Xylem和ESRI:创新的AI管道分析模型

该模型是北美首个可靠预测未来管道故障的模型之一，使用Xylem的基于人工智能的解决方案来分析该公司Esri ArcGIS企业系统中的数据，如破裂和其他基础设施数据，并在分析中结合开源信息。

Xylem创新战略与伙伴关系副总裁Dave Ayers表示:“Xylem致力于推动水务领域的创新，与Esri等其他一流技术领导者合作有助于我们进一步加速水务创新。“我们一起帮助供水经营者和其他用水者使他们的社区更安全、更有弹性。”

使用机器学习预测管道故障
这家自来水公司积极主动地为27万名客户不断提高服务可靠性，但当时却面临着一个非常普遍的情况——供水基础设施老化。该公司的系统中有超过1000英里的水管，管道的平均使用年限约为50年，因此总水管破裂的速度越来越快。这促使他们寻求创新策略，以提高服务可靠性，同时最小化维修和更换成本。

随着总水管破裂的增加，公用事业客户正在经历不可预测的服务中断、昂贵的维修和高度破坏性的道路关闭。为了提高其声誉和客户服务，该公用事业公司希望在其水基础设施管理方面更积极主动，并优先考虑最需要关注的管道。

公共工程部的项目经理说:“我们的目标是利用机器学习来识别可能导致管道故障的变量，作为结果，支持我们的资本改善计划。”

利用人工智能建立风险模型
该公司此前曾与Xylem合作管理其PCCP(预应力混凝土圆筒管)库存。基于Xylem在确定水主保存策略方面的深厚专业知识，以及Xylem与Esri 20多年的密切合作关系，该公用事业公司于2014年与Xylem合作，开发一个人工智能风险模型，该模型可以通过Esri的ArcGIS系统进行验证、更新和显示，供他们的团队持续使用。

随后，该公司与Xylem合作，实现了一个将失效概率(管道最有可能失效的时间)与失效后果(失效的社会、财务和环境成本)结合起来的定量风险模型。Xylem的机器学习解决方案使用多个数据输入，包括来自先前条件评估的结果，预测系统中每个水管可能发生故障的概率。随着时间的推移，收集到的数据越来越多，对系统进行了修改，GIS和机器学习算法也在不断更新，以持续了解系统的整体健康状况。

Xylem和Esri的解决方案可靠地预测了未来的故障
该AI管道分析模型是北美第一个可靠预测配电系统未来故障的人工智能水总管破裂模型之一。该模型使用来自Esri的ArcGIS企业系统中的数据，如刹车和其他基础设施数据，并在分析中结合开源信息。与传统的主观评分模型相比，这种数据驱动的方法具有很大的优势，在传统的主观评分模型中，即使输入更新，输出也常常保持静态。

Esri全球水务实践总监David Wachal表示:“通过将ArcGIS与Xylem创新的基于人工智能的管道失效分析相结合，水务公司可以显著降低成本，并使社区更具弹性。”

Xylem的风险模型能够随着从系统中收集到的新信息(包括主要断裂、管道状况和其他操作数据)而更新结果。结果使客户能够优先选择和分期更换管道，通过针对最关键和最坏的管道，降低成本并减少对客户的影响。

为了验证这种方法，并降低故障的总体概率，该公司选择了一个预测的“热点”，或具有大量故障的区域，来试验Xylem的机器学习技术，以降低故障的总体概率。

此外，Xylem还为该公司的现场操作人员提供了一个移动现场事件跟踪应用程序(捕捉管道破裂的信息)。这种增值功能不仅提高了中断数据记录的准确性，还减少了更新CMMS和GIS所需的总劳动时间，并改进了管道故障预测。

节省了7000万美元，并大幅减少了管道故障的发生
试点项目的成功使该公司利用基于人工智能的风险模型开发了额外的成本效益高的管道更新策略。一旦在整个配电系统中实施，该模型可以帮助公用事业公司将管道更换相关的年度成本从9000万美元降至2000万美元，即77%，同时将故障数量大幅减少4倍。

Xylem的Dave Ayers说:“我们很自豪能与Esri合作，部署创新的解决方案，这将真正改变自来水公司预测管道故障和优先修复的方式。”“通过与水务运营商合作推动创新，并汇集我们的专业知识和技术的集体力量，我们正在加速进步，并开发大胆的新方法，帮助解决我们这个时代最大的水资源挑战，创造一个更可持续的世界。”