订阅我们的时事通讯并保持更新
我们使用cookies是为了给您提供更好的体验。继续浏览本网站,即表示您同意我们按照我们的条款使用cookies饼干的政策.
全球水技术制造商Xylem与全球地理信息系统(GIS)测绘市场提供商Esri合作,为大西洋中部一家中型水务公司开发了一种基于人工智能(AI)的管道分析模型,可以显著提高其效率和弹性。
该模型是北美第一个可靠预测未来管道故障的模型之一,它使用Xylem的基于人工智能的解决方案来分析公用事业公司Esri ArcGIS Enterprise系统中的数据,如断裂和其他基础设施数据,并结合分析中的开源信息。
Xylem负责创新战略和合作伙伴关系的副总裁Dave Ayers指出:“Xylem和Esri共同帮助水务运营商和其他水资源用户使他们的社区更具水安全性和弹性。”
使用机器学习预测管道故障
这家水务公司采取积极主动的方式,不断提高其27万客户的服务可靠性,但却面临着一个非常常见的情况——供水基础设施老化。该公司整个系统的总水管长度超过1000英里,管道平均使用年限约为50年,因此总水管断裂的频率不断增加。
这促使人们寻求创新策略,以提高服务可靠性,同时最大限度地降低维修和更换成本。
随着水管断裂的增加,公用事业客户正在经历不可预测的服务中断、昂贵的维修和高度破坏性的道路封闭。为了提高其声誉和客户服务,该公司希望在水基础设施管理方面更加积极主动,并优先考虑最需要关注的管道。
公共工程部的项目经理表示:“我们的目标是利用机器学习来识别可能导致管道故障的变量,从而支持我们的资本改善计划。”
利用人工智能开发风险模型
该公司此前曾与Xylem合作管理其预应力混凝土圆柱体管库存。2014年,该公司与制造商合作开发了一种人工智能风险模型,该模型可以通过Esri的ArcGIS系统进行验证、更新和显示,供其团队持续使用。
然后,公用事业公司和Xylem公司合作实施了一个定量风险模型,该模型结合了故障概率(管道最有可能发生故障的时间)和故障后果(故障造成的社会、经济和环境成本)。机器学习解决方案使用多个数据输入(包括先前状态评估的结果)来预测系统中每个水管可能发生故障的概率。
随着时间的推移,收集到的数据越来越多,系统也发生了变化,GIS和机器学习算法也在不断更新,以便持续了解系统的整体健康状况。
解决方案可靠地预测未来的故障
这种人工智能管道分析模型是北美第一个人工智能水管断裂模型之一,可以可靠地预测配电系统未来的故障。该模型使用Esri的ArcGIS企业系统中的数据,如断裂和其他基础设施数据,并结合分析中的开源信息。
与传统的主观评分模型相比,这种数据驱动的方法提供了实质性的优势,传统的主观评分模型即使在输入更新时,输出也经常保持静态。
Esri全球水资源实践主管David Wachal指出:“通过将ArcGIS与Xylem基于人工智能的管道故障分析相结合,水务公司可以显著降低成本,并使其社区更具弹性。
风险模型可以根据从系统中收集到的新信息(包括主裂缝、管道状况和其他操作数据)更新结果。结果使客户能够优先考虑和分阶段更换管道,降低成本,并通过针对最关键和最老化的管道减少对客户的影响。
为了验证这种方法并降低整体故障概率,该公司选择了一个预测的“热点”,或有大量中断的区域,来试验机器学习技术,以降低整体故障概率。
此外,Xylem还为现场作业人员提供了一个移动现场事件跟踪应用程序(捕获管道破裂信息)。这一增值功能不仅提高了破裂数据记录的准确性,还减少了更新公用事业计算机维护管理系统和GIS所需的总体劳动时间,并改进了管道故障预测。
该试点项目的成功促使该公司利用基于人工智能的风险模型开发出更具成本效益的管道更新策略。一旦在整个配电系统中实施,该模型可以帮助公用事业公司将管道更换相关的年度成本从9000万美元降低到2000万美元,即77%,同时将故障率显著降低四倍。
Xylem的Ayers说:“通过与水务运营商合作推动创新,并汇集我们的专业知识和技术的集体力量,我们正在加速进步,开发大胆的新方法,帮助解决我们这个时代最大的水挑战,创造一个更可持续的世界。”
Tavon埃利斯是Xylem美洲软件工程总监。