Können Big Data und KI die globale Wasserkrise lösen?

Es gibt nichts Wichtigeres für das Leben auf der Erde als Wasser.

Fast 663 Millionen Menschen auf der ganzen Welt haben das ganze Jahr über keinen sicheren Zugang zu sauberem Wasser. Der Klimawandel wird die Situation wahrscheinlich verschlechtern, und die Suche nach Lösungen für weniger wirtschaftlich entwickelte Länder hat Priorität. Neue Technologien wie Big Data und KI können helfen, einen Ausweg zu finden ...

Katy Walters / Wasser, Wasser überall / [CC BY-SA 2.0 ]

Big Data - Analyse einer großen Menge von Informationen mit Tools, die diese viel schneller verarbeiten können als Menschen ohne technischen Support.

Die Erfassung und Akkumulation von Daten hat in den letzten Jahren aufgrund kostengünstiger Sensoren und des vermehrten Einsatzes von Geodatenanalysen an Volumen zugenommen. Diese neuen Technologien haben unsere Fähigkeit verbessert, die Wasserversorgung zu lokalisieren und zu steuern. Darüber hinaus bietet die von modernen Sensoren bereitgestellte Infrastruktur Möglichkeiten für Cloud Computing und eine erhöhte Datenverfügbarkeit auf allen Systemen.

Landwirtschaft

Die Landwirtschaft ist bei weitem der größte Wasserverbraucher (und -verschwender) der Welt. Landwirte verbrauchen 70% der weltweiten Frischwasserversorgung, 60% gehen jedoch aufgrund von Undichtigkeiten in Bewässerungsanlagen und irrationalen Anwendungen verloren.

Die Big-Data-Analyse kann weiterhin nach optimalen Lösungen suchen, um Produktivität und Zuverlässigkeit in der Landwirtschaft in Einklang zu bringen. Es kann auch durch Menschen verursachte Unfälle verhindern, wie z. B. einen plötzlichen Rückgang der Wasserqualität, der bis zur vollständigen Manifestation der Folgen verborgen bleiben kann.

Dies kann Wasserunternehmen helfen, die Trends in Bezug auf Landnutzung und Klima zu verstehen, die sich auf wichtige Entscheidungen bei der Planung adaptiver und regulierter Wassersysteme auswirken.

Big Data und Modellierung helfen der gemeinsamen Arbeit von Wasserversorgungsunternehmen und Landvermessern bei der Beurteilung, wie viel Wasser unter verschiedenen Entwicklungsoptionen benötigt und verfügbar sein wird.

Wasserverschwendung

Im 20. Jahrhundert verdreifachte sich die Weltbevölkerung, während sich der menschliche Wasserverbrauch versechsfachte.

Bis heute standen die Wasserversorgungsunternehmen zeitlich und ressourcenschonend still. Ihre Wasserversorgungs- und Sanitärinfrastruktur ist zerstört, Pumpen fallen aus, Rohre lecken und andere Teile laufen aus, aber beengte Unternehmen verfügen weder über Geld noch über Infrastrukturkenntnisse, um die erforderlichen Verbesserungen vorzunehmen.

Dringendes Datenproblem

In der Tat bedeutet Big Data das Vorhandensein einer großen Datenmenge. Wasserunternehmen erhalten Daten über SCADA-Systeme (Supervisor Control and Data Collection), einschließlich Durchflussstatistiken, Online-Überwachung usw.

Versandverwaltung und Datenerfassung (SCADA) - Software, die Computer, lokale Datennetze und eine grafische Benutzeroberfläche verwendet, um die Steuerung und Verwaltung auf hoher Ebene zu organisieren.

Unternehmen setzen bereits SCADA- Systeme ein, mit denen sie große Datenmengen erfassen können. Es stellt sich jedoch häufig heraus, dass sie nicht wissen oder sich nicht darum kümmern, wie diese Daten konkrete Vorteile bringen sollen.

Ihre SCADA-Systeme können alt sein, eindeutige Datenformate erzeugen und müssen nicht für die Zusammenarbeit (Uneinigkeit) erstellt werden.

Darüber hinaus sind die in Behandlungseinrichtungen gesammelten Daten häufig fragmentarisch. Die Daten von Computersystemen, die nicht immer miteinander in Kontakt kommen, sind uneinheitlich. Durch die Entwicklung von Big Data und neuen Datenverwaltungstools können wir all diese Daten in verständliche, nützliche Informationen umwandeln, die uns helfen, umsichtiger zu werden und bessere Geschäftsentscheidungen zu treffen.

Darüber hinaus können Mitarbeiter von Unternehmen, die diese Art von Informationen in der Hand haben, potenzielle Probleme eher im Voraus erkennen, bevor sie auftreten, als sich beeilen, so etwas wie eine kaputte Pumpe zu reparieren. SCADA-Systeme können die aktuelle Situation in Echtzeit anzeigen und Probleme sofort signalisieren. Die Fähigkeit, wahrscheinliche Probleme mithilfe intelligenter Plattformen zur Verarbeitung und Analyse von Daten vorherzusagen, verändert die Situation grundlegend.

Der nächste Schritt - das Kombinieren von Daten und die Verwendung analytischer Verarbeitungswerkzeuge, um vorherzusagen, wo wir suchen sollten, um weitsichtiger zu werden - ist für das Wassermanagement äußerst wichtig.
Konzentrieren Sie sich auf Qualität, nicht auf Quantität.

Selbst die feinste Organisation der analytischen Datenverarbeitung kann Messfehler nicht vermeiden. Wenn Sie sich nicht auf Ihre Hauptsensoren und -analysatoren verlassen können, haben Sie eine große Menge falscher Daten , die unbrauchbar sind.

Wie funktioniert es?

Data Mining (Anmerkung des Übersetzers: Es gibt mehrere Übersetzungen dieses Begriffs, in diesem Artikel wird „Datenextraktion“ verwendet). Auf diese Weise erkennt ein Spezialist für die Arbeit mit Big Data Informationen in einem Rohdatenstrom. Die Anreize und Vorteile auf beiden Seiten - Versorger und Verbraucher - können dann mithilfe mathematischer Modelle wie Bayes'scher Inferenz und spieltheoretischer Modelle synchronisiert werden. Aus Big Data gewonnenes Kommunikationswissen wird endlich geteilt, damit Bediener, Ingenieure und Manager es nutzen können.

An Rohdaten mangelt es nicht. Fast 60% der Wasserversorgungsunternehmen verfügen an allen Pumpstationen über Ferndatenerfassungssysteme, und 43% verfügen über Datenerfassungssysteme an allen Stauseen.

Big Data-Vorteile:

- Erweiterte Trends
Hochleistungs-Big Data (kolossal große Datenmengen) bietet das Potenzial, ein intelligentes Ressourcenmanagement für die Wasserversorgungsinfrastruktur zu schaffen und den Managern die Möglichkeit zu geben, ihre Ressourcen korrekt, genau zu bewerten, vorherzusagen und zu verteilen. Wasserversorgungsunternehmen können durch eine Trendanalyse unterstützt werden, die bei der Erstellung von Prognosen für die Zukunft auf Analysemethoden basiert, um verborgene Muster und Trends zu identifizieren, die in den alten Daten verborgen sind.

- Prognostizierte Nachfrage
Eine erweiterte Analyse von Big Data macht es für hochrangige Manager praktisch möglich, die Belastung des Systems vorherzusagen, indem Muster erkannt und eine Reihe von Szenarien mithilfe eines dynamischen Modellierungssystems und fortschrittlicher Algorithmen für maschinelles Lernen modelliert werden. Verbesserte Vorhersage der Belastung des Systems zur Vorhersage des Verhaltens beim Wasserverbrauch mithilfe von Big Data in mehreren Datensätzen, z. B. demografische Faktoren (Bevölkerungsdichte usw.), Verbrauchsmuster in vergangenen Zeiträumen, Klima (Temperatur, Luftfeuchtigkeit usw.). ), Infrastruktur (verwendete Technologien, Alter, Produktivität usw.), politische, wirtschaftliche und andere Kriterien. Diese Komponenten sind Eingabevariablen für die Entwicklung eines Vorhersagemodells, das das Verbraucherverhalten (d. H. Den Wasserbedarf) vorhersagen kann.

- Automatisierte Steuerung
Was wäre, wenn diese SCADA-Systeme anstelle von Signalen an ein Team von Ingenieuren selbstoptimierende Befehle senden könnten? Stellen wir uns so etwas wie selbstanpassende Technologien vor, die uns helfen, das Wasser zu regulieren.

- Daten öffnen
Einige andere Bereiche, in denen Datenintegration Innovationen vorantreibt, sind Open Data und Zivilwissenschaften. Die Kehrseite der Tatsache, dass Versorgungsunternehmen nicht in einem Wettbewerbsumfeld arbeiten, ist die Fähigkeit, Bedingungen für Innovationen für andere zu schaffen. Von Unternehmen gesammelte Datensätze können und werden in einigen Fällen als offene Daten für Dritte verfügbar.

Wie man AI anwendet

AI ist eine hoch skalierbare und kostengünstige Lösung für eine große Anzahl von Wasserleitungen von Versorgungsunternehmen. Zusätzlich zur Datenintegration verbessert AI auch die Entscheidungsfindung, indem Empfehlungen basierend auf diesen Daten bereitgestellt werden.

Auf maschinellem Lernen basierende KI-Software für die Rohrbewertung ist eine bessere Entwicklungsstrategie als nur Robotik. AI kann innerhalb weniger Stunden Tausende von Kilometern [Trompeten] analysieren und wird so zu einer äußerst kostengünstigen Lösung.

Maschinelles Lernen ist der beste Weg, um sinnvolle Beziehungen innerhalb von Daten zu finden und dann eine funktionale Beziehung abzuleiten, anhand derer Entscheidungen getroffen werden können.

Beispielsweise wurden Prognosemodelle entwickelt, mit denen Versorgungsunternehmen die Nachfrage mit einer Genauigkeit von bis zu 98% prognostizieren können. Diese Modelle verwenden die gesammelten Daten und kombinieren sie mit anderen Daten, z. B. Wettervorhersagen, die dann in externen Anwendungen an Modelle für maschinelles Lernen übertragen werden.

Während andere Branchen häufig Trendanalysen und -prognosen verwenden, bleibt ihr Schlüsselwert für einen stark fragmentierten Wassersektor ein Rätsel.

Dienstleister und Versorgungsunternehmen sollten in die Organisation geeigneter Datenerfassungssysteme investieren, um Mikro- und Makrodaten-Trends zu erfassen, zu gruppieren und zu analysieren. Dies ist ein erster Schritt zur Optimierung des Managements und der Entscheidungsfindung von Infrastrukturressourcen im Wassersektor.

Einige Startups entwickeln tief lernende Wassermanagementlösungen. Die Unternehmen versprechen, "die Möglichkeit zu bieten, Wasserlecks in Wasserversorgungssystemen zu verhindern, den allgemeinen Zustand des Systems vorherzusagen und die aktuellen Kosten zu minimieren". Sie können zeitgestempelte Daten von Sensoren und Zählern anbieten, indem sie den fortschrittlichsten Deep-Learning-Algorithmus verwenden, um sie zu analysieren.

In Indien wurden zwei ANN-Modelle entwickelt, um die Wasserqualität im Gomti-Fluss zu bestimmen. Wasserqualitätsparameter wie Säuregehalt (pH), Gesamtfeststoffgehalt, chemischer Sauerstoffverbrauch wurden als Datensatz herangezogen und eine vorläufige Berechnung des in Wasser gelösten Sauerstoffs und des biologischen Sauerstoffbedarfs durchgeführt.

Ein künstliches neuronales Netzwerk (ANN) ist ein Rechenmodell, das auf der Struktur und Funktionsweise biologischer neuronaler Netzwerke basiert.

Ein Prototyp eines neuronalen Netzwerks wurde unter Verwendung von Daten entwickelt, die Beobachtungen über drei Jahre enthielten. Eingabedatensätze wurden unter Verwendung des Korrelationskoeffizienten mit gelöstem Sauerstoff berechnet. Die Berechnungen des ANN-Prototyps wurden unter Verwendung des Korrelationskoeffizienten, des Standardfehlers und des Effizienzkoeffizienten verglichen. Die geschätzten Werte des in Wasser gelösten Sauerstoffs und des biologischen Sauerstoffbedarfs sind gleich.

Beispiel für die Verarbeitung von Pipeline-Daten

Fallstudien

In Bangalore können Wasserunternehmen jederzeit den Durchfluss messen und den Zugang zu Wasser so gerecht wie möglich gestalten. Mit einem einzigen Bedienfeld können Sie den Betrieb von mehr als 250 Wasserzählern überwachen und den einzelnen Einheiten mehr Aufmerksamkeit schenken.

In Kerala (Indien) verlassen sich Unternehmen auf IBM-Wasserzähler und -Sensoren, um den Wasserverbrauch zu überwachen, einschließlich der Identifizierung von Unregelmäßigkeiten, die auf einzelne Fälle unbefugter Verwendung hinweisen könnten. Der Vorteil von Big-Data-Verarbeitungs- und Analyseplattformen besteht darin, dass sie nach Abweichungen in Mustern suchen können, die ansonsten möglicherweise unentdeckt bleiben.

Schließlich hat Google mit mehreren Ländern vereinbart, ein KI-Modell für die Hochwasservorhersage zu entwickeln.

Die Zukunft der Datenanalyse

Da wir in die Ära der Big Data eintreten, können Wasserunternehmen fortschrittliche Sensoren einsetzen, die bisher unentdeckte Änderungen im Betrieb der Infrastruktur erfassen. Diese Prognosetechnologien helfen Unternehmen dabei, Fehlfunktionen und Undichtigkeiten von Geräten zu antizipieren.

Intelligente Technologien können Wasserunternehmen dabei helfen, ihren Kundenservice zu verbessern. Beispielsweise könnte ein Informationsanalysesystem mit einer Selbstbedienungsfunktion, das eine fortschrittliche Methode zum Aufzeichnen und Analysieren von Daten zur Wasserqualität verwendet, es Benutzern ermöglichen, ihren eigenen Wasserverbrauch zu steuern und zu optimieren.

Eine neue Welle technisch fortschrittlicher Analysetools bietet Wasserunternehmen die Möglichkeit, diese unmittelbaren Anforderungen zu erfüllen und Rohdaten in praktische Informationen umzuwandeln. Durch die Datenanalyse kann eine Fehlfunktion in der Infrastruktur schnell erkannt, der Wasserverlust verringert, ein Überlaufen der Abflüsse verhindert und der Status des Systems bewertet werden. Darüber hinaus können Daten die Produktivität offenbaren, Informationen zu proaktiven Wartungsfällen bereitstellen und Leitlinien für die langfristige Planung liefern.

Während es sich zum größten Teil um Big Data als Ersatz physischer Assets durch digitale Technologien handelt, ist der Einsatz von Online-Tools zur Verbesserung der Effizienz der Nutzung physischer Assets in Offline-Unternehmen wie dem Wassermanagement ein bedeutenderer und einflussreicherer Trend. In diesem Zusammenhang bringt die Rolle der Daten den Leiter nicht dazu, intelligent zu sprechen. Ihre Aufgabe ist es, bessere Entscheidungen zu treffen. Und Sie können dies nicht nur mit Technologie oder Datenanalyse tun, egal wie cool Sie sind.

Daten und Wasser sind wirklich kompatibel.

Über den Autor des Artikels . Alexandre Gonfalonieri schreibt in seinem Blog über den Einsatz künstlicher Intelligenz im Alltag und die Lösung dringender Probleme.