למידת מכונה למניעת זיהום שפכים

הצורך הדוחק למנוע זיהומי שפכים הביא להשקעה מסיבית בתשתיות, ואולם צינורות שיוצאים מתחנות שאיבה עדיין מאתגרים. פתרונות מבוססי למידת מכונה וניתוח מידע משופר עשויים לתת להם מענה.

מדובר בצינורות מבוססי לחץ שמובילים מי שפכים מתחנת השאיבה למיתקן הטיהור. מאחר שהתשתיות לפעמים ישנות מאוד, תוכניות התחזוקה המסורתיות לא תמיד יספיקו למניעת תקלות בעלות פוטנציאל נזק גדול.

צינורות אלה ממוקמים בנקודות מרוחקות או בלתי נגישות, מתחת לפסי רכבת, כבישים או נהרות, או באזורים בעלי רגישות סביבתית גבוהה, ובמקרה של פיצוץ עלול להיגרם נזק אקולוגי רב. בשל מגבלות טכניות ולוגיסטיות על אפשרויות הניטור בצינורות, תקלה תאותר לא אחת כאשר האירוע כבר יגיע למצב מתקדם ואי אפשר יהיה למנוע את הזיהום.

הודות לפיתוחים טכנולוגיים בתחום עיבוד נתונים ובינה מלאכותית, אפשר לשלב אמצעי ניטור מהימנים במקום להסתפק בהגדרת רף לשיעור הזרימה ובהתרעה כאשר הזרימה עולה על הרף שהוגדר.

BurstDetect, מערכת התרעה מוקדמת ומבוססת ענן של חברת אוברו (Ovarro), מוזנת בנתונים בכמה תדירויות ניטור ומבוססת על אלגוריתם שתפקידו להבין התנהגות נורמלית של תחנת שאיבה. כאשר מאתרים נקודה שקיים בה פוטנציאל לפיצוץ, נשלחת התרעה למרכז הבקרה, לעיתים קרובות בתוך 30 דקות מתחילת האירוע.

גישה זו של "אימון ובדיקה" בלמידת מכונה צוברת יותר ויותר חשיבות בחברות לניהול מים. שפע הנתונים שאפשר לאסוף כעת הוא מעבר למה שמוח אנושי יכול לעבד ולנתח במהירות מספקת, ומכאן היתרון הגדול בלמידת מכונה: היא מאפשרת להפוך את שפע הנתונים לחיזויים אפקטיביים לגבי תקינות התשתיות. אלגוריתם מסוג זה יכול להשתפר, ועם הטמעתו ביותר ויותר מיתקנים, הוא נעשה מדויק יותר הודות להיזון חוזר שמתקבל מחברות המים.