क्या बिग डेटा और AI ग्लोबल वाटर क्राइसिस को हल कर सकते हैं?

पानी की तुलना में पृथ्वी पर जीवन के लिए अधिक महत्वपूर्ण कुछ नहीं है।

दुनिया भर में लगभग 663 मिलियन लोगों को पूरे साल साफ पानी की सुरक्षित पहुंच नहीं है। जलवायु परिवर्तन से स्थिति और खराब होने की संभावना है, और कम आर्थिक रूप से विकसित देशों के लिए समाधान खोजना प्राथमिकता है। बिग डेटा और एआई जैसी नई तकनीकों से रास्ता निकालने में मदद मिल सकती है ...

केटी वाल्टर्स / पानी, पानी हर जगह / [CC BY-SA 2.0 ]

बड़ा डेटा - उपकरणों की बड़ी मात्रा में जानकारी का विश्लेषण जो इसे तकनीकी सहायता के बिना लोगों की तुलना में बहुत तेजी से संसाधित कर सकता है।

कम लागत वाले सेंसर और भू-स्थानिक विश्लेषण के उपयोग के कारण हाल के वर्षों में डेटा के अधिग्रहण और संचय में वृद्धि हुई है। इन नई तकनीकों ने पानी की आपूर्ति का पता लगाने और नियंत्रण करने की हमारी क्षमता में सुधार किया है। इसके अलावा, आधुनिक सेंसर द्वारा प्रदान किया गया बुनियादी ढांचा क्लाउड कंप्यूटिंग और सभी प्रणालियों पर डेटा उपलब्धता में वृद्धि के अवसर पैदा करता है।

कृषि

कृषि दुनिया में पानी का सबसे बड़ा उपयोगकर्ता (और नुक़सान) है। किसान दुनिया के 70% ताजे पानी की आपूर्ति का उपयोग करते हैं, लेकिन इसका 60% हिस्सा सिंचाई संयंत्रों और तर्कहीन अनुप्रयोगों के परिणामस्वरूप खो जाता है ।

बड़े डेटा विश्लेषण उत्पादकता और विश्वसनीयता को संतुलित करने के लिए इष्टतम समाधान खोज सकते हैं जब यह कृषि की बात आती है। यह मनुष्यों द्वारा होने वाली दुर्घटनाओं को भी रोक सकता है, जैसे कि पानी की गुणवत्ता में अचानक गिरावट, जो परिणामों के पूर्ण प्रकटीकरण तक छिपी रह सकती है।

यह जल कंपनियों को भूमि उपयोग और जलवायु के रुझानों को समझने में मदद कर सकता है जो अनुकूली और विनियमित जल प्रणालियों की योजना बनाते समय महत्वपूर्ण निर्णयों को प्रभावित करेगा।

बड़े डेटा और मॉडलिंग पानी की आपूर्ति कंपनियों और भूमि सर्वेक्षणकर्ताओं के संयुक्त काम में यह आकलन करने में मदद करते हैं कि विभिन्न विकास विकल्पों के तहत पानी की कितनी जरूरत और उपलब्ध होगी।

पानी की बर्बादी

20 वीं शताब्दी में, दुनिया की आबादी तीन गुना हो गई, जबकि मानव जल का उपयोग छह गुना बढ़ गया।

आज तक, समय और संसाधनों के मामले में जल आपूर्ति कंपनियां एक ठहराव पर थीं। उनकी पानी की आपूर्ति और स्वच्छता का बुनियादी ढांचा चरमरा गया है, पंप टूट गए हैं, पाइप लीक हो गए हैं, और अन्य हिस्से समाप्त हो गए हैं, लेकिन तंग उद्यमों के पास आवश्यक सुधार करने के लिए कोई पैसा या बुनियादी ढांचा ज्ञान नहीं है।

तत्काल डेटा समस्या

वास्तव में, बड़े डेटा का अर्थ है बड़ी मात्रा में डेटा की उपस्थिति। जल कंपनियां पर्यवेक्षी नियंत्रण और डेटा संग्रह (SCADA) प्रणालियों के माध्यम से डेटा प्राप्त करती हैं, जिसमें प्रवाह आँकड़े, ऑनलाइन निगरानी आदि शामिल हैं।

प्रेषण प्रबंधन और डेटा संग्रह (SCADA) - सॉफ्टवेयर जो कंप्यूटर, स्थानीय डेटा नेटवर्क और उच्च स्तर पर नियंत्रण और प्रबंधन को व्यवस्थित करने के लिए एक ग्राफिकल यूजर इंटरफेस का उपयोग करता है।

व्यवसाय पहले से ही SCADA सिस्टम की तैनाती कर रहे हैं, जिससे उन्हें बड़ी मात्रा में डेटा एकत्र करने में मदद मिल रही है। हालांकि, यह अक्सर पता चलता है कि वे नहीं जानते हैं या इस बात की परवाह नहीं करते हैं कि इस डेटा को ठोस लाभ कैसे लाया जाए।

उनकी SCADA प्रणाली पुरानी हो सकती है, अद्वितीय डेटा प्रारूप तैयार कर सकती है और सहयोग (असंगति) के लिए निर्मित नहीं होनी चाहिए।

इसके अलावा, उपचार सुविधाओं में एकत्र किए गए डेटा अक्सर खंडित होते हैं। कंप्यूटर सिस्टम के डेटा में असमानता है जो हमेशा एक दूसरे के संपर्क में नहीं आते हैं। बड़े डेटा और नए डेटा प्रबंधन टूल में विकास हमें इस सभी डेटा को समझने योग्य, उपयोगी जानकारी में बदलने की अनुमति देता है जो हमें अधिक विवेकवान बनने और बेहतर व्यावसायिक निर्णय लेने में मदद करता है।

इसके अलावा, अपने हाथों में इस प्रकार की जानकारी वाले उद्यमों के कर्मचारियों को संभावित रूप से संभावित समस्याओं की पहचान करने में सक्षम होने की संभावना है, इससे पहले कि वे टूटे हुए पंप की तरह कुछ मरम्मत करने के लिए दौड़ने के बजाय। SCADA सिस्टम मौजूदा स्थिति के वास्तविक समय प्रदर्शन और तुरंत सिग्नल समस्याओं में सक्षम हैं। डेटा के प्रसंस्करण और विश्लेषण के लिए स्मार्ट प्लेटफार्मों का उपयोग करके संभावित समस्याओं की भविष्यवाणी करने की क्षमता मौलिक रूप से स्थिति को बदल रही है।

अगला चरण - यह अनुमान लगाने के लिए कि हम और अधिक दूरदर्शी बनने के लिए कहां-कहां देखना चाहिए, यह अनुमान लगाने के लिए डेटा का संयोजन और विश्लेषणात्मक प्रसंस्करण उपकरणों का उपयोग करना - पानी के प्रबंधन के लिए अत्यंत महत्वपूर्ण है।
गुणवत्ता पर ध्यान दें, मात्रा पर नहीं।

यहां तक ​​कि सबसे अधिक व्यवस्थित विश्लेषणात्मक डेटा प्रसंस्करण माप त्रुटियों से बच नहीं सकता है। यदि आप अपने मुख्य सेंसर और एनालाइज़र में विश्वास नहीं कर रहे हैं, तो आपके पास बहुत बड़ी मात्रा में गलत डेटा होगा जो बेकार है।

यह कैसे काम करता है

डेटा माइनिंग (अनुवादक का नोट: इस शब्द के कई अनुवाद हैं, "डेटा निष्कर्षण" इस लेख में उपयोग किया जाएगा) - यह है कि कैसे बड़े डेटा के साथ काम करने में एक विशेषज्ञ कच्चे डेटा की एक धारा में जानकारी का पता चलता है। दोनों तरफ के प्रोत्साहन और लाभ - यूटिलिटी प्रोवाइडर और उपभोक्ता - तो गणितीय मॉडल जैसे बायेसियन इनविज़न और गेम थ्योरी मॉडल का उपयोग करके सिंक्रनाइज़ किए जा सकते हैं। बड़े डेटा से प्राप्त संचार ज्ञान अंततः साझा किया जा रहा है ताकि ऑपरेटर, इंजीनियर और प्रबंधक इसका उपयोग कर सकें।

कच्चे डेटा की कोई कमी नहीं है। लगभग 60% जल आपूर्ति कंपनियों के पास सभी पंपिंग स्टेशनों पर दूरस्थ डेटा संग्रह प्रणाली है, और 43% सभी जलाशयों में डेटा संग्रह है।

बड़े डेटा लाभ:

- उन्नत ट्रेंडिंग
उच्च-प्रदर्शन वाले बड़े डेटा (विशाल रूप से विशाल डेटा सेट) में पानी की आपूर्ति के बुनियादी ढांचे के स्मार्ट संसाधन प्रबंधन बनाने की क्षमता है, जो प्रबंधकों को उनके संसाधनों का सही, सही मूल्यांकन, पूर्वानुमान और वितरण करने की क्षमता प्रदान करता है। जल आपूर्ति कंपनियों को प्रवृत्ति विश्लेषण द्वारा मदद की जा सकती है, जो कि भविष्य के लिए पूर्वानुमान बनाते समय छिपे हुए पैटर्न और रुझानों की पहचान करने के लिए विश्लेषणात्मक तरीकों पर आधारित है जो पुराने डेटा में छिपे हुए हैं।

- पूर्वानुमान की मांग
बड़े डेटा का एक उन्नत विश्लेषण, पैटर्न को पहचानकर और गतिशील मॉडलिंग सिस्टम और उन्नत मशीन लर्निंग एल्गोरिदम का उपयोग करके कई परिदृश्यों को मॉडलिंग करके उच्च स्तर के प्रबंधकों के लिए व्यावहारिक रूप से व्यवहार्य प्रणाली पर भार का पूर्वानुमान लगाता है। कई डेटा सेटों में बड़े डेटा का उपयोग करके पानी की खपत करते समय सिस्टम पर लोड की बेहतर भविष्यवाणी, जैसे कि जनसांख्यिकीय कारक (जनसंख्या घनत्व, आदि), पिछले अवधि में खपत पैटर्न, जलवायु (तापमान, आर्द्रता, आदि)। ), अवसंरचना (प्रयुक्त तकनीक, आयु, उत्पादकता, आदि), राजनीतिक, आर्थिक और अन्य मापदंड। ये घटक एक पूर्वानुमान मॉडल के विकास के लिए इनपुट चर हैं जो उपभोक्ता व्यवहार (यानी, पानी की मांग) की भविष्यवाणी कर सकते हैं।

- स्वचालित नियंत्रण
क्या होगा, अगर इंजीनियरों की एक टीम को सिग्नल भेजने के बजाय, ये SCADA सिस्टम सेल्फ-ट्यूनिंग कमांड भेज सकते हैं? आइए स्व-समायोजन प्रौद्योगिकियों की तरह कुछ कल्पना करें जो हमें पानी को विनियमित करने में मदद करते हैं।

- डेटा खोलें
कुछ अन्य क्षेत्र जहां डेटा एकीकरण ड्राइव नवाचार हैं खुले डेटा और नागरिक विज्ञान। इस तथ्य का दूसरा पहलू यह है कि उपयोगिताओं प्रतिस्पर्धी माहौल में काम नहीं करती हैं, दूसरों के लिए नवाचार के लिए परिस्थितियों को बनाने की क्षमता है। उद्यमों द्वारा एकत्र किए गए डेटा सेट बन सकते हैं, और कुछ मामलों में खुले डेटा के रूप में तीसरे पक्ष के लिए उपलब्ध हो गए हैं।

कैसे करें आवेदन AI

एआई उपयोगिता कंपनियों के स्वामित्व वाली बड़ी संख्या में पानी के पाइप के लिए एक उच्च मापनीय और लागत प्रभावी समाधान है। डेटा एकीकरण के अलावा, AI उस डेटा के आधार पर सिफारिशें प्रदान करके निर्णय लेने में सुधार करता है।

पाइप मूल्यांकन के लिए मशीन लर्निंग एआई सॉफ्टवेयर सिर्फ रोबोटिक्स की तुलना में बेहतर विकास रणनीति है। एआई हजारों मील [तुरहियों] का विश्लेषण कर सकता है जो घंटों में एक बेहद लागत प्रभावी समाधान बन जाता है।

मशीन लर्निंग डेटा के भीतर सार्थक संबंधों को खोजने का सबसे अच्छा तरीका है और फिर एक कार्यात्मक संबंध प्राप्त करना है जिसका उपयोग निर्णय लेने के लिए किया जा सकता है।

उदाहरण के लिए, पूर्वानुमान मॉडल को 98% तक की सटीकता के साथ उपयोगिताओं की मांग की अनुमति देने के लिए विकसित किया गया है। ये मॉडल एकत्र किए गए डेटा का उपयोग करते हैं, अन्य डेटा के साथ गठबंधन करते हैं, जैसे मौसम पूर्वानुमान, जो तब बाहरी अनुप्रयोगों में मशीन लर्निंग मॉडल को प्रेषित किए जाते हैं।

जबकि अन्य उद्योग व्यापक रूप से प्रवृत्ति विश्लेषण और पूर्वानुमान का उपयोग कर रहे हैं, उनका महत्वपूर्ण मूल्य अत्यधिक खंडित जल क्षेत्र के लिए एक रहस्य बना हुआ है।

सेवा प्रदाताओं और उपयोगिताओं को पानी के क्षेत्र में बुनियादी ढांचा संसाधन प्रबंधन और निर्णय लेने की दिशा में पहले कदम के रूप में सूक्ष्म और मैक्रो-डेटा रुझानों को इकट्ठा करने, समूह बनाने और विश्लेषण करने के लिए उपयुक्त डेटा संग्रह प्रणालियों के आयोजन में निवेश करना चाहिए।

कुछ स्टार्टअप गहरे शिक्षण जल प्रबंधन समाधान विकसित कर रहे हैं। कंपनियां "पानी की आपूर्ति प्रणालियों में पानी के रिसाव को रोकने के लिए, सिस्टम की सामान्य स्थिति की भविष्यवाणी करने और वर्तमान लागत को कम करने के लिए एक अवसर प्रदान करने का वादा करती हैं।" वे सेंसर और काउंटरों से समय-स्टैंप किए गए डेटा की पेशकश कर सकते हैं ताकि उनका विश्लेषण करने के लिए सबसे उन्नत गहन शिक्षण एल्गोरिदम का उपयोग किया जा सके।

भारत में, गोमती नदी में पानी की गुणवत्ता निर्धारित करने के लिए दो एएनएन मॉडल विकसित किए गए हैं। पानी की गुणवत्ता के मापदंडों जैसे कि अम्लता (पीएच), कुल ठोस सामग्री, रासायनिक ऑक्सीजन की खपत को डेटा सेट के रूप में लिया गया था, और पानी और जैविक ऑक्सीजन की मांग में भंग ऑक्सीजन की प्रारंभिक गणना की गई थी।

एक कृत्रिम तंत्रिका नेटवर्क (ANN) एक कम्प्यूटेशनल मॉडल है जो जैविक तंत्रिका नेटवर्क की संरचना और कार्यप्रणाली पर आधारित है।

एक प्रोटोटाइप न्यूरल नेटवर्क को डेटा का उपयोग करके विकसित किया गया था जिसमें तीन वर्षों से अधिक अवलोकन थे। इनपुट डेटा सेट की गणना भंग ऑक्सीजन के साथ सहसंबंध गुणांक का उपयोग करके की गई थी। ANN प्रोटोटाइप की गणना सहसंबंध गुणांक, मानक त्रुटि और दक्षता गुणांक का उपयोग करके की गई थी। पानी और जैविक ऑक्सीजन की मांग में घुलित ऑक्सीजन के अनुमानित मूल्य समान हैं।

पाइपलाइन डाटा प्रोसेसिंग उदाहरण

केस की पढ़ाई

बैंगलोर में, जल कंपनियां किसी भी समय प्रवाह को माप सकती हैं और जितना संभव हो उतना पानी तक पहुंच बना सकती हैं। एकल नियंत्रण कक्ष का अवलोकन करते हुए, 250 से अधिक पानी के मीटर के संचालन की निगरानी करना संभव है, साथ ही व्यक्तिगत इकाइयों पर अधिक ध्यान देना।

केरल [भारत] में, कंपनियां पानी के उपयोग की निगरानी के लिए आईबीएम पानी के मीटर और सेंसर पर भरोसा करती हैं, जिसमें अनियमितताओं की पहचान करना शामिल है जो अनधिकृत उपयोग के व्यक्तिगत मामलों का संकेत दे सकते हैं। बड़े डेटा प्रोसेसिंग और विश्लेषण प्लेटफार्मों का लाभ यह है कि वे पैटर्न में विचलन की तलाश कर सकते हैं जो अन्यथा अनिर्धारित रह सकते हैं।

अंत में, Google ने बाढ़ पूर्वानुमान के लिए AI मॉडल विकसित करने के लिए कई देशों के साथ सहमति व्यक्त की है।

डेटा विश्लेषण का भविष्य

चूंकि हम बड़े डेटा के युग में प्रवेश कर रहे हैं, जल कंपनियां उन्नत सेंसर का उपयोग करने में सक्षम होंगी जो बुनियादी ढांचे के संचालन में पहले से अनिर्धारित परिवर्तनों को पकड़ लेंगे। इन पूर्वानुमान प्रौद्योगिकियों से कंपनियों को उपकरण की खराबी और लीक की आशंका में मदद मिलेगी।

स्मार्ट तकनीकें पानी कंपनियों को अपने ग्राहक सेवा में सुधार करने में मदद कर सकती हैं। उदाहरण के लिए, पानी की गुणवत्ता पर रिकॉर्डिंग और डेटा का विश्लेषण करने की एक उन्नत विधि का उपयोग करके स्वयं-सेवा फ़ंक्शन के साथ एक सूचना-विश्लेषणात्मक प्रणाली उपयोगकर्ताओं को अपने स्वयं के पानी की खपत को नियंत्रित करने और अनुकूलित करने की अनुमति दे सकती है।

तकनीकी रूप से उन्नत एनालिटिक्स टूल की एक नई लहर जल कंपनियों को इन तत्काल जरूरतों को पूरा करने और कच्चे डेटा को व्यावहारिक जानकारी में बदलने का अवसर प्रदान करती है। डेटा विश्लेषण जल्दी से बुनियादी ढांचे में एक खराबी की पहचान कर सकता है, पानी की कमी को कम कर सकता है, नालियों में अतिप्रवाह को रोक सकता है और सिस्टम की स्थिति का आकलन कर सकता है। इसके अलावा, डेटा उत्पादकता को प्रकट कर सकता है, सक्रिय रखरखाव के मामलों की जानकारी प्रदान कर सकता है और दीर्घकालिक योजना में मार्गदर्शन प्रदान कर सकता है।

जबकि अधिकांश भाग के लिए वे बड़े डेटा के बारे में बात कर रहे हैं क्योंकि डिजिटल प्रौद्योगिकियों के साथ भौतिक संपत्ति के प्रतिस्थापन, ऑफ़लाइन उद्यमों में भौतिक संपत्ति का उपयोग करने की दक्षता में सुधार करने के लिए ऑनलाइन टूल का उपयोग जल प्रबंधन जैसे हैं। इस संदर्भ में, डेटा की भूमिका नेता को स्मार्ट तरीके से बोलने नहीं देती है। उनका काम बेहतर निर्णय लेने में मदद करना है। और आप यह केवल तकनीक या डेटा विश्लेषण के साथ नहीं कर सकते, चाहे आप कितने भी कूल क्यों न हों।

डेटा और पानी वास्तव में संगत हैं।

लेख के लेखक के बारे में । अलेक्जेंड्रे गोंफालोनियरी अपने ब्लॉग में रोजमर्रा की जिंदगी में कृत्रिम बुद्धिमत्ता के उपयोग और दबाने वाली समस्याओं को हल करने के बारे में लिखते हैं।