Machine learning kan finde de mest slidte kloakledninger

Kloak
Illustration: mulderphoto/Bigstock. Se større version
Machine learning og anden AI har et kæmpe potentiale for besparelser i den danske vandsektor, viser både forskning og konkrete projekter. Har man f.eks. pålidelige oplysninger for en del af ledningsnettet, kan machine learning hjælpe med at fylde huller i data – og dermed give et bedre billede af, hvor man bør tv-inspicere først.
Indblik26. november 2019 kl. 06:52
errorÆldre end 30 dage

Hvilke ledninger er ved at være nedslidte?

Svaret på det spørgsmål er langtfra altid baseret på et solidt datagrundlag. Og det er mildt sagt uhensigtsmæssigt, for danske forsyningsselskaber bruger hvert år tæt på ni milliarder kroner på at vedligeholde vand- og spildevandsnettet.

En af årsagerne er, at det kan være meget svært at gennemskue, hvilke ledninger der er nedslidte, og at man derfor ikke ved, hvor man skal gribe ind, før skaden er sket.

Det skyldes ikke mindst, at tv-inspektion er dyr – typisk mellem 10.000 og 20.000 pr. kilometer. Derfor findes der oftest kun nyere tv-inspektioner fra en mindre del af ledningsnettet.

Men machine learning er nu ved at være så veludviklet, at det med stor sikkerhed kan pege på den del af kloaknettet, hvor der er størst risiko for brud – og hvor man derfor bør tv-inspicere. Og det kan bidrage til besparelser for både forsyningerne og for samfundet.

Det viste tre præsentationer på Danvas årlige Dansk Vand-konference i sidste uge: forskningsresultater fra Aalborg Universitet og EnviDan og konkrete projekter fra henholdsvis EnviDan og Niras.

Få fuld adgang til DataTech

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra machine learning-modeller til dataetik. Få tilsendt tilbud

Abonnementsfordele
vpn_key
Fuld adgang til DataTech
Alt indhold på DataTech er åbent for dig, så du kan nyde det fra din computer, tablet eller mobil.
drafts
Kuraterede nyhedsbreve
Nyheder, interviews, tendenshistorier og meget mere, leveret til din indbakke.
thumb_up
Adgang til debatten
Deltag i debatten med andre professionelle.
Debatten
Log ind for at deltage i den videnskabelige debat.