¿Pueden los Big Data y la IA resolver la crisis mundial del agua?

No hay nada más importante para la vida en la Tierra que el agua.

Casi 663 millones de personas en todo el mundo no tienen acceso seguro al agua potable durante todo el año. Es probable que el cambio climático empeore la situación, y encontrar soluciones para los países menos desarrollados económicamente es una prioridad. Las nuevas tecnologías como Big Data y AI pueden ayudar a encontrar una salida ...

Katy Walters / Agua, agua en todas partes / [CC BY-SA 2.0 ]

Big data : análisis de una gran cantidad de información con herramientas que pueden procesarla mucho más rápido de lo que las personas pueden hacerlo sin soporte técnico.

La adquisición y acumulación de datos ha aumentado en volumen en los últimos años debido a los sensores de bajo costo y al mayor uso del análisis geoespacial. Estas nuevas tecnologías han mejorado nuestra capacidad de localizar y controlar los suministros de agua. Además, la infraestructura proporcionada por sensores modernos crea oportunidades para la computación en la nube y una mayor disponibilidad de datos en todos los sistemas.

Agricultura

La agricultura es, con mucho, el mayor usuario (y desperdicio) de agua en el mundo. Los agricultores utilizan el 70% del suministro mundial de agua dulce, pero el 60% se pierde como resultado de fugas en las plantas de riego y aplicaciones irracionales.

El análisis de Big Data puede continuar buscando soluciones óptimas para equilibrar la productividad y la fiabilidad en lo que respecta a la agricultura. También puede prevenir accidentes causados ​​por humanos, como una caída repentina en la calidad del agua, que puede permanecer oculta hasta la manifestación completa de las consecuencias.

Esto puede ayudar a las compañías de agua a comprender las tendencias en el uso del suelo y el clima que afectarán las decisiones clave al planificar sistemas de agua adaptados y regulados.

Big data y modelado ayudan al trabajo conjunto de compañías de suministro de agua y agrimensores en la evaluación de cuánta agua se necesitará y estará disponible bajo varias opciones de desarrollo.

Desperdicio de agua

En el siglo XX, la población mundial se triplicó, mientras que el uso humano del agua se multiplicó por seis.

Hasta hoy, las empresas de suministro de agua estaban paralizadas en términos de tiempo y recursos. Su infraestructura de abastecimiento de agua y saneamiento está destrozada, las bombas se rompen, las tuberías tienen fugas y otras partes caducan, pero las pequeñas empresas no tienen dinero ni conocimientos de infraestructura para realizar las mejoras necesarias.

Problema urgente de datos

De hecho, big data significa la presencia de una gran cantidad de datos. Las compañías de agua reciben datos a través de sistemas de control de supervisión y recopilación de datos (SCADA), que incluyen estadísticas de flujo, monitoreo en línea, etc.

Gestión de despacho y recopilación de datos (SCADA) : software que utiliza computadoras, redes de datos locales y una interfaz gráfica de usuario para organizar el control y la gestión a un alto nivel.

Las empresas ya están implementando sistemas SCADA , lo que les permite recopilar grandes cantidades de datos. Sin embargo, a menudo resulta que no saben o no les importa cómo hacer que estos datos traigan beneficios concretos.

Sus sistemas SCADA pueden ser antiguos, producir formatos de datos únicos y no tienen que ser creados para la colaboración (desunión).

Además, los datos recopilados en las instalaciones de tratamiento a menudo son fragmentarios. Hay desunión en los datos de los sistemas informáticos que no siempre entran en contacto entre sí. Los desarrollos en big data y las nuevas herramientas de administración de datos nos permiten convertir todos estos datos en información útil y comprensible que nos ayuda a ser más prudentes y a tomar mejores decisiones comerciales.

Además, es más probable que los empleados de empresas con este tipo de información en sus manos puedan identificar posibles problemas por adelantado incluso antes de que ocurran, en lugar de apresurarse a reparar algo como una bomba rota . Los sistemas SCADA son capaces de mostrar en tiempo real la situación actual y señalar problemas de inmediato. La capacidad de predecir problemas probables utilizando plataformas inteligentes para procesar y analizar datos está cambiando fundamentalmente la situación.

El siguiente paso, la combinación de datos y el uso de herramientas de procesamiento analítico para predecir dónde debemos mirar para ser más visionarios, es extremadamente importante para la gestión del agua.
Concéntrese en la calidad, no en la cantidad.

Incluso el procesamiento de datos analíticos más finamente organizado no puede evitar errores de medición. Si no confía en sus sensores y analizadores principales, tendrá una gran cantidad de datos incorrectos que son inútiles.

Como funciona

Minería de datos (nota del traductor: hay varias traducciones de este término, "extracción de datos" se utilizará en este artículo): así es como un especialista en trabajar con grandes datos descubre información en un flujo de datos sin procesar. Los incentivos y beneficios en ambos lados, proveedores de servicios públicos y consumidores, se pueden sincronizar utilizando modelos matemáticos, como la inferencia bayesiana y los modelos de teoría de juegos. El conocimiento de comunicación derivado de big data finalmente se comparte para que los operadores, ingenieros y gerentes puedan usarlo.

No hay escasez de datos en bruto. Casi el 60% de las empresas de suministro de agua tienen sistemas remotos de recolección de datos en todas las estaciones de bombeo, y el 43% tienen recolección de datos en todos los embalses.

Beneficios de Big Data:

- Tendencias avanzadas
Big Data de alto rendimiento (conjuntos de datos colosalmente enormes) tiene el potencial de crear una gestión inteligente de los recursos de la infraestructura de suministro de agua, proporcionando a los gerentes la capacidad de evaluar, pronosticar y distribuir sus recursos de manera correcta, precisa. Las empresas de suministro de agua pueden recibir ayuda mediante el análisis de tendencias, que, al crear pronósticos para el futuro, se basa en métodos analíticos para identificar patrones y tendencias ocultos que yacen ocultos en los datos antiguos.

- Previsión de demanda
Un análisis avanzado de big data hace que el pronóstico de la carga en el sistema sea prácticamente factible para los gerentes de alto nivel al reconocer patrones y modelar una serie de escenarios utilizando un sistema de modelado dinámico y algoritmos avanzados de aprendizaje automático. Predicción mejorada de la carga en el sistema para predecir el comportamiento cuando se consume agua utilizando grandes datos en varios conjuntos de datos, como factores demográficos (densidad de población, etc.), patrones de consumo en períodos pasados, clima (temperatura, humedad, etc.) ), infraestructura (tecnologías utilizadas, edad, productividad, etc.), criterios políticos, económicos y de otro tipo. Estos componentes son variables de entrada para el desarrollo de un modelo predictivo que puede predecir el comportamiento del consumidor (es decir, la demanda de agua).

- Control automatizado
¿Qué sucede si, en lugar de enviar señales a un equipo de ingenieros, estos sistemas SCADA podrían enviar comandos de autoajuste? Imaginemos algo como tecnologías autoajustables que nos ayudan a regular el agua.

- Datos abiertos
Algunas otras áreas donde la integración de datos impulsa la innovación son los datos abiertos y la ciencia civil. La otra cara del hecho de que las empresas de servicios públicos no funcionan en un entorno competitivo es la capacidad de crear condiciones para la innovación para otros. Los conjuntos de datos recopilados por las empresas pueden convertirse, y en algunos casos, están disponibles para un tercero como datos abiertos.

Cómo aplicar IA

AI es una solución altamente escalable y rentable para una gran cantidad de tuberías de agua propiedad de empresas de servicios públicos. Además de la integración de datos, AI también mejora la toma de decisiones al proporcionar recomendaciones basadas en esos datos.

El software de IA basado en aprendizaje automático para la evaluación de tuberías es una mejor estrategia de desarrollo que solo la robótica. La IA puede analizar miles de millas [trompetas] en cuestión de horas, convirtiéndose en una solución extremadamente rentable.

El aprendizaje automático es la mejor manera de encontrar relaciones significativas dentro de los datos y luego derivar una relación funcional que se pueda utilizar para tomar decisiones.

Por ejemplo, se han desarrollado modelos de pronóstico para permitir a las empresas de servicios públicos pronosticar la demanda con una precisión de hasta el 98%. Estos modelos utilizan los datos recopilados, combinados con otros datos, como los pronósticos del tiempo, que luego se transmiten a los modelos de aprendizaje automático en aplicaciones externas.

Mientras que otras industrias están utilizando ampliamente el análisis de tendencias y el pronóstico, su valor clave sigue siendo un misterio para un sector del agua altamente fragmentado.

Los proveedores de servicios y las empresas de servicios públicos deben invertir en la organización de sistemas de recopilación de datos apropiados para recopilar, agrupar y analizar las tendencias de micro y macro datos como un primer paso hacia la optimización de la gestión de recursos de infraestructura y la toma de decisiones en el sector del agua.

Algunas nuevas empresas están desarrollando soluciones de gestión del agua de aprendizaje profundo. Las compañías prometen "proporcionar una oportunidad para evitar fugas de agua en los sistemas de suministro de agua, para predecir el estado general del sistema y minimizar los costos actuales". Pueden ofrecer datos con marca de tiempo de sensores y contadores utilizando el algoritmo de aprendizaje profundo más avanzado para analizarlos.

En India, se han desarrollado dos modelos ANN para determinar la calidad del agua en el río Gomti. Los parámetros de calidad del agua, como la acidez (pH), el contenido total de sólidos, el consumo químico de oxígeno se tomaron como un conjunto de datos y se realizó un cálculo preliminar del oxígeno disuelto en el agua y la demanda biológica de oxígeno.

Una red neuronal artificial (ANN) es un modelo computacional basado en la estructura y el funcionamiento de las redes neuronales biológicas.

Se desarrolló un prototipo de red neuronal utilizando datos que contenían observaciones durante tres años. Los conjuntos de datos de entrada se calcularon utilizando el coeficiente de correlación con oxígeno disuelto. Los cálculos del prototipo ANN se compararon utilizando el coeficiente de correlación, el error estándar y el coeficiente de eficiencia. Los valores estimados de oxígeno disuelto en agua y la demanda biológica de oxígeno son los mismos.

Ejemplo de procesamiento de datos de canalización

Estudios de caso

En Bangalore, las compañías de agua pueden medir el flujo en cualquier momento y hacer que el acceso al agua sea lo más equitativo posible. Al observar un solo panel de control, es posible monitorear el funcionamiento de más de 250 medidores de agua, así como prestar más atención a las unidades individuales.

En Kerala [India], las empresas confían en los medidores y sensores de agua de IBM para monitorear el uso del agua, incluida la identificación de irregularidades que podrían indicar casos individuales de uso no autorizado. La ventaja de las plataformas de análisis y procesamiento de grandes datos es que pueden buscar desviaciones en los patrones que de otro modo podrían pasar desapercibidos.

Finalmente, Google acordó con varios países desarrollar un modelo de IA para el pronóstico de inundaciones.

El futuro del análisis de datos.

Dado que estamos entrando en la era de los grandes datos, las compañías de agua podrán usar sensores avanzados que captarán cambios previamente no detectados en la operación de la infraestructura. Estas tecnologías de pronóstico ayudarán a las empresas a anticipar el mal funcionamiento del equipo y las fugas.

Las tecnologías inteligentes pueden ayudar a las compañías de agua a mejorar su servicio al cliente. Por ejemplo, un sistema analítico de información con una función de autoservicio que utiliza un método avanzado de registro y análisis de datos sobre la calidad del agua podría permitir a los usuarios controlar y optimizar su propio consumo de agua.

Una nueva ola de herramientas de análisis técnicamente avanzadas ofrece a las compañías de agua la oportunidad de satisfacer estas necesidades inmediatas y transformar los datos sin procesar en información práctica. El análisis de datos puede identificar rápidamente un mal funcionamiento en la infraestructura, reducir la pérdida de agua, evitar el desbordamiento en los desagües y evaluar el estado del sistema. Además, los datos pueden revelar la productividad, proporcionar información sobre casos de mantenimiento proactivo y proporcionar orientación en la planificación a largo plazo.

Si bien en su mayor parte están hablando de big data, como el reemplazo de activos físicos con tecnologías digitales, una tendencia más significativa e influyente es el uso de herramientas en línea para mejorar la eficiencia del uso de activos físicos en empresas fuera de línea, como la gestión del agua. En este contexto, el papel de los datos no hace que el líder hable de manera inteligente. Su tarea es ayudar a tomar mejores decisiones. Y no puede hacer esto solo con tecnología o con análisis de datos, no importa cuán genial sea.

Los datos y el agua son realmente compatibles.

Sobre el autor del artículo . Alexandre Gonfalonieri escribe en su blog sobre el uso de la inteligencia artificial en la vida cotidiana y la resolución de problemas apremiantes.