Vias navegáveis limpas com inteligência artificial e IoT

Tecnologias de ponta, como Inteligência Artificial e Internet das Coisas (IoT) estão ajudando a proteger a qualidade dos sistemas naturais de água, mantendo-os livres de poluição. Uma história visual.

   

Sistemas de água natural têm um alto valor. Eles apoiam um ecossistema diversificado para flora e fauna, mantêm as pessoas saudáveis, prevenindo doenças transmitidas pela água, e protegem e criam oportunidades de turismo e recreação.

 

No entanto, em cidades de todo o mundo – e particularmente em cidades mais antigas – o escoamento de águas pluviais e o esgoto domiciliar são transportados para estações de tratamento de água na mesma rede de tubulação. Uma vantagem desses chamados sistemas combinados de esgoto (CSS - combined sewage systems) é que a água de escoamento, que poderia ser poluída com óleo, pesticidas, fertilizantes e muito mais, é purificada antes de ser liberada na natureza. Isso é uma boa notícia para o meio ambiente.

 

Há uma desvantagem, no entanto: durante chuvas fortes ou derretimento de neve, uma rede de tubulação CSS pode ser estendida até os limites e a água não tratada pode escapar para as vias navegáveis através da saída de esgoto combinada (CSO - combined sewer outlet). Mas as chances disso acontecer são muito reduzidas quando os bloqueios no CSO são removidos a tempo. A Siemens, a Yorkshire Water e a Universidade de Sheffield uniram forças para desenvolver um sistema que emprega inteligência artificial (IA) e internet das coisas (IoT) para localizar bloqueios antes que inundações possam ocorrer.

Reduzir os incidentes de poluição em 50%

A companhia de água britânica Yorkshire Water opera 55.000 km de esgotos. Em tempos de chuvas intensas, os CSOs são projetados para liberar o excesso de água e esgoto nos rios para evitar inundações em áreas públicas. Claro, esses incidentes precisam ser minimos. No âmbito do Plano de Redução de Incidentes de Poluição da Água de Yorkshire 2020-2025, o objetivo é reduzir os incidentes de poluição em 50%. A chave para atingir esse objetivo é remover os bloqueios do CSO e, assim, minimizar a probabilidade de uma liberação.

Há algum tempo, cerca de 2.000 sensores em CSOs têm monitorado os níveis de esgoto e emitido alertas quando um derramamento de lixo acontece. Mas não seria melhor saber onde os bloqueios são mais prováveis de ocorrer para que os detritos possam ser removidos antes que um derramamento tenha chance de ocorrer? Até agora, especialistas da Yorkshire Water têm tentado fazer previsões avaliando dados dos sensores com métodos estatísticos, mas isso muitas vezes levou a falsos alarmes e detecções tardias.

Os dados nos permitiram identificar os problemas com nossa rede rapidamente, dando às nossas equipes a oportunidade de atendê-los antes que a poluição ocorra.
Heather Sheffield, gerente de planejamento operacional e tecnologia da Yorkshire Water

O desafio analítico é como explicar o caractere pessoal de cada CSO. Cada um responde de forma diferente às chuvas, por isso é difícil saber se as mudanças observadas no nível são normais ou não. Uma série de fatores devem ser considerados aqui: como o design da rede upstream e downstream, ou se a área é montanhosa ou plana, urbana ou rural.

Portanto, a concessionária deu o passo ousado ao substituir métodos estatísticos por IA e IoT – uma abordagem que já foi testada em 70 locais em toda a região. "Os resultados do estudo inovador em toda a região têm sido muito positivos. Os dados nos permitiram identificar os problemas com nossa rede rapidamente, dando às nossas equipes a oportunidade de atendê-los antes que a poluição ocorra", diz Heather Sheffield, gerente de planejamento operacional e tecnologia da Yorkshire Water.

Análise de dados baseada em nuvem com IA e IoT

Os dados dos sensores nos CSOs, juntamente com informações em tempo real sobre as chuvas, são entregues ao SIWA Blockage Predictor. Este aplicativo – que é executado no MindSphere, sistema operacional IoT aberto e baseado em nuvem da Siemens – identifica anomalias no comportamento do sistema de esgoto. 

Inicialmente, um sistema de IA foi treinado com dados de sensores para aprender o comportamento normal de um CSO quando chove. Agora, um novo modelo de IA foi treinado para cada local para aprender seu padrão único de comportamento em resposta às chuvas. A tecnologia lógica difusa é então empregada para interpretar automaticamente os dados para detectar quaisquer diferenças significativas no comportamento. Quando um problema é encontrado, uma equipe de resposta da Yorkshire Water recebe uma notificação para visitar o ativo e remover o bloqueio ou formação de bloqueio. Como o SIWA Blockage Predictor está incorporado em um aplicativo web, os usuários podem acessá-lo em dispositivos móveis e PCs.

 

"Inteligência artificial não é mágica. Ele exige que especialistas em ciência de dados se unam a pessoas que realmente entendem o problema e engenheiros que podem construir software, conectar hardware e unir uma solução segura contra ataques cibernéticos. Este projeto é um exemplo de como todas as vertentes devem se unir", diz Adam Cartwright, chefe de entrega de aplicativos de IoT da Siemens.

Inteligência artificial não é mágica. Este projeto é um exemplo de como todas as vertentes devem se unir.
Adam Cartwright, head de IoT application delivery na Siemens

Maior eficácia de várias maneiras

No julgamento envolvendo uma variedade de ativos em 70 sites, o SIWA Blockage Predictor deu até duas semanas de aviso prévio de bloqueios – bloqueios que poderiam ter levado à liberação de efluentes não diluídos no meio ambiente. Além disso, o preditor encontrou nove em cada dez problemas potenciais, o que o torna três vezes mais bem sucedido do que os processos de previsão que se baseavam em métodos estatísticos. Outro benefício para as equipes de operações é uma taxa de alarme falso extremamente baixa de apenas 3%. Isso é metade da taxa da abordagem atual baseada em métodos estatísticos.

Co-criação: um esforço em equipe

Um desafio de construir qualquer nova solução digital é a chance de que ela possa ser algo que os clientes não querem ou precisam. Por isso, envolver clientes em um processo de cocriação leva a melhores resultados. A Yorkshire Water estava envolvida neste projeto desde o início. Para garantir que eles tivessem o compromisso necessário para progredir no ritmo, uma ordem de co-criação contribuiu para os custos de desenvolvimento e a equipe se comprometeu com revisões quinzenais e implantação do aplicativo em paralelo ao seu sistema atual. Após uma decisão de seguir com o projeto em janeiro de 2020, o primeiro produto mínimo viável (MVP) foi introduzido em março. O lançamento global do aplicativo na loja MindSphere chegou em novembro de 2020.

 

A jornada da ideia para o produto começou com uma série de projetos de pesquisa entre a Yorkshire Water e a Universidade de Sheffield. Ao longo de vários anos, o conceito principal de análise foi comprovado em uma amostra de ativos da Yorkshire Water.

 

"Ao construir uma impressão digital personalizada para os ativos de águas residuais que reflete como a rede local responde às chuvas e sobrepondo isso em padrões de comportamento diário, conseguimos estabelecer qual é a resposta "normal" de cada ativo", diz Joby Boxall, professor de engenharia de infraestrutura hídrica da Universidade de Sheffield.

 

Enquanto a análise funcionou, como um projeto acadêmico, ele não foi projetado para ser escalável nem seguro, e não foi otimizado para fácil uso diário. Quando a Siemens se juntou à equipe do projeto, o conhecimento em ciência de dados foi transferido e a equipe da universidade assumiu um segundo papel importante – validando a eficácia de como a Siemens havia desenvolvido as análises e como isso se compara à solução existente da Yorkshire Water. Depois de analisar 21.300 dias de dados, essa análise independente da universidade aumentou ainda mais a confiança da Yorkshire Water nesta nova ferramenta.

Ao construir uma impressão digital personalizada para os ativos de águas residuais, conseguimos estabelecer qual é a resposta "normal" de cada ativo.
Joby Boxall, professor de engenharia de infraestrutura hídrica na Universidade de Sheffield

Pronto para um lançamento de mercado

A Siemens e a Yorkshire Water estão agora trabalhando nos detalhes para o SIWA Blockage Predictor para cobrir o resto dos CSOs da concessionária. Além disso, a solução está sendo pilotada em duas outras companhias de água do Reino Unido, incluindo uma solução para novos locais que ainda não possuem um sensor de nível instalado. Aqui, o sensor de radar de baixa potência da Siemens Sitrans LR110 pode ser integrado em uma unidade de terminal remoto pronta conectada ao MindSphere e ao Preditor de Bloqueio SIWA. Esta oferta única que mostra como uma solução digital inteligente pode agregar valor ao portfólio de hardware da Siemens.

 

Considerando o impacto absolutamente positivo para proteger o meio ambiente, o SIWA Blockage Predictor também está ganhando atenção nos mercados fora do Reino Unido. Os sistemas combinados de esgoto não são exclusivos do Reino Unido, e o desejo de preservar vias naturais de água é universal. Quando a IA e a IoT são sensatamente combinadas, elas podem fazer uma grande contribuição para manter o ambiente limpo.

Fevereiro de 2021

Assine nossa Newsletter

Mantenha-se atualizado o tempo todo: tudo o que você precisa saber sobre eletrificação, automação e digitalização.