It looks like you are coming from United States, but the current site you have selected to visit is Sweden. Do you want to change sites?

Yes, please. No. Keep me on the current site.

Digitala tvillingar och intelligent beslutstöd för vattenverk

Beslutstödssystem för vattenverk är på stark framväxt tack vare ny teknik och maskininlärning. Vi har talat med Luis Montestruque som är chef för digitala lösningar på Xylem för att ta reda på hur digitala tvillingar och intelligent beslutstöd kan hjälpa VA-verksamheter att bättre förstå sin infrastruktur så de kan fatta smartare beslut.

I takt med att vädret blir alltmer oförutsägbart riskerar stora oväder skada vatteninfrastruktursystem och orsaka översvämningar. Trots kontroller och översvämningsskydd slår oväder till mot städer och vattenverk på sätt som äldre hydrauliska modeller inte kan förutspå. I dag finns det dock bättre sätt att använda data för att se hur system reagerar på oväder.

– För fem år sedan började artificiell intelligens och maskininlärning bli en användbar teknik för vattenverk och mycket har hänt sedan dess. Men tyvärr har det inte funnits något bra ramverk för att koppla in den nya tekniken så att man kunnat dra nytta av den fullt ut, säger Xylems Luis Montestruque.

Montestruque jämför utvecklingen av beslutstödssystem för vattenverk med den smarta tekniken i bilar:

– Det är inte så länge sedan som GPS-navigeringssystemen började bli vanliga. Numera det är nästan omöjligt att köpa en bil utan det. Faktum är att om du köper en mellanklassbil i dag är det högst sannolikt att den kan rikta upp bilen om du är på väg ut ur körfältet. Många bilar kan köra helt själva. Om några år kommer det här säkert att vara en standardfunktion. De här systemen faller inom kategorin beslutstödssystem.

Hur beslutstödssystem fungerar

Ett beslutstödssystem, eller DSS (Decision Support System), är ett datoriserat system som hjälper människor att fatta beslut för att uppnå ett specifikt mål. I vissa fall kan de till och med göra det automatiskt. Eftersom ett DSS kan ta med en mängd olika variabler i beräkningen kan det hjälpa människor att uppnå mål snabbare och billigare. Detta gör de genom att tillämpa de enkla principerna: känn av – förutsäg – agera.

Först använder systemet sensordata eller data från andra system för att fastställa målsystemets aktuella status. Sedan använder det en modell för att förutsäga möjliga utfall inom en rad olika driftstrategier. Och till sist använder det en analytisk motor för att söka efter den optimala strategin för att uppnå de önskade målen.
 
– Att använda sig av beslutstödssystem som tillämpar principen ”känn av – förutsäg – agera” i vattenverk är inte något helt nytt. Sedan minst ett decennium tillbaka har vi implementerat beslutstödssystem i avloppssystem för att undvika översvämningar, i avloppsreningsverk för att minska energiförbrukningen och i dricksvattennät för att hitta läckor och minska energiförbrukningen. Det som har förändrats är att ny teknik har gjort att det kostar mindre att införa beslutstödssystem. Bland annat har teknik baserad på sakernas internet (IoT) gjort att företag kan ha råd att installera hundratals batteridrivna sensorer på svåråtkomliga ställen, säger Montestruque.

Förstå infrastruktur med hjälp av digitala tvillingar

– Men det finns en teknik som förändrat sättet som beslutstödssystem används på i grunden. Den kallas digitala tvillingar och den är inte heller ny egentligen. Digitala tvillingar är digitala kopior av infrastrukturen. Vi har känt dem länge som modeller och de återger vårt sätt att förstå hur vår infrastruktur fungerar, förklarar Montestruque.

Digitala tvillingar har traditionellt byggts med hjälp av så kallade grundprinciper. Dessa grundprincipsmodeller använder fysiska, kemiska eller biologiska ekvationer för att simulera infrastrukturen. Att bygga och kalibrera grundprincipsmodeller kan vara en långdragen och kostsam process. Beslutstödssystem som bygger på grundprincipsmodeller är effektiva men klarar inte av att lära sig av tidigare erfarenheter om inte någon kalibrerar deras modeller.

– Vi har nyligen förstärkt våra digitala tvillingar med maskininlärning så att de kan lära sig själva kontinuerligt. Detta är viktigt. Dessa digitala tvillingar kan då använda sig av tidigare data och kalibreras automatiskt för att återge infrastrukturen bättre. Det innebär betydande kostnadsminskningar för modellbyggandet och resulterar i en digital tvilling som är ytterst och ständigt exakt, säger Montestruque.

Paradigmskifte för intelligent beslutstöd

Digitala tvillingar som presterar bäst kombinerar grundprincipsmodeller på områden med låg osäkerhet, till exempel rörhydraulik, och med maskininlärning på områden med högre osäkerhet, till exempel systemhydrologi i avloppssystem.

Det är när vi kombinerar beslutstödssystem och digitala tvillingar som vi kan få något unikt: ett beslutstödssystem som är kan lära sig och anpassa sig kontinuerligt, säger Montestruque.

– Vi kallar detta nya paradigmskifte för ”decision intelligence”, intelligent beslutstöd. Med intelligent beslutstöd kan vi till exempel driva ett avloppsreningsverk genom att syntetisera drifthistoriken för det senaste årtiondet i en digital tvilling. Och varje gång är det en ny händelse som systemet lär sig mer av och blir på så sätt mer exakt. Så om det nu är ett oväder i antågande kan en stads intelligenta beslutstödssystem automatiskt börja söka igenom tusentals möjliga strategier. Förmodligen har det sett någonting liknande förut.
 
Genom att använda intelligent beslutstöd för att driva sitt avloppssystem kan städer minska översvämningar till en bråkdel av kostnaden för traditionella lösningar och på så sätt göra en bestående skillnad för samhällen runtom i världen. Om du vill veta mer om intelligent beslutstöd kan du ladda ned Xylems broschyr: The Power of Decision Intelligence.