www.futurenviro.es | Abril-Mayo April-May 2021 80 Smart Water. Tuberías | Smart Water. Pipeline Los resultados permiten a los clientes priorizar y organizar la sustitución de las tuberías, reduciendo los costes y el impacto en los clientes al centrarse en las tuberías más críticas y deterioradas. Para validar este enfoque y reducir la probabilidad general de averías, la empresa de servicios públicos seleccionó un «área crítica» pronosticada, o un área con un elevado número de roturas, para poner a prueba la tecnología de aprendizaje automatizado de Xylem con el fin de reducir la probabilidad general de averías. Además, Xylem proporcionó una aplicación móvil de seguimiento de eventos de campo (que recoge información sobre roturas de tuberías) para los operarios de campo de la empresa. Esta función de valor añadido no solo aumentó la precisión de los registros de datos de roturas, sino que también redujo el tiempo total de trabajo necesario para actualizar su GMAO y SIG y mejoró las predicciones de averías en las tuberías. 70 millones de dólares de ahorro y una reducción drástica de las averías en las tuberías El éxito del programa piloto ha llevado a la empresa de servicios públicos a desarrollar otras estrategias económicas de renovación de tuberías utilizando un modelo de riesgo basado en IA. Una vez implementado en todo el sistema de distribución, este modelo puede ayudar a la empresa de servicios públicos a reducir sus costes anuales relacionados con la sustitución de tuberías de 90 millones de dólares a tan solo 20 millones de dólares, es decir, un 77 %, al tiempo que se consigue una drástica reducción de las averías. n Xylem’s risk model is able to update results as new information is collected from the system, including main breaks, pipeline condition and other operational data. Results allow clients to prioritize and stage pipeline replacement, lowering costs and reducing customer impacts by targeting the most critical and deteriorated pipes. To validate this approach, and reduce the overall probability of failures, the utility selected a forecasted “hotspot,” or area with a high number of breaks, to pilot Xylem’s machine-learning technology to reduce the overall probability of failure. Additionally, Xylem provided a mobile field event tracking application (capturing information on pipe breaks) for the utility’s field operators. This value-added feature not only increased the accuracy of break data records, it also reduced the overall labor time required to update their CMMS and GIS, and improved pipe failure predictions. $70 million in savings and a dramatic reduction in pipe failures The success of the pilot program has led the utility to develop additional cost-effective pipeline renewal strategies using an AI-based risk model. Once implemented across the entire distribution system, this model can help the utility lower their annual costs related to pipeline replacement from $90 million to just $20 million, or 77 percent, while achieving a dramatic four-fold reduction in failures. n
RkJQdWJsaXNoZXIy Njg1MjYx