Xylem und ESRI: Innovatives KI-Analysemodell für Rohrleitungen
Einsatz von Machine Learning zur Vorhersage von Rohrleitungsausfällen (Bildquelle: Xylem Inc. / Environmental Systems Research Institute, Inc.)
Der globale Wassertechnologieführer Xylem hat sich mit ESRI, dem Weltmarktführer im Bereich GIS, zusammengetan, um für ein mittelgroßes Wasserversorgungsunternehmen in einem der Mittelatlantikstaaten der USA ein revolutionäres, auf künstlicher Intelligenz (KI) basierendes Rohrleitungsanalysemodell zu entwickeln, das die Effizienz und Widerstandsfähigkeit des Versorgers deutlich verbessern kann.
Das Modell, eines der ersten in Nordamerika, das potenzielle Rohrleitungsausfälle zuverlässig prognostizieren kann, nutzt eine KI-basierte Lösung von Xylem, um Daten innerhalb des Esri ArcGIS Enterprise Systems des Versorgungsunternehmens zu analysieren wie z. B. Rohrbrüche sowie andere Infrastrukturdaten, die in der Analyse mit Open-Source-Informationen kombiniert werden.
„Xylem ist bestrebt, Innovationen im Wassersektor voranzutreiben und die Partnerschaft mit anderen führenden Technologieanbietern wie Esri hilft uns dabei, den Innovationstakt weiter zu beschleunigen“, erklärt Dave Ayers, VP Innovation Strategy & Partnerships bei Xylem. „Gemeinsam helfen wir Akteuren im Wassersektor und anderen Wassernutzern dabei, die Wassersicherheit und Widerstandsfähigkeit ihrer Gemeinden zu verbessern.“
Einsatz von Machine Learning zur Vorhersage von Rohrleitungsausfällen
Der Wasserversorger, der einen proaktiven Ansatz zur kontinuierlichen Verbesserung der Service-Zuverlässigkeit für seine 270.000 Kunden verfolgt, sah sich mit einer nur allzu häufigen Situation konfrontiert – einer alternden Wasserinfrastruktur. Im System des Versorgungsunternehmens, das über 1.600 km Wasserleitungen umfasst, die durchschnittlich etwa 50 Jahre alt sind, kam es immer häufiger zu Rohrbrüchen. Dies veranlasste das Unternehmen, nach innovativen Strategien zu suchen, die die Service-Zuverlässigkeit verbessern und gleichzeitig die Reparatur- und Ersatzkosten minimieren sollten.
Die immer häufiger auftretenden Rohrbrüche führten bei den Versorgungskunden zu unvorhersehbaren Ausfällen, kostspieligen Reparaturen und störenden Straßensperrungen. Um sein Ansehen in der Öffentlichkeit und seinen Kundenservice zu verbessern, entschied sich das Versorgungsunternehmen, bei der Verwaltung seiner Wasserinfrastruktur proaktiver vorzugehen und die Rohre mit der größten Dringlichkeit zu priorisieren.
„Unser Ziel ist es, Machine Learning zu nutzen, um Variablen zu identifizieren, die zu potenziellen Rohrbrüchen führen können und dies für die Planung von Kapitalverbesserungen zu nutzen“, berichtet der Projektmanager des Versorgungsunternehmens bei der Abteilung für Öffentliche Arbeiten – Department of Public Works.
Entwickeln eines Risikomodells mit künstlicher Intelligenz
Das Versorgungsunternehmen hatte bereits früher mit Xylem zusammengearbeitet, um seinen Bestand an PCCP-Spannbetonrohren zu verwalten. Basierend auf Xylems weitreichender Erfahrung bei der Identifizierung von Strategien zur Erhaltung von Wasserleitungen und Xylems enger Partnerschaft mit Esri, die seit mehr als 20 Jahren besteht, entschied das Versorgungsunternehmen, Xylem im Jahr 2014 mit der Entwicklung eines Risikomodells mit künstlicher Intelligenz zu beauftragen, das über Esris ArcGIS-System geprüft, aktualisiert und für die kontinuierliche Nutzung durch das Team angezeigt werden konnte.
Außerdem arbeiteten das Versorgungsunternehmen und Xylem zusammen, um ein quantitatives Risikomodell zu implementieren, das die Ausfallwahrscheinlichkeit (wann ein Rohr höchstwahrscheinlich ausfallen wird) mit den Folgen eines Ausfalls (die sozialen, finanziellen und ökologischen Kosten des Ausfalls) kombiniert. Unter Verwendung mehrerer Dateneingaben einschließlich der Ergebnisse früherer Zustandsbewertungen ist Xylems Machine-Learning-Lösung in der Lage, die Wahrscheinlichkeit eines Ausfalls für sämtliche Wasserleitungen im System zu prognostizieren. Im Zuge der Datenerfassung und durch Veränderungen am System werden das GIS und die Algorithmen für Machine Learning aktualisiert, um ein lückenloses, kontinuierliches Bild über für den Gesamtzustand des Systems zu erhalten.
Die Lösung von Xylem und Esri sagt zukünftige Ausfälle zuverlässig voraus
Dieses KI-Rohrleitungsanalysemodell ist eines der ersten Rohrbruchmodelle in Nordamerika, das potenzielle Ausfälle im Verteilungssystem mithilfe von künstlicher Intelligenz zuverlässig prognostiziert. Das Modell verwendet Daten aus dem Esri ArcGIS-Unternehmenssystem des Versorgungsunternehmens, wie z. B. Rohrbrüche und andere Infrastrukturdaten, die in der Analyse mit Open-Source-Informationen kombiniert werden. Dieser datengesteuerte Ansatz bietet erhebliche Vorteile gegenüber traditionellen, subjektiv bewerteten Modellen, bei denen die Ergebnisse trotz aktualisierter Eingaben oft statisch bleiben.
„Wasserversorger können durch die Kombination von ArcGIS mit Xylems innovativer KI-basierter Analyse von Rohrleitungsausfällen ihre Kosten erheblich senken und ihre Gemeinden widerstandsfähiger machen“, erklärt David Wachal, Director, Esri Global Water Practice.
Xylems Risikomodell ist in der Lage, die Ergebnisse zu aktualisieren, wenn neue Informationen aus dem System erfasst werden, einschließlich Rohrbrüche, Zustand der Rohrleitungen sowie anderer Betriebsdaten. Die Ergebnisse ermöglichen es den Kunden, Prioritäten für den Austausch von Rohrleitungen zu setzen, die Kosten zu senken und die Auswirkungen für die Endkunden zu reduzieren, indem die kritischsten, am stärksten beschädigten Rohre ausgewählt werden.
Um diesen Ansatz zu prüfen und die Gesamtwahrscheinlichkeit von Ausfällen zu reduzieren, wählte das Versorgungsunternehmen einen prognostizierten „Hotspot“ bzw. Bereich mit einer hohen Anzahl von Rohrbrüchen aus, um Xylems Machine-Learning-Technologie zu testen und dadurch die Gesamtwahrscheinlichkeit von Ausfällen zu reduzieren.
Zusätzlich stellte Xylem vor Ort eine mobile Anwendung zur Ereignisverfolgung (zur Erfassung von Informationen über Rohrbrüche) für die Außendienstmitarbeiter des Versorgungsunternehmens bereit. Diese Mehrwertfunktion erhöhte nicht nur die Genauigkeit der Datensätze von Rohrleitungsausfällen, sondern reduzierte auch den gesamten Arbeitsaufwand für die Aktualisierung ihres CMMS und GIS und verbesserte die Vorhersage von Rohrausfällen.
70 Millionen Dollar an Einsparungen und eine drastische Reduzierung von Rohrleitungsausfällen
Der Erfolg des Pilotprogramms hat das Versorgungsunternehmen dazu veranlasst, mithilfe eines KI-basierten Risikomodells weitere kosteneffiziente Strategien zur Erneuerung der Rohrleitungen zu entwickeln. Sobald das Modell im gesamten Verteilungssystem implementiert ist, kann es das Versorgungsunternehmen dabei unterstützen, die jährlichen Kosten für den Austausch von Rohrleitungen von 90 Millionen Dollar auf nur 20 Millionen Dollar oder 77 Prozent zu senken und gleichzeitig eine drastische Reduzierung der Ausfälle um das Vierfache zu erreichen.
„Wir sind stolz darauf, gemeinsam mit Esri innovative Lösungen zu entwickeln, die die Art und Weise, wie Wasserversorger Rohrleitungsausfälle prognostizieren und Reparaturen priorisieren können, grundlegend verändern werden“, sagt Dave Ayers von Xylem. „Indem wir mit Versorgungsunternehmen zusammenarbeiten, um Innovationen voranzutreiben, und die gesammelte Kraft unserer Erfahrungen und Technologien bündeln, beschleunigen wir den Fortschritt und entwickeln revolutionäre, neue Ansätze, um die größten Wasserherausforderungen unserer Zeit zu lösen und eine nachhaltigere Welt zu schaffen."
Quelle: Xylem Inc.
