墨西哥有超過 1.2 億人口，全國安裝了數(shù)千個飲水機，為人們提供高效、一流的飲水服務。然而，通過在廣大地理區(qū)域內(nèi)的飲水機提供安全的供水，需要強大的技術基礎設施來確保水的供應和質量，從而保護公眾健康。

在本文中，我們概述了如何部署物聯(lián)網(wǎng) (IoT)、人工智能 (AI) 和機器學習 (ML) 來開發(fā)基于數(shù)學算法的預測系統(tǒng)，以確保水的可用性并預測流過的水的質量城市的管道。此外，我們還討論了系統(tǒng)的預測性方面如何預測必要的維護服務，以提高供應鏈效率，這要歸功于對來自官方來源的結構化和非結構化信息的分析以及來自物聯(lián)網(wǎng)傳感器的測量結果。

在此過程中，維護人員更有可能根據(jù)需要擁有對物理水系統(tǒng)進行維修和升級所需的零件和用品。

測量水的狀態(tài)和質量

為了測量該國主要城市和大都市地區(qū)的水資源可用性，NDS 認知實驗室實施了多個連接到 SigFox 網(wǎng)絡的傳感器。這些機械傳感器專注于測量水系統(tǒng)的三個主要屬性：體積、壓力和流量。借助這個支持物聯(lián)網(wǎng)的平臺，數(shù)據(jù)團隊收集了有關全國不同飲水機、管道和水箱中可用水的第一手數(shù)據(jù)。作為傳感器的補充，微控制器和內(nèi)存存儲可提高系統(tǒng)的靈活性和可靠性。

每個模塊在本地存儲在定義的采樣間隔內(nèi)發(fā)生的每個用水事件的信息，在本例中為 10 分鐘，確認現(xiàn)在是準確讀取數(shù)據(jù)以推斷全天用水模式的正確時間。在此間隔結束時，包含記錄數(shù)據(jù)的報告通過 SigFox 網(wǎng)絡傳輸?shù)街醒爰€器，并開始新的采樣間隔。

發(fā)送來自模塊的信息后，SigFox 平臺會處理數(shù)據(jù)，包括同步、錯誤檢測和糾正，以及將其重新傳輸?shù)?NDS 認知實驗室平臺，其中配置了 Azure IoT 中心端點來接收信息。

為了正確接收和存儲來自 SigFox 平臺的數(shù)據(jù)，配置的 API-KEY 用作發(fā)送的 HTTP 請求的標頭。數(shù)據(jù)消息的正文具有以下 JSON 格式：

在 Azure IoT 中心接收到信息后，將執(zhí)行 Azure 函數(shù)來預處理接收到的數(shù)據(jù)并將其插入 NoSQL 數(shù)據(jù)庫，該數(shù)據(jù)庫用作預測和分析平臺的信息源。具體來說，系統(tǒng)使用 CosmosDB 和 MongoDB 驅動程序。

圖 1：包括所有功能和組件的系統(tǒng)架構，從物聯(lián)網(wǎng)傳感器到用戶網(wǎng)絡。

預測性維護能力和優(yōu)勢

收集和分析這些信息后，開發(fā)團隊繼續(xù)進行項目的第二個挑戰(zhàn)，即預測水質和必要的設備維護。

為了實現(xiàn)這些目標，數(shù)據(jù)團隊從官方政府來源、聯(lián)邦、州和市政辦公室以及負責墨西哥水系統(tǒng)的政府辦公室 (CONAGUA) 的數(shù)據(jù)庫以及從私人組織，例如獨立實驗室。該信息具有不同的格式和時間性，因此，除了提取信息外，還對信息進行分析以獲得各種水量指標，從而準確顯示特定地理點的質量。

預測功能專注于預測安裝在飲水機、深管和水箱中的過濾器和傳感器的維護。它采用線性回歸模型，該模型考慮了物聯(lián)網(wǎng)傳感器獲得的不同關鍵變量，例如壓力、體積、流量、過濾器壽命、該地區(qū)的水質和運行條件。

同樣，通過這些分析，該平臺建議使用最適合每個地理位置的條件和需求的某些類型的過濾器，同時考慮到更高的容量、反滲透、體積、壓力、水的質量、使用壽命過濾器等參數(shù)。這樣，該系統(tǒng)就是否需要關閉飲水機、進行維護、更換或添加過濾器或任何其他必要的維修提供建議，以確保公眾的水質和可用性

在沒有傳感器的地理點的水質預測功能是可靠地向公眾提供安全飲用水的另一個挑戰(zhàn)。為此，開發(fā)團隊使用了克里金算法，這是一種插值方法，能夠使用從樣本和非結構化信息中獲得的數(shù)據(jù)來估計地理點中的變量，從而以盡可能小的方差獲得最佳的線性和無偏估計。

系統(tǒng)的預測功能基于國家和國際標準要求的 17 個因素：電導率、水 pH 值、糞便大腸菌群、總大腸菌群、溶解固體、濁度、硫酸鹽、氟化物、砷、錳、鉛、鐵、汞、鉻、鎘、硝酸鹽和總硬度（由碳酸鹽或碳酸氫鹽形式的鈣、鎂、鍶和鋇離子引起的單個硬度的總和）。

為了預測供水系統(tǒng)中沒有可用樣本的點的上述每個參數(shù)的值，機器學習模型用于 17 個參數(shù)中的每一個。這些模型經(jīng)過訓練并以可重復使用的格式存儲，在推理過程中應用（新點的預測）。

對于水質的估計，重要的是不僅要考慮附近地理點的先前測量值，還要考慮來自官方政府來源、聯(lián)邦、州和市政辦公室的信息，以及來自政府辦公室的數(shù)據(jù)庫。墨西哥的水系統(tǒng) (CONAGUA) 以及獨立實驗室等私人組織。

通過分析來自樣本的結構化信息以及來自政府和私人來源的非結構化信息，該系統(tǒng)能夠提供最準確的測量結果。由于使用了這些技術、算法和分析，平臺的準確率達到了 91% 以上，這意味著系統(tǒng)可以檢測到 91% 的管道、飲水機和水箱出現(xiàn)問題的實例，實現(xiàn)更快、更準確的維護工作，以維持公眾用水的質量和可用性。

數(shù)據(jù)可視化和 IAM 協(xié)議

為了顯示收集到的所有信息以及預測和分析，開發(fā)團隊使用 Flask 框架和 Python 作為后端的編程語言，創(chuàng)建了一個作為 REST API 的 Web 應用程序。該平臺的前端是使用 AngularJS 開發(fā)的，AngularJS 是一種用于 Web 開發(fā)的 Javascript 框架，具有完全響應式設計，可以平滑地適應不同的設備，例如筆記本電腦、平板電腦和智能手機。

為了可視化數(shù)據(jù)，各種信息層用于不同的目的和負責系統(tǒng)的機構內(nèi)的人員角色。專業(yè)展示的重點示例包括飲用水質量層、社會經(jīng)濟指標層（其中包括沒有飲用水服務、沒有接入電網(wǎng)、沒有鋪路和邊緣化指數(shù)的房屋）、水資源壓力可用性層、實驗室層、飲水機層和廢水質量層（后者的信息以 KMZ 格式獲取每個已建立的參數(shù)，并從墨西哥負責水系統(tǒng)的政府辦公室的數(shù)據(jù)庫中獲?。?。Geo-JSON 格式用于在地圖平臺上呈現(xiàn)和可視化信息層，屬于谷歌地圖。

圖 2：通過物聯(lián)網(wǎng)傳感器（測量）和估計值（通過克里金算法）顯示優(yōu)質水位置的用戶界面。

為了提高用戶體驗和平臺功能，利用信息過濾器，包括當前水狀態(tài)（重污染、污染、壞、好、優(yōu)）、具體信息參數(shù)、污染半徑（通過使用熱圖）、信息源（取決于不同的傳感器）或可定制的信息層組合。

圖 3：用戶界面顯示以溶解固體計的水質熱圖。

最后，身份和訪問管理 (IAM) 流程由 Auth0 服務啟用，定義了不同的角色和用戶類型。每個角色都被分配了一組特定的訪問權限和權限，允許其僅訪問與其對應的信息，從而確保信息的機密性并促進平臺對每個角色的有效性。由于通過系統(tǒng)聚合了大量數(shù)據(jù)，因此用戶必須配備工具來過濾與其特定工作職能無關的信息。

結論

隨著該項目的全面部署，現(xiàn)在可以識別和預測任何市政當局何時需要在水系統(tǒng)中安裝新的過濾器以保持水質和可用性。該系統(tǒng)帶來了多重好處，例如降低維護成本、增加系統(tǒng)正常運行時間，最重要的是，確保向城市周圍有需要的人提供安全可靠的供水。

這個項目對墨西哥來說非常重要，因為它代表了物聯(lián)網(wǎng)、人工智能和機器學習等技術的使用，以及基于算法和數(shù)據(jù)科學的預測系統(tǒng)，應用于飲用水等常見事物。提供，最重要的是，維持城市或國家飲水機的供水服務需要強大的技術基礎設施，以保障公眾健康。

審核編輯 黃昊宇