Adat-evangelista
Igazi kihívás: a vízveszteség
A szivárgó vízszolgáltató hálózat kezelése komoly kihívást jelent. A vízveszteségek nem csupán a működési költségek emelkedését jelentik, hanem egy olyan alapvető fontosságú erőforrás – mint a víz – elvesztését is.
Az idő múlásával új szivárgások keletkeznek, ami a költségek emelkedését vonja maga után, ami tovább csökkenti a nyereséget, és ezzel párhuzamosan nőnek a hálózat karbantartására és javítására szánt költségvetések. Ezeket a költségvetéseket még nehezebb becsülni, ha reaktív karbantartást végzünk (azaz a csövet csak akkor cseréljük ki, amikor szivárgás lép fel, ahelyett, hogy még a meghibásodás előtt kicserélnénk). Ezeknek a költségeknek a alábecsülése súlyosan érintheti az üzleti tevékenységet és bolygónkat.
A prediktív karbantartás javíthatja a becslés pontosságát. Ennek érdekében azok az eszközök kerülnek előtérbe, amelyeknél nagyobb a szivárgás valószínűsége. Ez a folyamat többletmunkát igényel a becslés elkészítése során, ami – ha nem választunk megfelelően – magasabb költségekhez is vezethet. A gyakorlatban ez az előrejelzés rendkívül bonyolult lehet, mivel számos, a szivárgás valószínűségét befolyásoló tényezőtől függ.
Az adatok korszaka
Az eszközök korábbi, manuális kezelése – amelynek során alig készültek digitális nyilvántartások, és a személyzet gyakran cserélődött – azt jelenti, hogy a hálózattal kapcsolatos rengeteg ismeret jelenleg a korábbi alkalmazottak emlékezetében veszik el, mivel azokat nem rögzítették. Ehhez hozzá kell adnunk a manuális eszköznyilvántartás során gyakran előforduló emberi hibákat is.
Ezeket az eddig kiaknázatlan adatokat most hasznos információkká alakíthatjuk át. Az adatok korszakában élünk; minden tevékenységünk olyan információkat generál, amelyek jelentősen hozzájárulhatnak az üzleti sikerhez. Sokan feltehetik a kérdést, hogy mennyire hasznos az eszközhálózatom digitalizált formában történő tárolása.
Ha a hálózat adatállományát digitális formátumban tároljuk, különböző technikák és algoritmusok segítségével optimalizálhatjuk ezt a prioritás-megállapítást. Ezen becslés révén előre jelezhetjük a hálózatunkban bekövetkező meghibásodásokat és szivárgásokat, ami lehetővé teszi a karbantartási tevékenységek megtervezését, és így csökkenti a költségeinket. Az eredményeket egyre jobban javíthatjuk a mesterséges intelligencia (AI) segítségével, amely megtanulja hálózatunk sajátosságait és azokat a jellemzőket, amelyek nagyobb szivárgási valószínűséget eredményeznek.
Bár számos megoldás és érzékelő áll rendelkezésünkre a hálózatunkban fellépő szivárgások észleléséhez, meg kell különböztetnünk, hogy ezek – bár hasznosak – a javító karbantartás keretébe tartoznak. Az ebből adódó költségnövekedés miatt nem tudjuk előre megtervezni karbantartási tevékenységeinket.
Hogyan segíthet nekünk a Fracta a víz megtakarításában és a vízhálózat hatékonyabb irányításában?
Fracta, ezzel szemben egy mesterséges intelligencián alapuló digitális megoldást kínál, amely lehetővé teszi a szivárgások előrejelzését, és segít azok felderítésében anélkül, hogy bármilyen további berendezést kellene telepíteni, valamint elvégzi az adatok tisztítását és javítását. A Fracta segítségével kevesebb mint 45 nap alatt elkészülnek a vízszolgáltató hálózatunk szivárgásaira vonatkozó előrejelzések.
Ez a technológia több mint 150 előrejelző erejű tényező segítségével becsüli meg a hálózatunkban található egyes eszközök meghibásodásának valószínűségét különböző időszakokra vonatkozóan. Ez a becslés megkönnyíti a karbantartási feladatok fontossági sorrendbe állítását és a meglévő szivárgások felderítését.
Minden egyes csővezetékre vonatkozóan költségforgatókönyveket is készítenek, figyelembe véve azok jellemzőit és az általuk ellátott kritikus létesítményeket, így becslést adva a meghibásodásból eredő költségekről. A törés valószínűségét a költséggel megszorozva mutatóként lehet felhasználni vállalkozásaink karbantartási költségeinek fontossági sorrendbe állításához. Így az eszközök helyes fontossági sorrendbe állításával csökkenthetők a vízveszteségek és a karbantartási költségek.