ビッグデータとAIは世界的な水危機を解決できますか？

地球上の生命にとって、水ほど重要なものはありません。

世界中で約6億6300万人が一年中きれいな水に安全にアクセスできていません。 気候変動は状況を悪化させる可能性が高く、経済的に発展していない国への解決策を見つけることが優先事項です。 ビッグデータやAIなどの新しいテクノロジーは、解決策を見つけるのに役立ちます...

ケイティウォルターズ/水、どこにでも水/ [CC BY-SA 2.0 ]

ビッグデータ -技術サポートなしで処理できるよりもはるかに高速に処理できるツールを使用して、膨大な量の情報を分析します。

データの取得と蓄積は、低価格のセンサーと地理空間分析の使用の増加により、近年増加しています。 これらの新しい技術により、給水場所を特定して制御する能力が向上しました。 さらに、最新のセンサーが提供するインフラストラクチャにより、クラウドコンピューティングの機会が生まれ、すべてのシステムでデータの可用性が向上します。

農業

農業は、世界で水をはるかに多く消費している（そして無駄にしている）。 農民は世界の淡水供給の70％を使用していますが、 60％は灌漑プラントの漏れと非合理的なアプリケーションの結果として失われています。

ビッグデータ分析は、農業に関して生産性と信頼性のバランスをとる最適なソリューションを探し続けることができます。 また、水質の突然の低下など、人間によって引き起こされる事故を防ぐこともできます。これは、結果が完全に現れるまで隠れたままになります。

これにより、水道会社は、適応性のある水システムを計画する際の重要な決定に影響を与える土地利用と気候の傾向を理解するのに役立ちます。

ビッグデータとモデリングは、さまざまな開発オプションの下でどれだけの水が必要で利用可能かを評価する上で、水道会社と土地測量士の共同作業に役立ちます。

水の無駄

20世紀には、世界の人口は3倍になり、人間の水使用量は6倍に増加しました。

今日まで、水道会社は時間とリソースの点で停滞していました。 給水と衛生のインフラが破壊され、ポンプが故障し、パイプが漏れ、その他の部品が失効しますが、資金に制約されている企業には必要な改善を行うための資金やインフラの知識がありません。

緊急データの問題

実際、ビッグデータとは、大量のデータが存在することを意味します。 水道会社は、流量統計、オンライン監視などを含む監視制御およびデータ収集（SCADA）システムを通じてデータを受け取ります。

ディスパッチ管理とデータ収集（SCADA） -コンピューター、ローカルデータネットワーク、グラフィカルユーザーインターフェイスを使用して、高レベルで制御と管理を整理するソフトウェア。

企業はすでにSCADAシステムを使用しているため、膨大な量のデータを収集できます。 しかし、このデータが具体的なメリットをもたらす方法を知らないか、気にしないことがしばしばわかります。

SCADAシステムは古く、独自のデータ形式を生成し、コラボレーション（不統一）のために作成する必要はありません。

さらに、治療施設で収集されるデータは、しばしば断片的です。 コンピューターシステムのデータには不一致があり、それらは常に互いに接触するとは限りません。 ビッグデータと新しいデータ管理ツールの開発により、これらすべてのデータを理解しやすく有用な情報に変えることができ、より慎重になり、より良いビジネス上の意思決定を行うことができます。

さらに、この種の情報を手にした企業の従業員は、 故障したポンプのようなものを急いで修理するよりも、発生する前に潜在的な問題を特定できる可能性が高くなります。 SCADAシステムは、現在の状況をリアルタイムで表示し、すぐに問題を通知できます。 データを処理および分析するためのスマートプラットフォームを使用して、起こりそうな問題を予測する機能は、状況を根本的に変えています。

次のステップ-データを結合し、分析処理ツールを使用して、より先見性のある場所を予測することは、水管理にとって非常に重要です。

量ではなく品質に焦点を当てます。

最も細かく組織化された分析データ処理でさえ、測定エラーを回避することはできません。 メインのセンサーとアナライザーに自信がない場合、膨大な量の不正なデータが使用されてしまいます。

仕組み

データマイニング（翻訳者のメモ：この用語にはいくつかの翻訳があります。この記事では「データ抽出」を使用します）-これは、ビッグデータを扱う専門家が生データのストリームで情報を発見する方法です。 両方のインセンティブと利点（ユーティリティプロバイダーとコンシューマー）は、ベイジアン推論やゲーム理論モデルなどの数学モデルを使用して同期できます。 ビッグデータから得られた通信知識は最終的に共有され、オペレーター、エンジニア、マネージャーがそれをサービスに取り入れることができます。

生データの不足はありません。 水道会社のほぼ60％がすべてのポンプ場にリモートデータ収集システムを備えており、43％がすべての貯水池にデータ収集システムを備えています。

ビッグデータの利点：

-高度なトレンド

高性能のビッグデータ（巨大なデータセット）には、スマートウォーターインフラストラクチャ管理リソースを作成する可能性があり、管理者はリソースを正しく、正確に評価、予測、および配布できます。 水道会社は、将来の予測を作成するときに、古いデータに隠されている隠れたパターンと傾向を特定するための分析手法に基づいた傾向分析によって支援されます。

-需要予測

ビッグデータの高度な分析により、動的モデリングシステムと高度な機械学習アルゴリズムを使用してパターンを認識し、多くのシナリオをモデリングすることにより、システムの負荷を予測することが実質的に実行可能になります。 人口統計学的要因（人口密度など）、過去の期間の消費パターン、気候（温度、湿度など）など、いくつかのデータセットのビッグデータを使用して水を消費するときの動作を予測するためのシステムの負荷予測の改善）、インフラストラクチャ（使用する技術、年齢、生産性など）、政治的、経済的、その他の基準。 これらのコンポーネントは、消費者の行動（水需要など）を予測できる予測モデルを開発するための入力変数です。

-自動制御

エンジニアのチームに信号を送信する代わりに、これらのSCADAシステムが自己調整コマンドを送信できたらどうでしょうか？ 水の調整に役立つ自己調整技術のようなものを想像してみましょう。

-オープンデータ

データ統合がイノベーションを促進する他の分野には、オープンデータと市民科学があります。 公益事業が競争の激しい環境で機能しないという事実の裏側は、他の人のための革新のための条件を作成する能力です。 企業が収集したデータセットは、オープンデータとしてサードパーティが利用できるようになり、場合によっては利用できるようになりました。

AIを適用する方法

AIは、公益事業会社が所有する多数の配水管のための非常にスケーラブルで費用対効果の高いソリューションです。 AIはデータ統合に加えて、そのデータに基づいた推奨事項を提供することにより、意思決定を改善します。

パイプ評価用の機械学習ベースのAIソフトウェアは、単なるロボット工学よりも優れた開発戦略です。 AIは数時間で数千マイル[トランペット]を分析でき、非常に費用対効果の高いソリューションになります。

機械学習は、データ内の意味のある関係を見つけ、意思決定に使用できる機能的な関係を導き出すための最良の方法です。

たとえば、ユーティリティが最大98％の精度で需要を予測できるように、予測モデルが開発されました。 これらのモデルは、収集したデータを使用し、天気予報などの他のデータと組み合わせて、外部アプリケーションの機械学習モデルに送信します。

他の業界はトレンド分析と予測を広く使用していますが、それらの重要な価値は、非常に細分化された水セクターの謎のままです。

サービスプロバイダーと公益事業者は、水セクターのインフラストラクチャリソース管理と意思決定を最適化するための最初のステップとして、ミクロおよびマクロデータの傾向を収集、グループ化、分析する適切なデータ収集システムの編成に投資する必要があります。

一部の新興企業は、深層学習水管理ソリューションを開発しています。 両社は、「給水システムの水漏れを防ぎ、システムの一般的な状態を予測し、現在のコストを最小限に抑える機会を提供する」と約束しています。 最先端の深層学習アルゴリズムを使用してそれらを分析することにより、センサーとカウンターからタイムスタンプ付きのデータを提供できます。

インドでは、Gomti川の水質を決定するために2つのANNモデルが開発されました。 酸性度（pH）、総固形分、化学酸素消費量などの水質パラメーターをデータセットとして使用し、水に溶解した酸素と生物学的酸素需要の予備計算を行いました。

人工ニューラルネットワーク（ANN）は、生物学的ニューラルネットワークの構造と機能に基づいた計算モデルです。

プロトタイプニューラルネットワークは、3年間にわたる観測を含むデータを使用して開発されました。 入力データセットは、溶存酸素との相関係数を使用して計算されました。 ANNプロトタイプの計算は、相関係数、標準誤差、効率係数を使用して比較されました。 水に溶け込んだ酸素の推定値と生物学的酸素需要は同じです。

パイプラインデータ処理の例

ケーススタディ

バンガロールでは、水道会社はいつでも流量を測定し、可能な限り公平に水を利用できます。 単一のコントロールパネルを観察すると、250を超える水道メーターの作業を監視したり、個々のユニットにもっと注意を払ったりすることができます。

ケララ[インド]では、企業はIBMの水道メーターとセンサーを使用して、水の使用量を監視しています。これには、不正使用の個々のケースを示す可能性のある不規則性の特定も含まれます。 ビッグデータの処理および分析プラットフォームの利点は、それがなければ検出されないままになる可能性のあるパターンの偏差を探すことができることです。

最後に、Googleはいくつかの国と洪水予測のためのAIモデルを開発することに同意しました。

データ分析の未来

ビッグデータの時代に突入しているため、水道会社は、インフラの運用におけるこれまで検出されなかった変化をキャッチする高度なセンサーを使用できるようになります。 これらの予測技術は、企業が機器の誤動作や漏れを予測するのに役立ちます。

スマートテクノロジーは、水道会社が顧客サービスを改善するのに役立ちます。 たとえば、水質に関するデータを記録および分析する高度な方法を使用するセルフサービス機能を備えた情報分析システムでは、ユーザーが自分の水消費量を制御および最適化できます。

技術的に高度な分析ツールの新しい波により、水道会社はこれらの差し迫ったニーズを満たし、生データを実用的な情報に変換する機会を得ることができます。 データ分析により、インフラストラクチャの異常を迅速に特定し、水の損失を減らし、排水溝のオーバーフローを防ぎ、システムの状態を評価できます。 さらに、データは生産性を明らかにし、予防的なメンテナンスのケースに関する情報を提供し、長期計画のガイダンスを提供します。

彼らはほとんどの場合、物理的資産をデジタルテクノロジーに置き換えることとしてビッグデータについて語っていますが、より重要で影響力のある傾向は、水管理などのオフライン企業での物理的資産の使用効率を向上させるオンラインツールの使用です。 この文脈では、データの役割はリーダーが賢く話すことをしません。 彼らの仕事は、より良い意思決定を支援することです。 そして、あなたがどんなにクールであっても、テクノロジーやデータ分析だけでこれを行うことはできません。

データと水は完全に互換性があります。

記事の著者について 。 Alexandre Gonfalonieriはブログで、日常生活における人工知能の使用と差し迫った問題の解決について書いています。