Artificiële intelligentie en de toekomst van Shayp

Naar aanleiding van de Europese Week van de Artificiële Intelligentie (AI) nam Hernán Blanco – het brein achter data-engineering bij Shayp – de tijd om uit te leggen hoe Shayp gebruik maakt van AI-technieken. Hij vertelt over de bestaande functies, evenals diegenen die worden ontwikkeld voor de toekomst.

Artificiële intelligentie en machinaal leren

De wetenschappelijke literatuur heeft talrijke definities voor wat Artificiële Intelligentie is, maar dit concept blijft voor discussie en verwarring zorgen. Is het dan correct dat Shayp over AI spreekt  wanneer ze naar haar slimme oplossingen verwijst?

Om deze concepten te verduidelijken, maakt Hernán onderscheid tussen Machinaal Leren (ML) als "een uitgebreide reeks technieken die het mogelijk maken om gegevens te analyseren en inzichten te verkrijgen door het leren van geautomatiseerde iteraties", terwijl AI wordt gezien als een algemener concept dat verwijst naar "elk systeem dat in staat is om zijn gedrag dynamisch aan te passen op basis van willekeurige invoergegevens". "In het huidige stadium", zegt hij, "past Shayp beide benaderingen toe om nauwkeurige analyses te produceren, die onze klanten helpen hun verbruiksefficiëntie te verbeteren en die een snelle reactie op verschillende afwijkingen, waaronder lekkages, mogelijk maken". Dit artikel geeft een overzicht van enkele van de verschillende analyses die worden uitgevoerd door ADFA – de AI-gestuurde oplossingen van Shayp.

Lekdetectie: ontstaan en ontwikkeling

Het allereerste algoritme voor lekdetectie was gebaseerd op wetenschappelijke onderzoekspapers, waarin een algoritme werd voorgesteld dat enkel de gegevens over waterverbruik als input nodig had om "onderliggende stromen te detecteren die leken op constante lekkages", legt Hernán uit. Dit vroege algoritme had echter verschillende gebreken: detectievertraging aan de ene kant, en valse detecties aan de andere.

"Het data-analyseteam van Shayp heeft veel energie gestoken in het verbeteren van ons lekdetectiealgoritme. Het was de patroonherkenning van verbruiksstromen dat verbetering vergde. Dit maakte een drastische vermindering van valse positieven mogelijk – hun aantal is nu bijna onbeduidend. Daarnaast was een adaptief algoritme op basis van historische verbruikspatronen nodig om de detectievertraging te verkleinen; een oplossing 80% effectiever dan de voorloper". Deze verbeteringen, samen met vele andere kenmerken, maken deel uit van wat Shayp ADFA – Autonomous Dynamic Flow Analytics – heeft genoemd.

Vroege opsporing van afwijkingen

Op dit moment heeft Shayp al een eigen methode ontwikkeld, om vroeg afwijkingen in het watergebruik te kunnen detecteren. Bij vraag naar de implementatie ervan, beschrijft Hernán het als volgt: "Het algoritme maakt gebruik van de gegevens over historische verbruikspatronen van elk apparaat, om afwijkend gedrag op verbruiksstromen te vinden, en zo snel mogelijk te waarschuwen in gevallen waarbij grote hoeveelheden water worden verspild". Hij vertelt dat "het de bedoeling is de gebruiker te waarschuwen over uitzonderlijke situaties, binnen een maximumbereik van één uur". Ook bij deze oplossing worden AI-principes toegepast; de verzamelde gegevens worden gebruikt voor zelf-optimalisatie zodat betere resultaten worden geleverd. Het algoritme voor vroegtijdige detectie van afwijkingen is al in gebruik, en de volledige invoering ervan is gepland voor de nabije toekomst.

De oorsprong van het lek vinden

Shayp wil het beste halen uit de verzamelde gegevens, om vervolgens haar gebruikers van de meest inzichtrijke informatie te kunnen voorzien. In die zin is het de ambitie van Shayp om nauwkeurig te kunnen verklaren wat de oorzaak is van een lek dat werd opgespoord.

Hernán legt het proces dat hieraan vooraf ging bloot: "Door analyse van lekgebeurtenissen en hun patronen is het de bedoeling om elke lekgebeurtenis te koppelen aan diens meest waarschijnlijke oorzaak. Om een dergelijke analyse te kunnen maken, worden verschillende machine learning-benaderingen onderzocht en uitgeprobeerd". Gevraagd naar de stand van zaken zegt hij: "We boeken belangrijke vooruitgang op dit gebied, met een prototype van deze oplossing dat al is geïmplementeerd; het verzamelen van gebruikersfeedback over lekdetectie is ook een verwante uitdaging waar het hele team aan werkt".

Appliance pattern disaggregation 

Als het gaat om de analyse van het waterverbruik, zijn er veel use cases die op de een of andere manier te maken hebben met wat het analyseteam van Shayp "appliance pattern disaggregation" noemt. "Om verschillende redenen – waaronder het rapporteren van verbruik aan gebruikers, het filteren van verbruiksgegevens uit overbodige patronen, of het identificeren van apparaten als lekoorzaken – is de detectie van apparaatpatronen nog een onderzoeksveld waar ons team grote inspanningen levert", bevestigd Hernán. "Onder de patronen die momenteel worden gedetecteerd met behulp van technieken zoals neurale netwerken of clustering, vallen tankvullingen en regeneraties van waterontharders".

Meer open onderzoekslijnen

Bovenop alle nieuwigheden die Shayp al heeft ontwikkeld, en waarvan sommigen in de vorige paragrafen zijn toegelicht, is het bedrijf betrokken bij verschillende projectpartnerschappen met Sirris en imec, twee globaal toonaangevende O&O-instellingen die zich richten op onderzoek toegespitst op deze industrie. Een distributed edge computing-oplossing die AI rechtstreeks in de POLY4-hardware van Shayp inbrengt, is één van de vele doelen dat in kader van deze projecten wordt nagestreefd.