물 관리의 AI 응용 분야

이 기사는 “AI & Water management — What utilities need to know now” 논문에서 발췌한 것입니다. 전체 논문은 여기에서 확인할 수 있습니다.

챗봇의 미래: 물 고객을 위한 보다 지능적인 고객 서비스 인터페이스 상상

제한 사항은 제쳐두고 ChatGPT가 물 부문에서 보다 지능적인 고객 서비스 챗봇과 관련하여 어떻게 유용한 응용 프로그램을 가질 수 있는지 알 수 있습니다. 오늘날 대부분의 고객 서비스 챗봇은 고객 질문에 대한 컴퓨터 생성 응답으로 시작합니다. 컴퓨터가 미리 설정된 질문과 답변의 사용 가능한 데이터베이스에 그려진 고객의 질문에 대답할 수 없는 경우 고객을 사람에게 전달합니다. 그러나 이러한 종류의 챗봇은 종종 컴퓨터와 대화하는 것처럼 느껴지며 종종 별로 도움이 되지 않습니다.

그러나 ChatGPT와 같은 것이 수도 회사와 같은 특정 조직의 정보에 액세스할 수 있다면 청구 데이터, 고객 데이터 및 수도 시스템 데이터를 활용하여 고객 질문에 훨씬 더 관련성 높은 답변을 생성할 수 있습니다.

AI는 고객을 인간에게 전달하기 전에 “수도꼭지에서 물이 흘러나온다”, “내 물이 갈색이다” 또는 “내 청구서가 왜 그렇게 높은가?”와 같은 우려와 질문에 훨씬 더 많은 답변을 얻을 수 있습니다.

예를 들어, 고객이 ChatGPT와 같은 강력한 기능을 갖춘 AI 지원 채팅에 물이 수도꼭지에서 천천히 나오고 있다고 불평한다고 상상해 보십시오(낮은 압력으로 인해). 올바른 데이터에 액세스할 수 있는 경우 감정 분석을 수행하여 동일한 영역에 문제에 대한 다른 보고서가 있는지 확인할 수 있습니다. 그런 다음 승무원에게 경고하고 “예, 해당 지역에 문제가 있는 것으로 보이며 승무원이 그곳으로 향하고 있습니다. 두 시간 안에 완료해야 서비스가 복원됩니다.”

이것이 ChatGPT와 같은 AI가 조직의 데이터에 액세스할 수 있고 이 문서의 첫 번째 섹션에 나열된 기타 제한 사항이 해결 된 경우 물 부문의 고객 서비스 챗봇을 개선하는 데 미칠 수 있는 영향의 유형입니다.

유틸리티 고객과 고급 챗봇의 대화 예시

복잡한 물 분배 시스템 설계 문제를 해결하기 위한 진화적 계산(절반의 시간)

물 부문에서 AI의 유망한 영역 중 하나는 물 분배 시스템을 위한 최적의 설계를 발견하기 위한 진화적 계산입니다. 이것은 특히 50,000에서 100,000 인구가 거주하는 도시와 같은 중형 물 분배 시스템의 계획 이니셔티브와 관련이 있습니다. 예를 들어, 향후 확장, 유지 보수 및 수리 비용을 최적화하기 위한 장기 기준 계획 이니셔티브에 사용할 수 있습니다.

진화 계산은 기존 알고리즘에 비해 너무 많은 변수로 매우 복잡한 문제를 해결하는 인공 지능의 하위 분야입니다. 이름에서 알 수 있듯이 이 분야는 자연 진화의 기초에서 영감을 받았습니다. 진화 계산은 유전 및 자연 선택과 같은 원리를 사용하는 유전 알고리즘을 사용합니다 – 환경에 더 적합한 유기체가 유전 물질을 전파하고 환경에서 더 많이 번식하는 표준.

물 부문에서 진화 계산은 최적의 물 시스템 설계를 달성하기 위해 거의 무한한 가능성을 테스트하는 문제를 해결합니다. 예를 들어, 100,000피트의 파이프가 있더라도 효율성과 비용 측면에서 가장 최적의 설계를 찾기 위해 모든 파이프를 차례로 교체해야 하는 경우 이를 수행할 수 있는 컴퓨팅 시간은 전 세계에 없습니다. 그것은 확실히 인간에 의해 이루어질 수 없습니다. 대부분의 엔지니어는 프로젝트에 대한 몇 가지 설계 솔루션만 고려할 시간이 있습니다.

이 아이디어는 AI가 크고 복잡한 시스템에서 작은 변화를 지속적으로 테스트하여 시스템이 “거의 최적의 솔루션”에 도달할 때까지 강력한 솔루션을 채택하고 약한 솔루션을 변경할 수 있다는 것입니다.

실제로, 진화적 컴퓨팅은 수동으로 생산된 설계보다 비용을 절반 이상 절감하고 더 나은 솔루션을 생성하는 것으로 밝혀졌습니다. 유전 알고리즘을 기반으로 하는 AI는 AI 없이는 과거에 우리 부문에서 해결할 수 없었던 물 분배 시스템 설계 문제에 대한 솔루션을 제공할 수 있습니다.

일상 업무를 위한 AI: 결함 감지 및 컴퓨터 비전을 위한 머신 러닝

결함 및 이상 탐지

유틸리티의 일상적인 프로세스에서 AI의 가장 관련성이 높은 응용 프로그램 중 하나는 오류 감지입니다. 이것은 기계 학습을 사용하여 고객에게 문제를 일으키기 전에 수도 시스템의 결함을 감지하는 AI 시스템입니다. 작동 방식은 AI가 시스템의 과거 성능을 기반으로 정상적인 것을 학습하는 것입니다. 하루 중 시간, 온도, 계절 및 기타 변수를 기반으로 정상적인 패턴을 인식한 다음 다음에 일어날 일을 예측합니다. 예측이 예상과 같거나 비슷한 값이면 문제가 없습니다. 그러나 큰 불일치가 있는 경우 운영자에게 경고할 수 있습니다.

예를 들어, 한밤중에 분배 시스템 어딘가에서 파이프가 파열되어 AI 시스템이 문제를 감지한다고 상상해 보십시오. 그런 다음 고객에게 문제가 발생하기 전에 승무원에게 가서 수리하도록 경고할 수 있습니다. 아침에 고객은 문제가 있다는 사실조차 모른 채 샤워를 켭니다.

이러한 종류의 AI 기반 분석 및 경고 시스템을 ChatGPT와 같은 생성 자연어 모델과 결합하고 리소스가 제한된 유틸리티, 특히 대규모 유틸리티가 종종 가지고 있는 사내 분석 부서가 없을 수 있는 소규모 유틸리티는 큰 이점을 볼 수 있습니다.

예를 들어, 비정상적인 압력 영역, 탱크 수위, 유량 및 기타 중요한 일상 작업과 같은 이상에 대한 경고를 제공하는 디지털 어시스턴트 “Q”가 있는 Qatium과 같은 도구를 사용하여 물 관리 산업에서 이러한 종류의 기계 학습 및 자연어 처리 기능이 등장하는 것을 볼 수 있습니다.

컴퓨터 비전

앞서 논의한 바와 같이, 오늘날 물 부문에서 점점 더 많이 볼 수 있는 딥 러닝 AI 애플리케이션은 컴퓨터 비전입니다. 컴퓨터 비전은 딥 러닝을 사용하여 비디오와 사진을 분석하여 기존의 인간 유인 분석보다 훨씬 빠르고 정확하게 이상 징후, 누출 및 결함을 감지합니다.

딥 러닝 AI는 파이프의 시각적 특성을 학습하는 데 매우 뛰어나고 빠릅니다. 그것은 인간이 단순히 할 수 있는 대역폭이 없는 체계적인 방식으로 불완전함을 특성화할 수 있습니다. 이미지 기반 딥 러닝은 방대한 데이터 세트를 활용하여 예를 들어 영상에 잔해가 쌓여 있는지 또는 실제로 파이프 연결의 파손 또는 미끄러짐인지 식별할 수 있습니다. 설령 인간이 실수하지 않았다고 해도, 두세 시간 동안 이런 영상을 보고 나면, 모든 의미를 잃어버린다. 그러나 딥 머신 러닝은 이러한 문제가 없으므로 폐쇄 회로 텔레비전(CCTV) 데이터에 매우 적합합니다. 최근에는 이미지 기반 딥러닝 모델이 CCTV 영상을 사용하여 빗방울의 밀도를 분석하여 강우의 강도를 인식하는 응용 분야도 있으며, 이는 신속한 홍수 관리 대응에 중요한 영향을 미칩니다.

물 부문의 AI 애플리케이션의 다음 단계는 무엇일까요?

로봇 공학은 물 관리 산업에서 분명한 미래를 가지고 있습니다. 우리 산업은 지하에 묻혀 있기 때문에 모니터링, 접근, 검사 및 이해하기가 어렵고 때로는 위험한 인프라를 다룹니다. 인간이 데이터를 수집하기 위해 이동하는 것이 너무 어렵거나 위험하거나 파괴적인 다른 산업에서는 로봇이 핵심적인 역할을 하고 있지만, 물 부문은 아직 로봇 공학을 완전히 활용하지 못했습니다.

그럼에도 불구하고 우리는 물 산업에서 로봇 공학을 향한 몇 가지 움직임을 보았습니다. 예를 들어, 누출 감지를 위한 데이터를 수집하기 위해 사람들이 파이프에 떨어뜨리는 장치가 개발되었습니다. 장치는 파이프에 머물지 않습니다. 한 위치에 드롭한 다음 다른 위치에서 픽업하여 데이터를 수집하고 분석할 수 있습니다.

그러나 미래에는 수도 시스템에 무기한으로 머물면서 파이프 네트워크를 기어 다니며 네트워크의 정보를 얻기 위해 AI 분석으로 분석 할 데이터를 지속적으로 수집하고 전송하는 자율 로봇을 더 많이 볼 수 있습니다.

Pipebots는 지하 파이프 네트워크에서 작동하도록 설계된 마이크로 로봇의 개발을 통해 매설 파이프 인프라 관리에 혁명을 일으키는 것을 목표로합니다.

앞서 언급했듯이 물 부문 AI의 발전은 첫째, 우리는 고수익 산업이 아니고, 둘째, 우리의 물 시스템이 인간의 건강에 필수적이기 때문에 위험을 회피하기 때문에 제약을 받습니다. 따라서 로봇 공학과 AI가 물 관리 솔루션의 논리적 미래임에도 불구하고 그 방향으로의 발전은 다른 산업보다 느립니다. 그럼에도 불구하고 우리는 우리 분야에서 미래 AI 솔루션의 흥미로운 잠재적 응용에 대해 낙관적이어야 합니다.