء توقعات للمستقبل ، يعتمد على طرق تحليلية لتحديد الأنماط والاتجاهات الخفية التي تكمن في البيانات القديمة.

- توقعات الطلب
إن التحليل المتقدم للبيانات الضخمة يجعل التنبؤ بالأعباء على النظام أمرًا عمليًا للمديرين رفيعي المستوى من خلال التعرف على الأنماط ووضع نماذج لعدد من السيناريوهات باستخدام نظام النمذجة الديناميكي وخوارزميات التعلم الآلي المتقدمة. تنبؤ محسّن للحمل على النظام للتنبؤ بالسلوك عند استهلاك المياه باستخدام بيانات كبيرة في عدة مجموعات بيانات ، مثل العوامل الديموغرافية (الكثافة السكانية ، إلخ) ، وأنماط الاستهلاك على مدى الفترات الماضية ، والمناخ (درجة الحرارة ، والرطوبة ، إلخ) ) ، البنية التحتية (التقنيات المستخدمة ، العمر ، الإنتاجية ، إلخ) ، المعايير السياسية والاقتصادية وغيرها. هذه المكونات عبارة عن متغيرات مدخلات لتطوير نموذج تنبؤي يمكنه التنبؤ بسلوك المستهلك (أي الطلب على المياه).

- التحكم الآلي
ماذا لو بدلًا من إرسال إشارات إلى فريق من المهندسين ، فإن أنظمة SCADA هذه يمكنها إرسال أوامر ضبط ذاتي؟ فلنتخيل شيئًا مثل تقنيات الضبط الذاتي التي تساعدنا في تنظيم المياه.

- البيانات المفتوحة
بعض المجالات الأخرى التي يؤدي فيها تكامل البيانات إلى الابتكار هي البيانات المفتوحة والعلوم المدنية. الجانب الآخر من حقيقة أن المرافق لا تعمل في بيئة تنافسية هي القدرة على تهيئة الظروف للابتكار للآخرين. يمكن أن تصبح مجموعات البيانات التي تجمعها المؤسسات ، وفي بعض الحالات أصبحت متاحة لطرف ثالث كبيانات مفتوحة.

كيفية تطبيق الذكاء الاصطناعى

الذكاء الاصطناعى هو حل قابل للتطوير وفعال من حيث التكلفة لعدد كبير من أنابيب المياه التي تملكها شركات المرافق. بالإضافة إلى تكامل البيانات ، تعمل منظمة العفو الدولية أيضًا على تحسين عملية اتخاذ القرارات من خلال تقديم توصيات تستند إلى تلك البيانات.

برنامج AI القائم على التعلم الآلي لتقييم الأنابيب هو استراتيجية تطوير أفضل من الروبوتات فقط. يمكن لمنظمة العفو الدولية تحليل آلاف الأميال [الأبواق] في غضون ساعات ، لتصبح حلاً فعال التكلفة للغاية.

التعلم الآلي هو أفضل طريقة لإيجاد علاقات ذات معنى داخل البيانات ومن ثم اشتقاق علاقة وظيفية يمكن استخدامها لاتخاذ القرارات.

على سبيل المثال ، تم تطوير نماذج التنبؤ للسماح للأدوات المساعدة بتوقع الطلب بدقة تصل إلى 98٪. تستخدم هذه النماذج البيانات التي تم جمعها ، وتجمع مع البيانات الأخرى ، مثل تنبؤات الطقس ، والتي يتم إرسالها بعد ذلك إلى نماذج التعلم الآلي في التطبيقات الخارجية.

في حين أن الصناعات الأخرى تستخدم تحليل الاتجاهات والتنبؤ بها على نطاق واسع ، تظل قيمتها الرئيسية لغزًا لقطاع المياه شديد التجزؤ.

ينبغي لمقدمي الخدمات والمرافق العامة الاستثمار في تنظيم أنظمة مناسبة لجمع البيانات لجمع وتجميع وتحليل اتجاهات البيانات الجزئية والجزئية كخطوة أولى نحو تحسين إدارة موارد البنية التحتية واتخاذ القرارات في قطاع المياه.

تقوم بعض الشركات الناشئة بتطوير حلول إدارة المياه للتعلم العميق. وعدت الشركات "بتوفير فرصة لمنع تسرب المياه في أنظمة إمدادات المياه ، للتنبؤ بالحالة العامة للنظام وتقليل التكاليف الحالية." يمكنهم تقديم بيانات مختومة من الزمن من المستشعرات والعدادات باستخدام خوارزمية التعلم العميق الأكثر تقدما لتحليلها.

في الهند ، تم تطوير نموذجين ANN لتحديد نوعية المياه في نهر جومتي. تم أخذ معايير جودة المياه مثل الحموضة (pH) ، ومحتوى المواد الصلبة الكلية ، واستهلاك الأكسجين الكيميائي كمجموعة بيانات ، وتم إجراء حساب أولي للأكسجين المذاب في الماء والطلب على الأكسجين البيولوجي.

تعتبر الشبكة العصبية الاصطناعية (ANN) نموذجًا حسابيًا يعتمد على بنية الشبكات العصبية البيولوجية وعملها.

تم تطوير شبكة عصبية أولية باستخدام بيانات تحتوي على ملاحظات على مدار ثلاث سنوات. تم حساب مجموعات بيانات المدخلات باستخدام معامل الارتباط مع الأكسجين الذائب. تمت مقارنة حسابات النموذج الأولي ANN باستخدام معامل الارتباط والخطأ القياسي ومعامل الكفاءة. القيم المقدرة للأوكسجين المذاب في الماء والطلب على الأكسجين البيولوجي هي نفسها.

مثال على معالجة بيانات خط الأنابيب

دراسات الحالة

في بنغالور ، يمكن لشركات المياه قياس التدفق في أي وقت وإتاحة الوصول إلى المياه بقدر الإمكان. من خلال مراقبة لوحة تحكم واحدة ، من الممكن مراقبة تشغيل أكثر من 250 مترًا من المياه ، بالإضافة إلى إيلاء المزيد من الاهتمام للوحدات الفردية.

في ولاية كيرالا [الهند] ، تعتمد الشركات على عدادات المياه وأجهزة استشعار IBM لمراقبة استخدام المياه ، بما في ذلك تحديد المخالفات التي يمكن أن تشير إلى حالات فردية للاستخدام غير المصرح به. تتمثل ميزة منصات معالجة البيانات وتحليلها الكبيرة في إمكانية البحث عن الانحرافات في الأنماط التي قد تظل غير مكتشفة.

أخيرًا ، وافقت Google مع عدة دول على تطوير نموذج الذكاء الاصطناعي للتنبؤ بالفيضانات.

مستقبل تحليل البيانات

نظرًا لأننا ندخل عصر البيانات الضخمة ، ستكون شركات المياه قادرة على استخدام أجهزة الاستشعار المتقدمة التي ستلاحظ التغيرات التي لم يتم اكتشافها من قبل في تشغيل البنية التحتية. ستساعد تقنيات التنبؤ هذه الشركات على توقع الأعطال والتسريبات في المعدات.

التقنيات الذكية يمكن أن تساعد شركات المياه على تحسين خدمة العملاء. على سبيل المثال ، يمكن لنظام المعلومات التحليلي مع وظيفة الخدمة الذاتية باستخدام طريقة متقدمة لتسجيل وتحليل البيانات على نوعية المياه أن يتيح للمستخدمين التحكم في استهلاك المياه وتحسينه.

توفر موجة جديدة من أدوات التحليل المتقدمة تقنيًا لشركات المياه الفرصة لتلبية هذه الاحتياجات العاجلة وتحويل البيانات الخام إلى معلومات عملية. يمكن لتحليل البيانات تحديد عطل في البنية التحتية بسرعة ، والحد من فقدان المياه ، ومنع التدفق الزائد في المصارف وتقييم حالة النظام. علاوة على ذلك ، يمكن للبيانات أن تكشف عن الإنتاجية ، وتقدم معلومات عن حالات الصيانة الاستباقية ، وتوفر التوجيه في التخطيط طويل الأجل.

بينما يتحدثون في الغالب عن البيانات الضخمة ، كبديل للأصول المادية بالتكنولوجيات الرقمية ، فإن الاتجاه الأكثر أهمية وتأثيرًا هو استخدام الأدوات عبر الإنترنت لتحسين كفاءة استخدام الأصول المادية في المؤسسات غير المتصلة بالإنترنت ، مثل إدارة المياه. في هذا السياق ، فإن دور البيانات لا يجعل القائد يتحدث بذكاء. مهمتهم هي للمساعدة في اتخاذ قرارات أفضل. ولا يمكنك القيام بذلك فقط من خلال التكنولوجيا أو مع تحليل البيانات ، بغض النظر عن مدى روعتك.

البيانات والمياه متوافقة حقا.

عن مؤلف المقال . يكتب ألكسندر جونفالونييري في مدونته عن استخدام الذكاء الاصطناعي في الحياة اليومية وحل المشكلات الملحة.