方案的重要性

傳統的水力基礎建設的工作人員每天要面臨高強壓的重復的工作內容，比如半夜故障工單催人醒，處理不慎生命易受威脅。老化的飲用水總管面臨著越來越多的故障，從而導致服務中斷，更高的運營成本和無收益的水損失。有些失敗會比其他失敗造成更大的財務或社會經濟影響。猶他州立大學（USU）的史蒂芬·福克曼（StevenFolkman）博士領導的一項2018年研究顯示，過去六年來，美國和加拿大的供水總中斷量增加了27％。由于預算緊張，自來水公司面臨著艱苦的戰斗，要確定系統中的哪些管道以及何時需要更換。人工智能（尤其是機器學習）可以對地下水基礎設施資產管理產生重大影響。

傳統方案痛點：

1.資料品質只考慮個體變量

2.技術人員流動性大，培養的技術人員積累了大量經驗，但是由于其離職造成企業系統維護的困難。

3.技術更新滯后，由于各方面局限性，導致檢查異常水管道落后，在業務需求增長同時，技術應對能力有限。

4.可靠性低，由于技術人員短缺，傳統人力手工運維系統故障問題定位難、時效難以保證；運維中出現復雜的問題，不能及時處理，甚至無法處理。

5.環境考量非常有限

6.模型的方法沒有考慮人工智能，屬于非學習的模式。

7.只使用了本地公用事業網絡，準確性不高。

新方案描述

真尚有的解決方案是一個基于云的軟件應用程序，可以連接到水務公司使用的重要軟件應用程序，包括企業資產管理（EAM），計算機維護管理系統（CMMS）和水力模型。可以在1-2周內完成整個供水總管系統的失敗可能性（LOF），失敗后果（COF）和業務風險暴露（BRE）評估。結果以軟件解決方案（SaaS）系統的形式提供，并使用動態圖形和圖表進行可視化。每年可以上載幾次新數據并對其進行建模，從而可以對系統進行動態，近乎實時的評估。

fqj