Projekt Ekosystem Intelligence Augmentation dla analityków sieci dystrybucji wody (WaterPrime)

Logo projektu WaterPrimeInstytut Informatyki Teoretycznej i Stosowanej PAN, w konsorcjum z firmą AIUT Sp. z o.o. rozpoczął realizację trzyletniego projektu "Ekosystem Intelligence Augmentation dla analityków sieci dystrybucji wody - WaterPrime" (2021-2023) dofinansowanego  w ramach Poddziałania 1.1.1 Programu Operacyjnego Inteligentny Rozwój 2014-2020 współfinansowanego ze środków Europejskiego Funduszu Rozwoju Regionalnego przez Instytucję pośredniczącą: Narodowe Centrum Badań i Rozwoju.

Projekt dotyczy ważnego ekonomicznie, społecznie i ekologicznie obszaru redukcji strat wody w sieciach wodociągowych. Infrastruktura techniczna systemów dystrybucji wody wymaga stałego nadzoru, w tym z wykorzystaniem rozwiązań telemetrycznych, ostatnio w postaci Internetu Rzeczy (ang. Internet of Things, IoT). Znaczne ilości danych gromadzonych podczas monitorowania wymagają przetworzenia i interpretacji przez analityków, np. w celu wykrycia anomalii, takich jak wycieki wody lub awarie urządzeń, a ich decyzje są krytyczne dla utrzymania sprawności infrastruktury. Analityk lub dyspozytor wykorzystuje narzędzia analizy danych dla uzyskania wiedzy o infrastrukturze i aktualnym jej stanie. Rolą narzędzi analizy w tej sytuacji jest maksymalne wsparcie takiej osoby, zarówno przez udostępnienie złożonych narzędzi analizy danych - tzw. sztucznej inteligencji - a także w stronę inteligentnej pomocy i asysty, w tym w obszarze zwiększania ich kompetencji oraz poprawy szybkości i trafności decyzji.

Celem projektu jest stworzenie platformy narzędzi software-owych wspomagających analizę danych sieci dystrybucji wody. Dzięki zastosowaniu platformy możliwe będzie zwiększenie skuteczności wykrywania wycieków, a także przypadków niezbilansowania i innych niezgodności, które mogą być sygnałem zdarzeń prowadzących do problemów technicznych w przyszłości.

Prace B+R w projekcie koncentrują się wokół trzech głównych tematów badawczych:

  • • metod uczenia maszynowego ściśle zintegrowanych z warstwą akwizycji i składowania danych,
  • • zastosowania rozszerzonej inteligencji (ang. Augmented Intelligence) uczącej się poprzez obserwację pracy analityków ułatwiającej wybór i parametryzację ich narzędzi pracy,
  • • rozwiązań do sterowania konfiguracją warstwy IOT korzystającą z protokołu LoRa, wykorzystując unikalny sposób agregacji i delegacji zadań w celu obniżenia globalnego zużycia energii i wydłużenia czasu pracy czujników.