O Baseform Monitor é o nosso ambiente operacional em tempo real onde toda a sensorização converge — dedicado à detecção de eventos, resposta rápida, acompanhamento do abastecimento, consumo e perdas, simulação hidráulica e suporte direto às operações diárias de O&M.
A detecção de eventos é um divisor de águas possibilitado por métodos computacionais. Diversos fatores estão envolvidos na detecção competente de eventos na rede. Uma pergunta frequente é: onde exatamente a IA atua dentro desse ambiente?
A detecção de eventos baseia-se na capacidade de identificar valores que se desviam da normalidade em um fluxo de dados — e então decidir se esse desvio realmente merece a atenção das equipes da companhia que irão investigá-lo.
No abastecimento de água, o comportamento normal pode significar muitas coisas: desde o consumo residencial simples (que por si só varia bastante de um bairro para outro), até a infinidade de padrões que podem surgir de atividades industriais, comerciais, de lazer e tantas outras ações humanas.
Estabelecer essa normalidade é um desafio, especialmente quando se tenta detectar eventos automaticamente. É aqui que técnicas de machine learning e outras capacidades de IA se tornam essenciais.
Um paralelo simples — ainda que distante: o “algoritmo” usado por redes sociais como Instagram ou YouTube nada mais é do que um conjunto de capacidades de observação que monitoram o comportamento do usuário, tentando determinar o que é esperado — ou seja, o comportamento e os interesses normais daquele usuário — para então oferecer conteúdos que se alinhem a esse padrão.
O “algoritmo” de IA do Monitor está permanentemente aprendendo o comportamento coletivo de uso da água de grandes grupos de pessoas — por meio da medição agregada do seu consumo — para prever como ele se comportará nos próximos minutos, horas ou dias. A partir disso, o sistema fica mais apto a reconhecer o que observa em seguida: aquilo se parece com um padrão normal de consumo, ou não?
Essa normalidade inclui uma grande variedade de comportamentos passados que foram aprendidos espontaneamente pela máquina, ou ensinados a ela por meio do processamento contínuo de eventos pela companhia. Exemplos incluem: como se parece o enchimento de uma piscina; ou irrigadores acionando à noite quando o verão começa.
Temos implementado configurações de detectores em mais de 400 sistemas de abastecimento, abrangendo cerca de 6000 setores (zonas de abastecimento, zonas de pressão, DMCs). Fazer com que nossos mecanismos detectem todos esses tipos de eventos, em tal escala, ensinou muito a nós — e aos nossos algoritmos de machine learning.
A Baseform é o software especialista em DMC. Você pode se arriscar a confiar seus DMCs ao “segundo melhor”?
Entre em contato para saber como sua companhia também pode se beneficiar da Baseform.
Fonte: Baseform
