AI bidrar till ökad lönsamhet
Publicerad: 17 april, 2023
Det finns idag många digitala verktyg, som även kan inkludera AI, som underlätta dataanalyser av befintliga data och kan göra VA-branschen både effektivare och mer lönsam, dock tvekar många att börja använda den nya tekniken då de känner sig osäkra.
Det konstaterar David Rehn som sedan 2018 arbetar med dataanalyser och programutveckling på Stockholm Vatten och Avlopp (SVOA) samt medlem i den nya arbetsgruppen för STLK.
- Jag hoppas att fler ska våga ta steget och börja använda digitala verktyg då det är en bra hjälp i deras arbete. Samtidigt kan jag förstå om folk tvekar då det är lätt att tro att det krävs många och avancerade system redan från början, men där har de fel, det går att börja väldigt enkelt och ändå få mycket hjälp, förklarar han.
Bygger egna AI-modeller
David Rehn har sedan han började på SVOA arbetat på heltid med dataanalyser, till att börja med av data från deras ledningsnät men numera ingår även data från pumpstationer, reningsverk osv.
- Jag har nu också börjar bygga egna AI-modeller för just våra system som kan prognosticera flöden i våra olika pumpstationer och även identifiera avvikelser som kan visa på läckor eller andra problem.
Ett av syftena med de nya IT-program han tar fram är att kunna tillgängliggöra resultaten från de dataanalyser som görs för fler medarbetare inom SVOA.
- Det vi gör nu är att lyfta upp dataanalyserna på en systemnivå, att skala upp analysområdet så att resultaten kan användas i hela organisationen vid planering och beslut om åtgärder.
De har även en statistisk modell som, via AI, bedömer ledningskondition. Den kan sedan samköras med flödesmodeller för att sortera ut ledningssträckor med bedömd dålig kondition i områden med höga flöden för att leta läckor.
Kan prognosticera framtida flöden
De program han utvecklar innehåller modeller av deras egna system som han byggt upp baserat på den kunskap han samlat in under åren han jobbat med dataanalyserna.
- I modellerna kan jag sedan lägga in olika aktuella data som väderprognoser och på det sättet kunna prognosticera vilka flöden vi kommer ha i olika pumpstationer under de kommande dagarna. Jag kan även jämföra modellernas framräknade data med verkliga som vi samlar in och den vägen kunna lokalisera exempelvis läckor i systemet som syns om data på flöden från verkliga data skiljer sig mycket från modellens. Så modellerna kan användas till flera olika saker.
Det han berättar visar att det finns både enkla och mer avancerad digitala verktyg att använda för de som vill göra jobbet enklare och effektivisera underhåll och planering av nya ledningar, reningsverk etc, men hans upplevelse är att det är alltför få som använder dem.
- Ett av problemen tror jag är att många är för skeptiska när det gäller ny teknik och avvaktar med att ta in det i sin organisation innan de känner sig mer säkra på hur man kan använda den. För dem handlar det mest om att börja acceptera den nya tekniken, läsa på lite mer och vara öppen för nyheter.
Börja enkelt med redan insamlade data
För de som kommit ett steg längre och bestämt sig för att ta steget och testa delar av den nya tekniken är David Rehns råd att börja med att göra en analys av de egna behoven och inte sikta för högt från början.
- Många vill kanske komma i gång och jobba mer med dataanalyser men vet inte var de ska börja, men då gäller det bara att bestämma sig och börja i någon ände, var spelar ingen roll egentligen. Det viktigaste är att komma in i tänket och testa några enkla digitala verktyg, det finns även bra gratisverktyg, för att förstå den nya tekniken lite bättre.
Ett bra första steg är att börja göra enkla dataanalyser på tidsserier på de data man samlat in och jämföra över tid, på det sättet lär man känna de egna systemen och kan sedan börja jobba alltmer datadrivet och steg för steg kunna effektivisera systemen.
- Frågan alla bör ställa sig är vad som är mest lönsamt för den egna organisationen, för många är det att jobba mer systematiskt med datadrivna analyssystem och ta resultaten från dem som hjälp vid planering av verksamheten.
Digitalisering både effektivt och lönsamt
I mindre kommuner kan vara svårt att få tiden att räcka till för att sätta sig in i ny teknik, men eftersom det faktiskt gör arbetet enklare när man väl fått systemen på plats så hoppas han ändå att fler ska komma igång med enkla dataanalyser.
- En viktig sak jag vill lyfta fram när vi resonerar om att våga börja använda ny teknik är att många tror att det skulle krävas installation av många nya sensorer på olika håll i VA-systemen för att kunna jobba mer datadrivet, vilket är helt felaktigt. Det räcker alldeles utmärkt med de data som man redan har från exempelvis pumpstationer för att kunna göra bra dataanalyser på systemets olika flöden och den vägen kunna hitta exempelvis läckor.
På SVOA vilar mycket av verksamheten på dataanalyser och rapporter som baseras på dem.
- Många beslut som fattas har grunden i sådana analyser och på resultat från exempelvis de AI-modeller jag utvecklar. Det är tydligt att digitalisering, där AI är en del, blir allt viktigare för att både kunna förstå de egna systemen bättre och att kunna planera underhåll och nya projekt på ett mer effektivt och lönsamt sätt, avslutar David Rehn.