Iz revije Hi!tech 1/22, marec 2022
Naravni vodni sistemi so zelo dragoceni. So osnova raznolikih ekosistemov rastlinskega in živalskega sveta. Čista voda prispeva k zdravju človeštva in preprečuje nastanek bolezni. Na njej temelji raznolika ponudba turizma in preživljanja prostega časa.
Vendar pa se povsod po svetu v mestih, še posebej pa v starejših mestih, deževnica in odpadna voda iz gospodinjstev do čistilne naprave odvajata po istih ceveh. Takšni mešani kanalizacijski sistemi imajo to prednost, da se morebitna z olji, s pesticidi, z gnojili ali drugimi škodljivimi snovmi onesnažena odpadna voda lahko očisti še preden ponovno pride v naravni tokokrog. To je dobra novica za okolje.
Težava pa je v tem, da mešani kanalizacijski sistemi ob močnem dežju ali topljenju snega lahko postanejo preobremenjeni. V tem primeru onesnažena mešana odpadna voda zaradi izlivanja iz kanalizacije hitro lahko pride v naravne vodne sisteme. Verjetnost nastanka takega dogodka se lahko občutno zmanjša, če se zamašitve v kanalizacijskem sistemu pravočasno odstranijo.
Ravno zaradi takih dogodkov so Siemens, družba Yorkshire Water in Univerza Sheffield razvili nov sistem, ki s pomočjo umetne inteligence in interneta stvari odkriva zamašitve kanalizacije, še preden bi lahko prišlo do razlivanja vode.
55.000 km dolgo kanalizacijsko omrežje
Britansko podjetje za oskrbo z vodo Yorkshire Water upravlja kanalizacijsko omrežje v dolžini 55.000 km. Pri močnem dežju se odvečne količine vode in odpadne vode preko prelivov mešane vode zlivajo v reke, s čimer naj bi se preprečilo poplavljanje javnih površin. Da bi bilo takega zlivanja v reke čim manj, je podjetje izdelalo načrt (Pollution Incident Reduction Plan 2020–2025), ki predvideva do 50-odstotno zmanjšanje števila onesnaževanj. V ta namen je potrebno odstraniti zamašitve v prelivu mešanih odpadnih vod, s čimer se možnost izlivanja zmanjša na najmanjšo možno mero.
Okoli 2000 senzorjev že nekaj časa nadzoruje nivo odpadne vode v prelivih mešane odpadne vode in pošilja opozorila v primeru prelivanja. Ampak ali ne bi bilo bolje, če bi že vnaprej vedeli, kje so zamašitve najbolj verjetne? Tako bi tujke lahko odstranili, še preden bi prišlo do prelivanja vode. Doslej so strokovnjaki iz vodovodnega podjetja Yorkshire Water to poskušali napovedovati tako, da so podatke iz senzorjev analizirali s pomočjo statističnih metod, kar pa je pogosto privedlo do napačnih alarmov in zakasnelih ugotovitev.
Izziv pri analizi je ta, da je potrebno upoštevati posebnosti vsakega preliva mešane odpadne vode, saj se vsak drugače odzove na padavine. Zaradi tega je včasih težko presoditi, ali so spremembe v nivoju vode nastale zaradi normalnega obratovanja ali ne. Temu se pridružijo še številni drugi dejavniki, kot so zasnova predhodnega in naknadnega cevovoda, ali je teren hribovit ali raven in ali se nahaja na urbanem ali na podeželskem območju.
Vse to je podjetje Yorkshire Water napeljalo k pogumnemu koraku, da dosedanje statistične metode nadomesti z umetno inteligenco in internetom stvari. Ta novi pristop so do sedaj preskusili na 70-ih lokacijah podjetja v regiji. "Rezultati inovativne študije so v celotni regiji zelo pozitivni. Na podlagi pridobljenih podatkov lahko zelo hitro odkrijemo težave v našem kanalizacijskem omrežju in tako našim ekipam omogočimo, da se z njimi soočijo še preden pride do onesnaženja," pove vodja za operativno načrtovanje in tehnologijo pri Yorkshire Water Heather Sheffield.
Zadeva gre takole: podatki iz senzorjev v prelivih mešane odpadne komunalne vode so skupaj z aktualnimi informacijami o količinah padavin posredovani v aplikacijo SIWA Blockage Predictor. Aplikacija deluje na Siemensovem odprtem, na oblaku zasnovanem IoT operacijskem sistemu MindSphere, in odkriva anomalije v obnašanju sistema odpadnih vod.
Najprej je potekalo šolanje sistema umetne inteligence s podatki iz senzorjev, da bi se ta priučil, kako preliv mešane odpadne vode deluje v normalnih razmerah. Medtem pa se je za vsako lokacijo podjetja šolal nov model umetne inteligence, da bi se priučil, kako ta lokacija deluje v primeru dežja. Sledila je avtomatična interpretacija podatkov s pomočjo tehnologije mehke logike (fuzzy logic) z namenom prepoznavanja pomembnih razlik v delovanju. Ko sistem zazna težavo, prejme intervencijska ekipa pri Yorkshire Water ustrezno sporočilo, da lahko preveri delovanje sistema ter odstrani akutno ali nastajajočo zamašitev. SIWA Blockage Predictor je vgrajen v spletno aplikacijo, kar omogoča oddaljeni dostop s pomočjo mobilnih naprav ali računalnikov.
"Umetna inteligenca ni nobena čarovnija. Za to so potrebni podatkovni znanstveniki, strokovnjaki za določena področja ter inženirji, ki razvijajo programsko opremo, povezujejo strojno opremo in skupaj spletejo rešitev, ki je varna pred kibernetskimi napadi. Ta projekt je paradni primer tega, kako naj se vse niti stekajo v celoto," pravi vodja Siemensovega oddelka za izdelavo IoT aplikacij Adam Cartwright.
V okviru študije z različnimi napravami na 70-ih lokacijah je SIWA Blockage Predictor do dva tedna vnaprej nakazal možnost morebitnih zamašitev, ki bi lahko vodile v odtekanje neobdelane odpadne vode v okolje. Poleg tega je ta na oblaku zasnovana aplikacija zaznala devet od desetih možnih težav ter tako izkazala trikrat večjo možnost pravilnega zadetka kot statistične metode napovedovanja. Dodatna prednost za intervencijske ekipe je tudi zelo nizka stopnja lažnih alarmov, ki znaša 3 %, s tem pa je pol manjša kot pri dosedanjem, na statističnih metodah temelječem postopku.
Zgodnja vključitev kupcev
Vsaka nova digitalna rešitev v sebi skriva tveganje, da ne bo zadostila željam ali potrebam kupcev. Podjetje Yorkshire Water je bilo zato že od začetka vključeno v projekt. Da bi se zagotovilo ustrezno prizadevanje za hiter napredek, so bili stroški razvoja financirani na osnovi pogodbe o soustvarjanju. Poleg tega je ekipa izrazila pripravljenost, da napredek preskuša v razmaku dveh tednov, in da aplikacijo uporablja vzporedno z njihovim dosedanjim sistemom. Aplikacija je bila v trgovini MindSphere nato prvič predstavljena novembra 2020.
Pot od ideje do končnega produkta se je začela z vrsto skupnih raziskovalnih projektov Yorkshire Water in Univerze Sheffield. "S tem, ko smo ustvarili osebni prstni odtis za čistilne naprave, ki natančno posnema absorpcijo padavin v lokalnem kanalizacijskem omrežju, ter s prekrivanjem tega prstnega odtisa z vsakodnevnimi vzorci vedenja, smo lahko določili 'normalno' reakcijo vsake naprave," pojasnjuje profesor za vodno infrastrukturo na Univerzi Sheffield Joby Boxall.
Analiza je sicer delovala, vendar pa kot akademski projekt ni bila niti zanesljiva niti skalabilna, povrhu vsega pa tudi ne optimizirana za enostavno vsakodnevno uporabo. Ko se je projektni ekipi pridružil Siemens, je prenesel tudi svoje znanje s področja podatkovne analize in univerzitetna ekipa je prevzela še eno pomembno vlogo. Znanstveniki so potrdili učinkovitost analitike, ki so jo razvili pri Siemensu, in to primerjali z obstoječo rešitvijo pri Yorkshire Water. Ta neodvisna analiza 21.300 podatkovnih oznak je pri Yorkshire Water še dodatno okrepila zaupanje v novo aplikacijo.
Izvajalci projekta iz Siemensa in Yorkshire Water trenutno opredeljujejo nadaljnje podrobnosti za uporabo aplikacije SIWA Blockage Predictor na ostalih prelivih mešane odpadne vode v podjetju. Trenutno se rešitev v okviru pilotnih projektov preskuša še pri dveh drugih britanskih družbah za oskrbo z vodo, med drugim tudi na novih lokacijah, ki še nimajo nameščenega senzorja za nivo vode. Tu bi lahko v oddaljeno terminalno enoto, ki se lahko poveže z MindSphere in SIWA Blockage Predictor, namestili Siemensov radarski senzor Sitrans LR110. Ta edinstvena ponudba kaže, kako lahko inteligentna digitalna rešitev dvigne dodano vrednost Siemensovega portfelja strojne opreme. Zaradi zelo pozitivnega učinka na okolje pa SIWA Blockage Predictor vzbuja vedno več pozornosti tudi na trgih izven Velike Britanije. S pametno kombinacijo lahko umetna inteligenca in internet stvari bistveno prispevata k čistemu okolju.