A dugulásveszély előrejelzésével kerüli el a Yorkshire Water, hogy kezeletlen szennyvíz kerüljön a környezetbe. Az észak-angliai térség csatornahálózatát üzemeltető vízmű, a Siemens és a Sheffieldi Egyetem közös fejlesztése a dolgok internetéről gyűjtött adatokat mesterséges intelligenciával elemzi.
A csapadékvizet és a háztartási szennyvizet ugyanaz a csatornahálózat vezeti el a városokban világszerte. A régebbi városokra különösen jellemző megoldás előnye, hogy a kombinált csatornahálózat (combined sewage systems, CSS) a csapadékvizet is a szennyvíztisztító telepre vezeti, amely az olaj, gyomirtó, műtrágya és más szennyeződést is kiszűri, mielőtt a víz visszakerülne a természetbe.
Jó hír ez a környezetnek, a dolognak azonban van egy hátulütője. Súlyos esőzés vagy hóolvadás idején a CSS hálózat kapacitása kevésnek bizonyulhat, és a kombinált szennyvízcsatorna kivezetésein (combined sewer outlet, CSO) a víz kezeletlenül távozhat.
A brit Yorkshire Water vízmű vállalat 55 ezer kilométeres csatornahálózatot működtet, amely intenzív esőzés alatt a CSO-kon keresztül a folyókba engedi a többletvizet, hogy elejét vegye a közterületeket fenyegető áradásnak. A természeti környezet védelme érdekében erre persze csak a legvégső esetben kerülhet sor. A Yorkshire Water 2020 és 2025 között 50 százalékkal csökkentené az ilyen incidensek számát, aminek előfeltétele a dugulások megelőzése.
Kétezer szenzort telepített a vízmű már korábban a csatornahálózat kivezetéseire, amelyek a CSO-kon figyelik a szennyvíz szintjét, és túlcsordulás esetén riasztást küldenek. De ha az üzemeltetők előre tudnák, hogy hol alakulhat ki dugulás, akkor a torlódó hulladékot időben eltávolíthatnák, és a túlfolyást eleve megelőzhetnék. A Yorkshire Water szakemberei ezért a szenzoradatok statisztikai elemzésével próbáltak előrejelzést készíteni, azonban ez a módszer túl gyakran vezetett téves riasztáshoz vagy túl késő észleléshez.
Bebizonyosodott, hogy minden CSO másképp reagál a túlterhelésre, ezért a pontosabb előrejelzéshez szükséges kialakítani a kivezetések egyedi profilját, amihez a szenzoradatokon túl a csatorna adott pontján jellemző, számos más tényezőt is figyelembe kell venni. Az összetett elemzéshez és profilozáshoz a vízmű ehhez a mesterséges intelligenciát (AI) és a dolgok internetét (IoT) hívta segítségül. A kifejlesztett megoldás a CSO-król érkező szenzoradatokat a Siemens MindSphere nyílt, felhőalapú IoT operációs rendszerén futó – így böngészőből és mobil eszközökről is elérhető – SIWA Blockage Predictor alkalmazásba továbbítja, amely AI képességeivel ismeri fel az anomáliára utaló mintákat a csatornahálózat működésében.
A közműhálózat 70 pontján tesztelt SIWA Blockage Predictor alkalmazás két héttel előre jelzi a potenciálisan túlfolyáshoz vezető dugulás kialakulását a csatornahálózatban, ami kellő időt ad a veszély elhárításához. Az alkalmazás ráadásul 10 kibontakozó incidensből 9-et felismer, vagyis háromszor pontosabb, mint a statisztikai elemzés, a téves riasztások arányát pedig rendkívül alacsony 3 százalékra csökkentette – megfelezve a korábbi módszer rátáját.
Miközben a Siemens és a Yorkshire Water a többi CSO-ra is kiterjeszti a SIWA Blockage Predictort, az alkalmazást két további vízmű is tesztelni kezdte Nagy-Britanniában. Egyikük korábban nem telepített szintmérő érzékelőket csatornahálózatában, ezért a Siemens alacsony energiafogyasztású Sitrans LR110 radar szenzorait fogja használni, amelyek további előnye, hogy eleve integráltak a MindSphere és a SIWA Blockage Predictor sikeres kettősével.
