Big Data e IA podem resolver a crise global da água?

Não há nada mais importante para a vida na Terra do que a água.

Quase 663 milhões de pessoas em todo o mundo não têm acesso seguro à água limpa durante todo o ano. É provável que as mudanças climáticas piorem a situação, e encontrar soluções para países menos desenvolvidos economicamente é uma prioridade. Novas tecnologias como Big Data e AI podem ajudar a encontrar uma saída ...

Katy Walters / Água, água em todos os lugares / [CC BY-SA 2.0 ]

Big data - análise de uma enorme quantidade de informações com ferramentas que podem processá-las muito mais rapidamente do que as pessoas sem suporte técnico.

A aquisição e o acúmulo de dados aumentaram em volume nos últimos anos devido a sensores de baixo custo e ao aumento do uso de análises geoespaciais. Essas novas tecnologias melhoraram nossa capacidade de localizar e controlar o suprimento de água. Além disso, a infraestrutura fornecida por sensores modernos cria oportunidades para computação em nuvem e maior disponibilidade de dados em todos os sistemas.

Agricultura

A agricultura é de longe o maior usuário (e desperdiçador) de água do mundo. Os agricultores usam 70% do suprimento mundial de água doce, mas 60% dela é perdida como resultado de vazamentos em plantas de irrigação e aplicações irracionais.

A análise de big data pode continuar buscando soluções ideais para equilibrar produtividade e confiabilidade no que diz respeito à agricultura. Também pode prevenir acidentes causados ​​por seres humanos, como uma queda repentina na qualidade da água, que pode permanecer oculta até a plena manifestação das consequências.

Isso pode ajudar as empresas de água a entender as tendências no uso da terra e no clima que afetarão as principais decisões ao planejar sistemas de água adaptados e regulados.

O big data e a modelagem ajudam o trabalho conjunto das empresas de abastecimento de água e agrimensores na avaliação da quantidade de água necessária e disponível sob várias opções de desenvolvimento.

Desperdício de água

No século 20, a população mundial triplicou, enquanto o uso humano da água aumentou seis vezes.

Até hoje, as empresas de abastecimento de água estavam paradas em termos de tempo e recursos. Sua infra-estrutura de abastecimento de água e saneamento é destruída, as bombas quebram, os tubos vazam e outras peças expiram, mas as empresas apertadas não têm dinheiro ou conhecimento de infraestrutura para fazer as melhorias necessárias.

Problema urgente de dados

De fato, big data significa a presença de uma enorme quantidade de dados. As empresas de água recebem dados por meio de sistemas de controle supervisório e coleta de dados (SCADA), incluindo estatísticas de fluxo, monitoramento on-line etc.

Gerenciamento de expedição e coleta de dados (SCADA) - software que usa computadores, redes de dados locais e uma interface gráfica do usuário para organizar o controle e o gerenciamento em alto nível.

As empresas já estão implantando sistemas SCADA , permitindo coletar grandes quantidades de dados. No entanto, muitas vezes acontece que eles não sabem ou não se importam em como fazer com que esses dados tragam benefícios concretos.

Seus sistemas SCADA podem ser antigos, produzir formatos de dados exclusivos e não precisam ser criados para colaboração (desunião).

Além disso, os dados coletados nas instalações de tratamento são frequentemente fragmentários. Há desunião nos dados dos sistemas de computador que nem sempre entram em contato um com o outro. Os desenvolvimentos em big data e novas ferramentas de gerenciamento de dados nos permitem transformar todos esses dados em informações compreensíveis e úteis que nos ajudam a tornar-nos mais prudentes e a tomar melhores decisões de negócios.

Além disso, os funcionários de empresas com esse tipo de informação em suas mãos têm mais chances de identificar problemas em potencial antes mesmo que ocorram, em vez de se apressarem em reparar algo como uma bomba quebrada . Os sistemas SCADA são capazes de exibir em tempo real a situação atual e sinalizar imediatamente problemas. A capacidade de prever problemas prováveis ​​usando plataformas inteligentes para processar e analisar dados está mudando fundamentalmente a situação.

O próximo passo - combinar dados e usar ferramentas de processamento analítico para prever para onde devemos procurar, a fim de nos tornarmos mais claros - é extremamente importante para o gerenciamento da água.
Concentre-se na qualidade, não na quantidade.

Mesmo o processamento de dados analíticos mais bem organizado não pode evitar erros de medição. Se você não estiver confiante nos seus principais sensores e analisadores, terá uma enorme quantidade de dados incorretos que são inúteis.

Como isso funciona

Mineração de dados (nota do tradutor: existem várias traduções desse termo, "extração de dados" será usada neste artigo) - é assim que um especialista em trabalhar com big data descobre informações em um fluxo de dados brutos. Os incentivos e benefícios de ambos os lados - fornecedores de serviços públicos e consumidores - podem então ser sincronizados usando modelos matemáticos, como inferência bayesiana e modelos de teoria dos jogos. Finalmente, o conhecimento de comunicação derivado do big data está sendo compartilhado para que operadores, engenheiros e gerentes possam usá-lo.

Não há falta de dados brutos. Quase 60% das empresas de abastecimento de água têm sistemas remotos de coleta de dados em todas as estações de bombeamento e 43% têm coleta de dados em todos os reservatórios.

Benefícios do Big Data:

- Tendências avançadas
O big data de alto desempenho (conjuntos de dados enormes) tem o potencial de criar um gerenciamento inteligente de recursos da infraestrutura de abastecimento de água, fornecendo aos gerentes a capacidade de avaliar, prever, prever e distribuir corretamente, com precisão. As empresas de abastecimento de água podem ser auxiliadas pela análise de tendências, que, ao criar previsões para o futuro, é baseada em métodos analíticos para identificar padrões e tendências ocultos ocultos nos dados antigos.

- Previsão de demanda
Uma análise avançada de big data torna praticamente viável a previsão da carga no sistema para gerentes de alto nível, reconhecendo padrões e modelando vários cenários usando um sistema de modelagem dinâmico e algoritmos avançados de aprendizado de máquina. Previsão melhorada da carga no sistema para prever o comportamento ao consumir água usando big data em vários conjuntos de dados, como fatores demográficos (densidade populacional etc.), padrões de consumo em períodos anteriores, clima (temperatura, umidade etc.) ), infraestrutura (tecnologias usadas, idade, produtividade etc.), critérios políticos, econômicos e outros. Esses componentes são variáveis ​​de entrada para o desenvolvimento de um modelo preditivo que pode prever o comportamento do consumidor (ou seja, demanda de água).

- Controle automatizado
E se, em vez de enviar sinais para uma equipe de engenheiros, esses sistemas SCADA pudessem enviar comandos de autoajuste? Vamos imaginar algo como tecnologias de auto-ajuste que nos ajudam a regular a água.

- Dados abertos
Algumas outras áreas em que a integração de dados impulsiona a inovação são dados abertos e ciência civil. O outro lado do fato de as empresas de serviços públicos não funcionarem em um ambiente competitivo é a capacidade de criar condições de inovação para outras pessoas. Os conjuntos de dados coletados pelas empresas podem se tornar e, em alguns casos, ficarem disponíveis para terceiros como dados abertos.

Como aplicar a IA

A IA é uma solução altamente escalável e econômica para um grande número de tubulações de água pertencentes a empresas de serviços públicos. Além da integração de dados, a IA também melhora a tomada de decisões, fornecendo recomendações com base nesses dados.

O software de IA baseado em aprendizado de máquina para avaliação de tubos é uma melhor estratégia de desenvolvimento do que apenas robótica. A IA pode analisar milhares de milhas [trombetas] em questão de horas, tornando-se uma solução extremamente econômica.

O aprendizado de máquina é a melhor maneira de encontrar relacionamentos significativos nos dados e derivar um relacionamento funcional que pode ser usado para tomar decisões.

Por exemplo, modelos de previsão foram desenvolvidos para permitir que as concessionárias prevejam a demanda com uma precisão de até 98%. Esses modelos usam os dados coletados, combinados com outros dados, como previsões do tempo, que são transmitidos aos modelos de aprendizado de máquina em aplicativos externos.

Enquanto outras indústrias estão usando amplamente a análise e previsão de tendências, seu valor principal permanece um mistério para um setor de água altamente fragmentado.

Os provedores de serviços e empresas de serviços públicos devem investir na organização de sistemas de coleta de dados apropriados para coletar, agrupar e analisar tendências de micro e macro dados como um primeiro passo para otimizar o gerenciamento de recursos de infraestrutura e a tomada de decisões no setor de água.

Algumas startups estão desenvolvendo soluções de gerenciamento de água para aprendizado profundo. As empresas prometem "proporcionar uma oportunidade para evitar vazamentos de água nos sistemas de abastecimento de água, prever as condições gerais do sistema e minimizar os custos atuais". Eles podem oferecer dados com data e hora de sensores e contadores usando o algoritmo de aprendizado profundo mais avançado para analisá-los.

Na Índia, dois modelos de RNA foram desenvolvidos para determinar a qualidade da água no rio Gomti. Parâmetros de qualidade da água, como acidez (pH), teor total de sólidos, consumo químico de oxigênio foram tomados como um conjunto de dados, e cálculos preliminares de oxigênio dissolvido em água e demanda biológica de oxigênio foram feitos.

Uma rede neural artificial (RNA) é um modelo computacional baseado na estrutura e funcionamento de redes neurais biológicas.

Uma rede neural protótipo foi desenvolvida usando dados que continham observações ao longo de três anos. Os conjuntos de dados de entrada foram calculados usando o coeficiente de correlação com oxigênio dissolvido. Os cálculos do protótipo da RNA foram comparados usando o coeficiente de correlação, erro padrão e coeficiente de eficiência. Os valores estimados de oxigênio dissolvido na água e a demanda biológica de oxigênio são os mesmos.

Exemplo de processamento de dados de pipeline

Estudos de caso

Em Bangalore, as empresas de água podem medir o fluxo a qualquer momento e tornar o acesso à água o mais equitativo possível. Observando um único painel de controle, é possível monitorar a operação de mais de 250 hidrômetros, além de prestar mais atenção às unidades individuais.

Em Kerala [Índia], as empresas confiam nos medidores e medidores de água IBM para monitorar o uso da água, incluindo a identificação de irregularidades que podem indicar casos individuais de uso não autorizado. A vantagem das plataformas de processamento e análise de big data é que elas podem procurar desvios nos padrões que, de outra forma, poderiam não ser detectados.

Finalmente, o Google concordou com vários países para desenvolver um modelo de IA para previsão de inundações.

O futuro da análise de dados

Desde que estamos entrando na era do big data, as empresas de água poderão usar sensores avançados que captarão mudanças não detectadas anteriormente na operação da infraestrutura. Essas tecnologias de previsão ajudarão as empresas a prever problemas de funcionamento e vazamentos de equipamentos.

As tecnologias inteligentes podem ajudar as empresas de água a melhorar o atendimento ao cliente. Por exemplo, um sistema analítico de informações com uma função de autoatendimento que utiliza um método avançado de registro e análise de dados sobre a qualidade da água pode permitir aos usuários controlar e otimizar seu próprio consumo de água.

Uma nova onda de ferramentas de análise tecnicamente avançadas oferece às empresas de água a oportunidade de atender a essas necessidades imediatas e transformar dados brutos em informações práticas. A análise de dados pode identificar rapidamente um mau funcionamento da infraestrutura, reduzir a perda de água, impedir o transbordamento de esgotos e avaliar o status do sistema. Além disso, os dados podem revelar produtividade, fornecer informações sobre casos de manutenção proativos e fornecer orientações no planejamento a longo prazo.

Embora na maioria das vezes eles estejam falando sobre big data, como a substituição de ativos físicos por tecnologias digitais, uma tendência mais significativa e influente é o uso de ferramentas on-line para melhorar a eficiência do uso de ativos físicos em empresas off-line, como gerenciamento de água. Nesse contexto, o papel dos dados não faz o líder falar com inteligência. Sua tarefa é ajudar a tomar melhores decisões. E você não pode fazer isso apenas com a tecnologia ou com a análise de dados, por mais legal que seja.

Dados e água são verdadeiramente compatíveis.

Sobre o autor do artigo . Alexandre Gonfalonieri escreve em seu blog sobre o uso da inteligência artificial na vida cotidiana e a solução de problemas prementes.