Machine learning fanger vandspild langt billigere
Unge iværksættere har udviklet software, der advarer vandværker om lækager. Løsningen er allerede i drift, og uafhængig ekspert er positiv.
Unge iværksættere har udviklet software, der advarer vandværker om lækager. Løsningen er allerede i drift, og uafhængig ekspert er positiv.
Vandsektoren har gode muligheder for en digital transformation. Det kræver, at vi tager fælles ansvar for at sikre rammerne for agile udviklingssamarbejder, lader os selv træde ud i det ukendte og lærer gennem forsøg og fejl.
Hvordan de stigende regnvandsmængder kan ledes væk fra jordoverfladen, afhænger af, hvor tæt jordoverfladen er; både i forhold til belægningstypen og -graden. Og af netop den grund har Styrelsen for Dataforsyning og Effektivisering oprettet et pilotprojekt, hvis sigte er at udvikle metoder, der kan kortlægge de forskellige overfladetypers tæthed – fx græsmarker, asfaltveje o.l. – og derudfra vise, hvor nedbør trænger igennem.
Jeg ser en vandbranche, der investerer massivt i både nye data og intelligent brug af data, skriver Mads Uggerby fra EnviDan i dette svar til sidste uges kritik fra Niras' forretningschef.
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.
Få 3 ugers gratis og uforpligtende prøveabonnement
Klik her