基于人工智能的风险解决方案降低了更换成本

中型大西洋中部公用事业

一家中型大西洋中部公用事业公司，以采取积极主动和专注的方法不断提高 270,000 名客户的服务可靠性而闻名

随着水管中断的增加，公用事业客户正在经历不可预知的服务中断、昂贵的维修和极具破坏性的道路封闭。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加积极主动，并优先考虑最需要关注的管道。

2014 年，该公用事业公司曾与 Xylem 合作管理其 PCCP（预应力混凝土圆柱管）库存，并意识到 Xylem 在确定水管保护策略方面的深厚专业知识以及与 Esri 20 多年的密切合作关系，该公用事业公司聘请了 Xylem开发具有人工智能 (AI) 的风险模型，该模型可以通过 Esri 的 ArcGIS 平台进行验证、更新和显示，以供其团队持续使用。

然后，该公用事业公司和 Xylem 合作实施了一个定量风险模型，将故障概率（管道最有可能发生故障的时间）与故障后果（故障的社会、财务和环境成本）结合起来。 Xylem 的机器学习解决方案使用多个数据输入（包括先前状况评估的结果）来预测系统中每个水管何时可能发生故障的概率。随着随着时间的推移收集更多数据并对系统进行更改，GIS 和机器学习算法也会更新，以持续了解系统的整体健康状况。

该 AI 管道分析模型是北美首批能够可靠预测配水系统未来故障的人工智能水管断流模型之一。该模型使用来自 Esri 的公用事业 ArcGIS 企业系统中的数据，例如中断和其他基础设施数据，并结合分析中的开源信息。与传统的主观评分模型相比，这种数据驱动的方法具有显着优势，传统的主观评分模型即使在输入更新时输出也经常保持静态。

赛莱默的风险模型能够在从系统收集新信息时更新结果，包括主断口、管道状况和其他运营数据。结果使客户能够优先考虑和分阶段更换管道，通过针对最关键和恶化的管道来降低成本并减少对客户的影响。

为了验证这种新的基于风险的方法，该公用事业公司选择了一个预测的“热点”或中断次数较多的区域，以试用 Xylem 的新决策智能技术，以降低该区域的总体故障概率。

此外，Xylem 还为公用事业的现场操作员提供了一个移动现场事件跟踪应用程序（捕获有关管道破裂的信息）。这一增值功能不仅提高了断裂数据记录的准确性，而且还减少了更新 CMMS 和 GIS 所需的整体劳动时间，并改进了管道故障预测。