Круглый год по всему миру почти 663 млн человек вообще не имеют безопасного доступа к чистой воде. Проблема изменения климата, вероятно, только ухудшит ситуацию, и поиск путей решения для менее экономически развитых стран является приоритетом. Новые технологии, такие как Big Data (большие данные) и ИИ могут помочь найти выход…

Katy Walters / Вода, вода везде / [CC BY-SA 2.0]

Большие данные — анализ огромного массива информации инструментами, которые могут обработать их намного быстрее, чем люди могут сделать это без технической поддержки.

Получение и накопление данных увеличилось в объемах в последние годы благодаря дешевым сенсорам и росту применения геопространственного анализа. Эти новые технологии улучшили нашу возможность находить и осуществлять контроль за запасами воды. Более того, инфраструктура, обеспеченная современными датчиками, создает возможности для облачных вычислений и возросшей доступности данных на всех системах.

Сельское хозяйство

Сельское хозяйство однозначно является самым крупным пользователем (и расточителем) воды в мире. Фермеры используют 70% мирового запаса пресной воды, но 60% из неё утрачивается в результате протечек в оросительных установках и нерациональных способах применения.

Анализ больших данных может продолжать поиск оптимальных решений для уравновешивания производительности и надежности, когда речь идет о сельском хозяйстве. Он также может предотвращать спровоцированные человеком аварии, такие как внезапное падение качества воды, которое может оставаться скрытым до полного проявления последствий.

Это может помочь водоснабжающим компаниям понять тренды в землепользовании и климате, которые повлияют на ключевые решения при планировании адаптивной и регулируемой систем водоснабжения.

Большие данные и моделирование помочь в совместной работе водоснабжающих компаний и землеустроителей при оценке того, какое количество воды будет необходимо и доступно при различные вариантах развития.

Растрата воды

В XX веке население мира утроилось, в то время как использование воды человеком увеличилось шестикратно.

До сегодняшнего дня водоснабжающие компании находились в тупиковом положении в том, что касается времени и ресурсов. Их инфраструктура водоснабжения и водоотведения приходит в негодность, насосы ломаются, трубы протекают, а у других деталей истекает срок годности, но у стесненных в средствах предприятий нет денег или знаний инфраструктуры, чтобы произвести необходимые улучшения.

Насущная проблема с данными

По сути, большие данные обозначают наличие огромного количества данных. Водоснабжающие компании получают данные благодаря системам диспетчерского управления и сбора данных (SCADA), включая статистику потоков, онлайн мониторинг и т.п.

Диспетчерское управление и сбор данных (SCADA) — программное обеспечение, которое использует компьютеры, сети передачи локальных данных и графический пользовательский интерфейс для организации контроля и управления на высоком уровне.

Предприятия уже задействуют системы SCADA, что позволяет им собирать огромные объемы данных. Впрочем, часто оказывается, что они не знают или их не заботит, как сделать так, чтобы эти данные приносили конкретную пользу.

Их системы SCADA могут быть старыми, выдавать своеобразные форматы данных и не обязательно быть созданными для совместной работы (разобщенность).

Кроме того, данные, собранные в очистных сооружениях, часто обрывочны. Существует разобщенность в данных компьютерных систем, которые не всегда контактируют друг с другом. Разработки в больших данных и новые средства управления данными позволяют нам превратить все эти данные в понятную, полезную информацию, которая помогает нам стать более предусмотрительными и принимать лучшие хозяйственные решения.

Более того, сотрудники предприятий, имеющие на руках такой тип информации, скорее смогут заблаговременно определить потенциальные проблемы еще до того, как они произошли, а не бросаться чинить что-то типа сломанного насоса. Системы SCADA способны в режиме реального времени отображать текущую ситуацию и незамедлительно сигнализировать о проблемах. Способность предсказывать вероятные проблемы, используя умные платформы для обработки и анализа данных, в корне меняет положение дел.

Следующий шаг — объединение данных и использование инструментов аналитической обработки для прогноза того, куда нам следует направить свой взгляд, чтобы стать более дальновидными, — крайне значим для водного хозяйства.

Поставьте во главу угла качество, а не на количество. 

Даже самая тонко организованная аналитическая обработка данных не может избежать ошибок в измерениях. Если вы не уверены в своих главных датчиках и анализаторах, у вас будет огромное количество неверных данных, которые бесполезны.

Как это работает

Data mining (прим. переводчика: есть несколько переводов данного термина, в данной статье будет использован «извлечение данных») — это то, как специалист по работе с большими данными обнаруживает информацию в потоке необработанных данных. Стимулы и выгоды с обеих сторон — поставщиков коммунальных услуг и потребителей — могут затем синхронизироваться с помощью математических моделей, таких как модели, основанные на байесовском выводе и теории игр. Знания о коммуникациях, полученные из больших данных, наконец, распространяются, чтобы операторы, инженеры и руководители взяли их на вооружение.

В необработанных данных недостатка нет. У почти 60% водоснабжающих компаний есть удаленные системы сбора данных на всех насосных станциях, а у 43% —сбор данных на всех резервуарах.

Преимущества больших данных:

— Продвинутый анализ тенденций

Высокопроизводительные большие данные (колоссально огромные наборы данных) имеют потенциал к созданию умного управления ресурсами инфраструктуры водоснабжения, предоставляя возможность руководителям грамотно и безошибочно оценивать, прогнозировать, а также распределять свои ресурсы. Водоснабжающим компаниям может помочь анализ тенденций, который при создании прогнозов на будущее основывается на аналитических методах, чтобы определять скрытые закономерности и тенденции, лежащие подспудно в старых данных.

— Прогноз спроса

Продвинутый анализ больших данных делает прогноз нагрузки на систему практически осуществимым для руководителей высокого уровня благодаря распознаванию паттернов и моделированию ряда сценариев, используя систему динамического моделирования и продвинутые алгоритмы машинного обучения. Усовершенствованный прогноз нагрузки на систему для предугадывая поведения при потреблении воды с использованием больших данных в нескольких наборах данных, таких как демографические факторы (плотность населения и т.п.), паттерны потребления за прошедшие периоды, климат (температура, влажность и т.п.), инфраструктура (используемые технологии, возраст, продуктивность и т.п.), политические, экономические и иные критерии. Эти составляющие представляют собой входные переменные для развития прогнозирующей модели, способной предвидеть потребительское поведение (то есть спрос на воду).

— Автоматизированный контроль

Что если вместо отправки сигналов команде инженеров, эти системы SCADA могли бы отправлять команды самонастройки? Давайте представим что-то вроде самоналаживающихся технологий, помогающих нам в регулировании воды.

— Открытые данные

Некоторые другие области, в которых интеграция данных даёт толчок инновациям, — это открытые данные и гражданские науки. Оборотная сторона того, что коммунальные предприятия не работают в конкурентной среде, — возможность создать условия для инноваций для других. Наборы данных, собираемые предприятиями, могут стать, а в некоторых случаях уже стали доступны для третьей стороны как открытые данные.

Как применить ИИ

ИИ — это высокомасштабируемое и экономически целесообразное решение для большого количества водопроводных труб, которыми владеют коммунальные компании. Помимо интеграции данных, ИИ также усовершенствует процесс принятия решений, предоставляя рекомендации, основанные на этих данных.

Программное обеспечение с элементами ИИ на основе машинного обучения для оценки состояния труб — лучшая стратегия развития, чем просто роботизация. ИИ может проанализировать тысячи миль [труб] за считанные часы, становясь крайне выгодным в ценовом отношении решением.

Машинное обучение — лучший способ поиска значимых взаимосвязей внутри данных, а затем вывода функциональной зависимости, которая может использоваться для приятия решений.

К примеру, модели прогнозирования были разработаны, чтобы позволить коммунальным предприятиям предсказывать спрос с точностью вплоть до 98%. Эти модели задействуют собранные данные, объединяют с другими данными, такими как прогноз погоды, которые потом передаются в модели машинного обучения во внешних приложениях.

В то время как другие отрасли широко применяют анализ тенденций и прогнозирование, их ключевое значение остается тайной для весьма разобщенного водного хозяйства.

Поставщики услуг и коммунальные предприятия должны вкладывать средства в организацию надлежащих систем сбора данных для сбора, группировки и выполнения анализа тенденций микро- и макроданных в качестве первого шага навстречу оптимизации управления ресурсами инфраструктуры и принятия решений в водном хозяйстве.

Некоторые стартапы разрабатывают решения для управления водоснабжением на основе глубокого обучения. Компании обещают «предоставить возможность предупреждать утечку воды в системах водоснабжения, прогнозировать общее состояние системы и минимизировать текущие расходы». Они могут предложить данные с временными метками от датчиков и счетчиков, благодаря использованию самого передового алгоритма глубокого обучения для их анализа.

В Индии были разработаны две ИНС модели, чтобы определить качество воды в реке Гомти. В качестве набора данных были взяты такие параметры качества воды, как кислотность (pH), общее содержание твердых веществ, химическое потребление кислорода, и произведен предварительный расчет растворенного в воде кислорода и биологической потребности в кислороде.

Искусственная нейронная сеть (ИНС) — вычислительная модель на основе структуры и функционирования биологических нейронных сетей.

Прототип нейронной сети был разработан при помощи использования данных, которые содержали наблюдения за три года. Входные наборы данных рассчитывались с помощью коэффициента корреляции с растворенным кислородом. Вычисления прототипов ИНС сравнили, используя коэффициент корреляции, среднеквадратичная погрешность и коэффициент эффективности. Оценочные значения растворенного в воде кислорода и биологической потребности в кислороде совпали.

Пример процесса обработки данных с трубопровода

Конкретные примеры

В Бангалоре водоснабжающие компании могут измерять расход в любой момент и делать доступ к воде настолько справедливым, насколько это возможно. Наблюдая за единственной панелью управления, возможно отслеживать работу более чем 250 счетчиков на воду, а также уделять больше внимания отдельным блокам.

В штате Керала [Индия] компании полагаются на счетчики воды и датчики от IBM, чтобы отслеживать ситуацию с потреблением воды, в том числе выявлять нарушения, которые могут указывать на отдельные случаи несанкционированного использования. Преимущество платформ обработки и анализа больших данных в том, что они могут искать отклонения в паттернах, которые в противном случае могут остаться невыявленными.

И наконец, Google договорилась с несколькими странами развивать модель ИИ для прогнозирования наводнений.

Перевод твита

Будущее анализа данных

Раз уж мы входим в эпоху больших данных, водоснабжающие компании будут иметь возможность применять усовершенствованные датчики, которые будут улавливать ранее не определявшиеся изменения в работе инфраструктуры. Эти технологии прогнозирования помогут компаниям предвосхищать неполадки и утечки в оборудовании.

Умные технологии могут помочь водоснабжающим компаниям совершенствовать их службу по работе с потребителями. К примеру, информационно-аналитическая система с функцией самообслуживания при помощи использования продвинутого способа учета и анализа данных о качестве воды могла бы позволить пользователям контролировать и оптимизировать собственный расход воды.

Новая волна технически совершенных инструментов аналитики предлагает водоснабжающим компаниям возможность удовлетворить эти насущные потребности и трансформировать необработанные данные в практически применимые сведения. Анализ данных может быстро определить неисправность в инфраструктуре, уменьшить потерю воды, предупредить перелив в водостоках и оценить состояние системы. Более того, данные могут раскрыть производительность, давать информацию об случаях упреждающего технического обслуживания и служить ориентиром в долгосрочном планировании.

Пока по большей части говорят о больших данных, как о замене физических активов цифровыми технологиями, более значительная и влиятельная тенденция — это использование онлайн-инструментов для улучшения эффективности использования физических активов на «офлайн» предприятиях, таких как водное хозяйство. В этом контексте роль данных не заставить руководителя умно говорить. Их задача помочь принимать лучшие решения. И вы не можете этого сделать только с технологиями или с анализом данных, не важно, насколько вы круты.

Данные и вода действительно совместимы.

Об авторе статьи. Alexandre Gonfalonieri пишет в своем блоге о применении искусственного интеллекта в повседневной жизни и решении насущных проблем.

Ундан ҳайратланманг, таажжубга тушманг, чунки Бу – Аллоҳ субҳанаҳу ва таолонинг китоби.

Қуръонда зикр қилинган баъзи калималар ва уларнинг адади:

Дунё – 115 марта, охират – 115 марта.

Фаришталар – 88 марта, шайтонлар – 88 марта.

Муҳаммад – 4 марта, шариат – 4 марта.

Одамлар – 50 марта, пайғамбарлар – 50 марта.

Солиҳлик, салоҳият – 50 марта, фасод – 50 марта.

Иблис – 11 марта, ундан паноҳ сўраш – 11 марта.

Эркак – 24 марта, аёл – 24 марта.

Ҳаёт – 145 марта, ўлим – 145 марта.

Солиҳ амаллар – 167 марта, ёмонликлар – 167 марта.

Жаҳр (очиқ, ошкора) – 16 марта, алания (очиқлик, ошкоралик) – 16 марта.

Мусибат – 75 марта, шукр – 75 марта.

Ҳидоят – 79 марта, раҳмат – 79 марта.

Қуръонда зикр қилинган калималар ва уларнинг зидди ёки маънодоши бўлган калималарнинг ададига эътибор беринг! Бундай ҳисоб-китоб Қуръон Аллоҳнинг ҳузуридан эканлигига, башарият Унинг мислини келтиришдан ожиз эканлигига далил бўлади.

Энди баъзи калималар илоҳий ҳикмат билан неча карра зиёда зикр қилинганини кўриб чиқамиз:

Жазо – 117 марта, мағфират – 234 марта.

Икки карра кўп, нима учун? Чунки Аллоҳнинг раҳмати ва мағфирати барча нарсани қамраб олади. У зотнинг раҳмати ғазабидан устундир.

Қийинчилик – 12 марта, осонлик – 36 марта.

Уч карра кўп, нима сабабдан? Чунки бир қийинчилик икки осонликни асло енга олмайди.

Яна баъзи ададлардаги мулоҳазалар аҳамиятга молик:

Қуръони каримда Одам алайҳиссаломнинг ҳам, Ийсо алайҳиссаломнинг ҳам исмлари 25 мартадан зикр қилинган. «Оли Имрон» сурасининг 59-оятида Аллоҳ таоло марҳамат қилган: «Албатта, Аллоҳнинг ҳузурида Ийсо худди Одамга ўхшайдир».

Намоз (солат) калимаси 5 марта зикр қилинган.

Бир кеча ва кундузда беш маҳал намоз фарз.

Кун калимаси 365 марта зикр қилинган.

Бир йил 365 кундан иборат.

Қуръондаги илоҳий мўъжизаларни кўришда давом этамиз:

«Ер» калимаси 13 марта, «денгиз» калимаси 32 марта зикр қилинган.

Агар бу сонларни йиғиндисини 100 % деб оладиган бўлсак, «денгиз» калимаси 71 % га, «ер» калимаси эса 29 % га тенг бўлади. Сайёрамизнинг 71 % қисмини сув, 29% қисмини эса қуруқлик ташкил қилади.

Роббим, қандай улуғ зотсан! Сендан ўзга илоҳ йўқ, Ўзинг поксан!

Қайд этилишича, қуйидагилар соҳавий хизматларда раҳбарлик лавозимларига тайинландилар:

полковник Маҳамадали Исмоилов - Ўзбекистон Республикаси ИИВ Жазони ижро этиш бош бошқармаси ҳузуридаги Пробация хизмати бошлиғи лавозимига;

полковник Гапур Бекчанович Курамбаев - Ўзбекистон Республикаси ИИВ Халқаро аэропортларда хавфсизликни таъминлаш қўшинлари қўмондонининг кадрлар, ҳарбий ватанпарварлик, маънавий-ахлоқий тарбия ва ёшлар билан ишлаш бўйича ўринбосари лавозимига.

Эслатиб ўтамиз, аввалроқ Ички ишлар вазирлиги Патрул пост хизмати ва жамоат тартибини сақлаш Бош бошқармасининг янги раҳбари тайинланганди.

Ўзбекистонда иш ўринларини ташкил этишни янада рағбатлантириш механизмлари жорий этилади. Бу ҳақда 2017–2021 йилларда Ўзбекистон Республикасини ривожлантиришнинг бешта устувор йўналиши бўйича Ҳаракатлар стратегиясини “Фаол инвестициялар ва ижтимоий ривожланиш йили”да амалга оширишга оид Давлат дастури лойиҳасида айтилган.

Ҳужжатга кўра Ўзбекистон Республикаси президенти қарори лойиҳаси ишлаб чиқилади. Лойиҳа билан 2019 йил учун Бандликка кўмаклашиш давлат дастури тасдиқланади.

Давлат дастурида:

давлат буюртмаси механизмини жорий этиш ҳисобига иқтисодиёт тармоқлари ва тадбиркорлик субъектларида камида 221,5 минг доимий иш ўрни яратиш бўйича лойиҳаларни амалга ошириш;

тижорат банклари томонидан мақсадли дастурларга мувофиқ микрокредитлаш ҳисобига 191,5 минг аҳолини тадбиркорликка жалб қилиш;

фуқароларни ташкиллаштирилган ҳолда хорижий давлатларда ишга жойлаштириш орқали 200,4 минг аҳолини иш билан таъминлаш;

бандликка кўмаклашиш марказлари орқали 338,7 минг фуқарони иш билан таъминлаш;

касбга ўқитиш, ҳуқуқий ва бошқа турдаги маслаҳатлар бериш каби ижтимоий ёрдамнинг номолиявий усулларидан кенг фойдаланиш назарда тутилади.

Бажариш муддати - 2019 йил 30 январь, ижро учун масъуллар - Меҳнат вазирлиги, Иқтисодиёт вазирлиги, Молия вазирлиги, Инвестициялар бўйича давлат қўмитаси, тижорат банклари, Қорақалпоғистон Республикаси Вазирлар Кенгаши, вилоятлар ва Тошкент шаҳар ҳокимликлари.

Ўзбекистонда аҳоли учун қулайлик яратиш мақсадида транспорт-логистика инфратузилмаси янада ривожлантирилади, янги темир йўллар қурилади ва электрлаштириш, кўрсатилаётган хизматлар сифатини ошириш чоралари кўрилади. Бу ҳақда 2017–2021 йилларда Ўзбекистон Республикасини ривожлантиришнинг бешта устувор йўналиши бўйича Ҳаракатлар стратегиясини “Фаол инвестициялар ва ижтимоий ривожланиш йили”да амалга оширишга оид Давлат дастури лойиҳасида айтилган.

Қайд этилишича, 2019 йилга мўлжалланган Инвестиция дастури доирасида амалга ошириладиган лойиҳаларнинг тармоқ жадваллари ишлаб чиқилади.

Бунда:

янги 2 та “Boeing 787 Dreamliner” самолётини харид қилиш, “Тошкент-Шарқий” замонавий аэропортини қуриш;

“Андижон-Савай-Хонобод” темир йўл участкаси модернизация қилиш, Тошкент метрополитенининг Юнусобод, Сирғали ва Тошкент шаҳрининг айланма ер усти қисмининг биринчи босқичини қуриш назарда тутилади.

Бажариш муддати - йил давомида, ижро учун масъуллар - “Ўзбекистон темир йўллари” АЖ, Молия вазирлиги, Инвестициялар бўйича давлат қўмитаси, Ўзбекистон тикланиш ва тараққиёт жамғармаси.

Ўзбекистон Республикаси Президенти Шавкат Мирзиёев жорий йилнинг 20-22 январь кунлари Германия Федератив Республикасига ташриф буюради. Бу ҳақда Kun.uz мухбири хабар бермоқда.

Кутилаётган ташрифга тайёргарлик кўриш мақсадида, 2018 йил 8 ноябрь куни Берлин шаҳрида ҳукумат делегациясига раҳбарлик қилаётган Ўзбекистон ташқи ишлар вазири Абдулазиз Комилов Германия ташқи ишлар вазири Ҳайко Маас билан учрашганди. Улар «Ўзбекистон - Европа Иттифоқи» шаклидаги ҳамкорликни ривожлантириш истиқболлари муҳокама қилиб, Афғонистондаги вазиятга ҳам тўхталиб ўтишган.

Шунингдек, Абдулазиз Комилов Берлин шаҳрида Германия канцлерининг ташқи сиёсат ва хавфсизлик сиёсати масалалари бўйича маслаҳатчиси Ян Ҳеккер билан ҳам учрашганди.

Ўзбекистон Республикаси Президентининг Aфғонистон бўйича Маxсус вакили Исматулла Эргашев эса Германия Федератив Республикаси ҳукуматининг Aфғонистон ва Покистон бўйича маxсус вакили Маркус Поцел билан учрашганда, «​Мозори-Шариф – Ҳирот»​ темир йўл магистралини, «​Сурxон – Пули-Xумри»​ электр узатиш линиясини, турли узунликдаги автомобил йўлларини ва Aфғонистондаги бошқа инфраструктура объектларини қуриш бўйича лойиҳаларни амалга оширишни тезлаштириш учун молиявий манбаларни жалб қилиш масаласи ҳам муҳокама қилинган.

Учрашув давомида Ўзбекистон ташаббуси билан амалга оширилаётган таълим йўналишидаги лойиҳаларда, жумладан Термизда ташкил этилган Aфғонистон фуқароларини ўқитиш таълим маркази ҳамда Aфғонистонда таълимни қўллаб-қувватлаш xалқаро фонди фаолиятида Германия томонининг иштирок этиши муҳимлиги қайд этилган.

Илк бор, Тошкентда бўлиб ўтган тадбирда Германиянинг Ўзбекистондаги фавқулодда ва мухтор элчиси Гюнтер Оверфельд Ўзбекистон президенти Шавкат Мирзиёев томонидан олиб борилаётган ислоҳотлар сабабли Ўзбекистон-Германия дўстлиги янги суръат олганлигига алоҳида тўхталиб ўтганди. Ўшанда Президент Шавкат Мирзиёевнинг 2019 йил январь ойида Германияга ташрифи давомида канцлер Ангела Меркель ва ГФР федерал президенти Франк-Вальтер Штайнмайер билан бўлиб ўтадиган музокаралар ҳам элчи томонидан айтиб ўтилганди.

2018 йилнинг 9 ойи якунлари бўйича икки давлат ўртасидаги товар айланмаси 13 фоизга ўсган. Статистик маълумотларга кўра, у 526 миллион долларни ташкил қилади.

Ўзбекистонда 2019/2020 ўқув йилидан бошлаб давлат буюртмаси ва табақалаштирилган тўлов-контракт тизимини босқичма-босқич жорий этиш орқали ОТМни ўзини ўзи молиялаштириш тизимига ўтказиш, уларга молиявий масалаларда мустақиллик бериш режалаштирилмоқда. Бу ҳақда 2017–2021 йилларда Ўзбекистон Республикасини ривожлантиришнинг бешта устувор йўналиши бўйича Ҳаракатлар стратегиясини “Фаол инвестициялар ва ижтимоий ривожланиш йили”да амалга оширишга оид Давлат дастури лойиҳасида айтилган.

Қайд этилишича, тегишли норматив-ҳуқуқий ҳужжат лойиҳаси ишлаб чиқилади. Лойиҳада:

2019/2020 ўқув йилидан бошлаб босқичма-босқич давлат буюртмаси ва табақалаштирилган тўлов-контракт тизимини жорий этиш орқали уларни ўзини ўзи молиялаштириш тизимига ўтказиш;

олий таълим муассасаларини молиявий тартибга солувчи ҳужжатларни қайта кўриб чиқиш орқали олий таълим муассасаларининг молиявий мустақиллигини таъминлаш;

абитуриентларга бир вақтнинг ўзида бир нечта олий ўқув юртига ҳужжат топшириш имкониятини бериш назарда тутилади.

Бажариш муддати - 2019 йил 1 март, ижро учун масъуллар - Олий ва ўрта махсус таълим вазирлиги, Молия вазирлиги, Иқтисодиёт вазирлиги, Давлат тест маркази, тасарруфида олий таълим муассасалари бўлган вазирлик ва идоралар.