Slik skal maskinlæring skape verdi av vannsektordata

06.05.2020

Store mengder data i vannsektoren har blitt samlet inn gjennom mange år, og nye data kommer til i et rasende tempo. I likhet med omtrent alle andre bransjer er maskinlæring et overbevisende verktøy for å utnytte disse dataene til for eksempel å optimalisere drift og vedlikehold, finne hittil ukjente sammenhenger, optimalisere styring og forutsi behov for fornyelse.

Dette er bakgrunnen for Bolette Dybkjær Hansens nærings-ph.d., som hun skriver i samarbeid med Aalborg Universitet og EnviDan. Bolettes utdanningsbakgrunn er innenfor maskinlæring, som hun tar med seg til EnviDan, hvor hun i første del av arbeidet avdekker idéer mellom vannsektorens domene og maskinlæring. På bakgrunn av en evaluering av verdiskapningen til de identifiserte idéene, velges det ut tre emner som hun spesifikt skal jobbe videre med.

Ph.D. skal utvikle tre spesifikke løsninger basert på maskinlæring

Bolette nådde nylig en milepæl, da hun har jobbet med sin ph.d. i 11 måneder. Bolette har i samarbeid med EnviDans forretnings- og utviklingsledere utviklet over 50 idéer til hvordan maskinlæring kan skape verdi innenfor de forskjellige forretningsområdene i EnviDan.

Spesifikke maskinlæringsbaserte løsninger

Bolette skal utvikle tre konkrete maskinlæringsbaserte løsninger, og hun er allerede godt i gang med utviklingen av case 1: Forutsigelse av den fysiske tilstanden til kloakkrør. På bakgrunn av mer enn 100.000 TV-inspiserte ledninger og en mengde informasjon om ledningene, har Bolette lyktes med å trene opp en modell som gjør det bedre enn alle andre dokumenterte forsøk på å gjøre det samme. Resultatet er publisert i en vitenskapelig artikkel – og ikke minst en av grunnene til at vi i EnviDan har stor suksess med implementering av Rehab-IT både i Danmark og nå sist også i Sverige.

Utviklingen av case 2 og 3 forventes å starte i løpet av 2020. De tre utvalgte idéene dekker et bredt område med hensyn til å bidra med ny kunnskap innen maskinlæring i vannsektoren og i EnviDan.

Ph.d. viser vannsektorveien

Når de tre produktene/metodene er utviklet, blir analysen av idéene evaluert og utvidet, slik at det mot slutten av ph.d.-prosjektet ligger et veikart for en fortsettelse av implementeringen av maskinlæring i vannsektoren.

 

David Getreuer Jensen

VIL DU VITE MER?
KONTAKT MEG
FOR MER INFO

David Getreuer Jensen

+45 61 33 35 50