Le Big Data et l'IA peuvent-ils résoudre la crise mondiale de l'eau?

Il n'y a rien de plus important pour la vie sur Terre que l'eau.

Près de 663 millions de personnes dans le monde n'ont pas un accès sûr à l'eau potable toute l'année. Le changement climatique risque d'aggraver la situation et trouver des solutions aux pays les moins développés économiquement est une priorité. Les nouvelles technologies comme le Big Data et l'IA peuvent aider à trouver une issue ...

Katy Walters / De l'eau, de l'eau partout / [CC BY-SA 2.0 ]

Big data - analyse d'une énorme quantité d'informations avec des outils qui peuvent les traiter beaucoup plus rapidement que les gens ne peuvent le faire sans assistance technique.

L'acquisition et l'accumulation de données ont augmenté en volume ces dernières années en raison de capteurs bon marché et d'une utilisation accrue de l'analyse géospatiale. Ces nouvelles technologies ont amélioré notre capacité à localiser et à contrôler les approvisionnements en eau. De plus, l'infrastructure fournie par les capteurs modernes crée des opportunités pour le cloud computing et une disponibilité accrue des données sur tous les systèmes.

L'agriculture

L'agriculture est de loin le plus grand utilisateur (et gaspilleur) d'eau au monde. Les agriculteurs utilisent 70% de l’approvisionnement mondial en eau douce, mais 60% de celle-ci est perdue en raison de fuites dans les installations d’irrigation et d’applications irrationnelles.

L'analyse du Big Data peut continuer à rechercher des solutions optimales pour équilibrer la productivité et la fiabilité en matière d'agriculture. Il peut également prévenir les accidents causés par l'homme, tels qu'une baisse soudaine de la qualité de l'eau, qui peut rester cachée jusqu'à la manifestation complète des conséquences.

Cela peut aider les compagnies des eaux à comprendre les tendances de l'utilisation des terres et du climat qui affecteront les décisions clés lors de la planification de systèmes d'eau adaptatifs et réglementés.

Les mégadonnées et la modélisation aident le travail conjoint des sociétés d'approvisionnement en eau et des arpenteurs-géomètres pour évaluer la quantité d'eau qui sera nécessaire et disponible dans le cadre de diverses options de développement.

Déchets d'eau

Au 20e siècle, la population mondiale a triplé, tandis que l'utilisation humaine de l'eau a été multipliée par six.

Jusqu'à aujourd'hui, les sociétés d'approvisionnement en eau étaient au point mort en termes de temps et de ressources. Leur infrastructure d'approvisionnement en eau et d'assainissement est détruite, les pompes tombent en panne, les tuyaux fuient et d'autres pièces expirent, mais les entreprises limitées par les fonds n'ont ni l'argent ni les connaissances en matière d'infrastructure pour apporter les améliorations nécessaires.

Problème de données urgent

En fait, les mégadonnées signifient qu'il y a beaucoup de données. Les compagnies des eaux reçoivent des données par le biais de systèmes de contrôle et de collecte de données (SCADA), y compris les statistiques de flux, la surveillance en ligne, etc.

Gestion des expéditions et collecte de données (SCADA) - logiciel qui utilise des ordinateurs, des réseaux de données locaux et une interface utilisateur graphique pour organiser le contrôle et la gestion à un niveau élevé.

Les entreprises déploient déjà des systèmes SCADA , ce qui leur permet de collecter d'énormes quantités de données. Cependant, il s'avère souvent qu'ils ne savent pas ou ne se soucient pas de la manière dont ces données peuvent apporter des avantages concrets.

Leurs systèmes SCADA peuvent être anciens, produire des formats de données uniques et ne doivent pas être créés pour la collaboration (désunion).

De plus, les données collectées dans les centres de traitement sont souvent fragmentaires. Il y a désunion dans les données des systèmes informatiques qui ne sont pas toujours en contact les uns avec les autres. Les développements du Big Data et de nouveaux outils de gestion des données nous permettent de transformer toutes ces données en informations compréhensibles et utiles qui nous aident à devenir plus prudents et à prendre de meilleures décisions commerciales.

De plus, les employés des entreprises qui ont ce type d'informations en main sont plus susceptibles de pouvoir identifier à l'avance les problèmes potentiels avant même qu'ils ne surviennent, plutôt que de se précipiter pour réparer quelque chose comme une pompe cassée . Les systèmes SCADA sont capables d'afficher en temps réel la situation actuelle et de signaler immédiatement les problèmes. La capacité de prévoir les problèmes probables en utilisant des plateformes intelligentes pour le traitement et l'analyse des données change fondamentalement la situation.

La prochaine étape - combiner les données et utiliser des outils de traitement analytique pour prédire où nous devons regarder pour devenir plus clairvoyants - est extrêmement importante pour la gestion de l'eau.
Concentrez-vous sur la qualité, pas sur la quantité.

Même le traitement des données analytiques le plus finement organisé ne peut éviter les erreurs de mesure. Si vous n'avez pas confiance en vos principaux capteurs et analyseurs, vous aurez une énorme quantité de données incorrectes qui sont inutiles.

Comment ça marche

Exploration de données (note du traducteur: il existe plusieurs traductions de ce terme, «extraction de données» sera utilisée dans cet article) - c'est ainsi qu'un spécialiste du travail avec le Big Data découvre des informations dans un flux de données brutes. Les incitations et les avantages des deux côtés - fournisseurs de services publics et consommateurs - peuvent ensuite être synchronisés à l'aide de modèles mathématiques tels que l'inférence bayésienne et les modèles de théorie des jeux. Les connaissances en communication dérivées des mégadonnées sont enfin partagées afin que les opérateurs, ingénieurs et managers puissent les utiliser.

Les données brutes ne manquent pas. Près de 60% des entreprises d'approvisionnement en eau ont des systèmes de collecte de données à distance dans toutes les stations de pompage et 43% ont une collecte de données dans tous les réservoirs.

Avantages du Big Data:

- Tendance avancée
Les mégadonnées hautes performances (ensembles de données colossales) ont le potentiel de créer une gestion intelligente des ressources de l'infrastructure d'approvisionnement en eau, offrant aux gestionnaires la capacité d'évaluer correctement, avec précision, de prévoir et de distribuer leurs ressources. Les entreprises d'approvisionnement en eau peuvent être aidées par l'analyse des tendances qui, lors de la création de prévisions pour l'avenir, est basée sur des méthodes analytiques pour identifier les modèles et les tendances cachés qui se cachent dans les anciennes données.

- Demande prévisionnelle
Une analyse avancée des mégadonnées rend la prévision de la charge sur le système pratiquement réalisable pour les gestionnaires de haut niveau en reconnaissant les modèles et en modélisant un certain nombre de scénarios à l'aide d'un système de modélisation dynamique et d'algorithmes avancés d'apprentissage automatique. Amélioration de la prédiction de la charge sur le système pour prédire le comportement lors de la consommation d'eau à l'aide de mégadonnées dans plusieurs ensembles de données, tels que les facteurs démographiques (densité de population, etc.), les modes de consommation au cours des périodes passées, le climat (température, humidité, etc. ), les infrastructures (technologies utilisées, âge, productivité, etc.), les critères politiques, économiques et autres. Ces composants sont des variables d'entrée pour le développement d'un modèle prédictif qui peut prédire le comportement des consommateurs (c'est-à-dire la demande en eau).

- Contrôle automatisé
Et si, au lieu d'envoyer des signaux à une équipe d'ingénieurs, ces systèmes SCADA pouvaient envoyer des commandes d'auto-réglage? Imaginons quelque chose comme des technologies autoréglables qui nous aident à réguler l'eau.

- Données ouvertes
D'autres domaines où l'intégration des données stimule l'innovation sont les données ouvertes et les sciences civiles. L'inconvénient du fait que les services publics ne fonctionnent pas dans un environnement concurrentiel est la capacité de créer des conditions d'innovation pour les autres. Les ensembles de données collectées par les entreprises peuvent devenir, et dans certains cas, sont devenus accessibles à un tiers en tant que données ouvertes.

Comment appliquer l'IA

L'IA est une solution hautement évolutive et rentable pour un grand nombre de conduites d'eau appartenant à des sociétés de services publics. En plus de l'intégration des données, l'IA améliore également la prise de décision en fournissant des recommandations basées sur ces données.

Un logiciel d'IA basé sur l'apprentissage automatique pour l'évaluation des tuyaux est une meilleure stratégie de développement que la robotique. L'IA peut analyser des milliers de miles [trompettes] en quelques heures, devenant ainsi une solution extrêmement rentable.

L'apprentissage automatique est le meilleur moyen de trouver des relations significatives dans les données, puis de dériver une relation fonctionnelle qui peut être utilisée pour prendre des décisions.

Par exemple, des modèles de prévision ont été développés pour permettre aux services publics de prévoir la demande avec une précision allant jusqu'à 98%. Ces modèles utilisent les données collectées, se combinent avec d'autres données, telles que les prévisions météorologiques, qui sont ensuite transmises à des modèles d'apprentissage automatique dans des applications externes.

Alors que d'autres industries utilisent largement l'analyse et la prévision des tendances, leur valeur clé reste un mystère pour un secteur de l'eau très fragmenté.

Les prestataires de services et les services publics devraient investir dans l'organisation de systèmes de collecte de données appropriés pour collecter, regrouper et analyser les tendances des microdonnées et des macrodonnées comme première étape vers l'optimisation de la gestion des ressources d'infrastructure et de la prise de décision dans le secteur de l'eau.

Certaines startups développent des solutions de gestion de l'eau en deep learning. Les entreprises promettent "de fournir une opportunité pour empêcher les fuites d'eau dans les systèmes d'approvisionnement en eau, de prévoir l'état général du système et de minimiser les coûts actuels". Ils peuvent offrir des données horodatées provenant de capteurs et de compteurs en utilisant l'algorithme d'apprentissage en profondeur le plus avancé pour les analyser.

En Inde, deux modèles RNA ont été développés pour déterminer la qualité de l'eau dans la rivière Gomti. Des paramètres de qualité de l'eau tels que l'acidité (pH), la teneur totale en solides, la consommation chimique d'oxygène ont été pris comme un ensemble de données, et un calcul préliminaire de l'oxygène dissous dans l'eau et de la demande biologique en oxygène a été effectué.

Un réseau de neurones artificiels (ANN) est un modèle de calcul basé sur la structure et le fonctionnement des réseaux de neurones biologiques.

Un prototype de réseau neuronal a été développé à partir de données contenant des observations sur trois ans. Les ensembles de données d'entrée ont été calculés en utilisant le coefficient de corrélation avec l'oxygène dissous. Les calculs du prototype ANN ont été comparés à l'aide du coefficient de corrélation, de l'erreur standard et du coefficient d'efficacité. Les valeurs estimées de l'oxygène dissous dans l'eau et la demande biologique en oxygène sont les mêmes.

Exemple de traitement de données de pipeline

Etudes de cas

À Bangalore, les compagnies des eaux peuvent mesurer le débit à tout moment et rendre l'accès à l'eau aussi équitable que possible. En observant un seul panneau de commande, il est possible de surveiller le fonctionnement de plus de 250 compteurs d'eau, ainsi que d'accorder plus d'attention aux unités individuelles.

Au Kerala [Inde], les entreprises s'appuient sur des compteurs d'eau et des capteurs IBM pour surveiller la consommation d'eau, notamment en identifiant les irrégularités qui pourraient indiquer des cas individuels d'utilisation non autorisée. L'avantage des plates-formes de traitement et d'analyse des mégadonnées est qu'elles peuvent rechercher des écarts dans les modèles qui pourraient autrement rester non détectés.

Enfin, Google a convenu avec plusieurs pays de développer un modèle d'IA pour la prévision des inondations.

L'avenir de l'analyse des données

Puisque nous entrons dans l'ère des mégadonnées, les compagnies des eaux pourront utiliser des capteurs avancés qui capteront les changements non détectés auparavant dans le fonctionnement de l'infrastructure. Ces technologies de prévision aideront les entreprises à anticiper les dysfonctionnements et les fuites des équipements.

Les technologies intelligentes peuvent aider les compagnies des eaux à améliorer leur service à la clientèle. Par exemple, un système d'information analytique doté d'une fonction libre-service utilisant une méthode avancée d'enregistrement et d'analyse des données sur la qualité de l'eau pourrait permettre aux utilisateurs de contrôler et d'optimiser leur propre consommation d'eau.

Une nouvelle vague d'outils d'analyse techniquement avancés offre aux compagnies des eaux la possibilité de répondre à ces besoins immédiats et de transformer les données brutes en informations pratiques. L'analyse des données peut rapidement identifier un dysfonctionnement de l'infrastructure, réduire les pertes d'eau, empêcher le débordement dans les drains et évaluer l'état du système. De plus, les données peuvent révéler la productivité, fournir des informations sur les cas de maintenance proactive et fournir des conseils sur la planification à long terme.

Alors qu'ils parlent pour la plupart des mégadonnées comme du remplacement des actifs physiques par des technologies numériques, une tendance plus importante et plus influente est l'utilisation d'outils en ligne pour améliorer l'efficacité de l'utilisation des actifs physiques dans les entreprises hors ligne, telles que la gestion de l'eau. Dans ce contexte, le rôle des données ne fait pas parler le leader intelligemment. Leur tâche est d'aider à prendre de meilleures décisions. Et vous ne pouvez pas le faire uniquement avec la technologie ou avec l'analyse de données, peu importe à quel point vous êtes cool.

Les données et l'eau sont vraiment compatibles.

À propos de l'auteur de l'article . Alexandre Gonfalonieri écrit dans son blog sur l'utilisation de l'intelligence artificielle dans la vie quotidienne et la résolution de problèmes urgents.