Ved å velge Envidan får du ikke bare en tradisjonell programvareleverandør – vi er først og fremst en vannfaglig virksomhet.
Så når vi arbeidet med data science er det alltid med utgangspunkt i vannets kretsløp og vannbransjens behov. Dette gir oss et unikt og dyptgående innblikk i hvordan data kan brukes på en måte som er skreddersydd for vannbransjen, og det er nettopp dette som skiller oss fra andre programvareleverandører.
Data science-teamet i Envidan innehar en rekke ulike fagkompetanser innen vannfaglig rådgivning og programvare. Dette gjør at vi kan tilby det siste og beste innen rådgivning og tjenester innen både programvare og vann- og avløpsfaget.
På denne måten forener arbeidet med data science det beste fra to verdener – fordi våre data science-medarbeidere ikke bare har digital ekspertise, men også en dyptgående forståelse av vannfaget, ettersom de selv er en del av bransjen.
Gjennom Insights leverer vi visualiseringer og BI-rapportering
Insights samler alle rapporter og gir brukeradministrasjon på en enkel måte, siden det ikke krever ekstra lisenser for Power BI for å dele med hele organisasjonen.
Datadrevet beslutningsstøtte og visualisering
Hvis du vil ta gode beslutninger, trenger du et informert grunnlag – og det har du hvis du har relevante og nøyaktige data og kan bruke dem på riktig måte.
Datadrevet beslutningsstøtte kan skape stor verdi for forsyningsselskapet fordi du kan ta mer nøyaktige, objektive, informerte og forutsigbare beslutninger.
For selskapet betyr dette økt effektivitet, bedre kundetilfredshet og at du kan forutsi fremtidige trender og atferd som støtter proaktive beslutninger.
Datadrevet beslutningsstøtte handler om å bruke data til å informere og styrke beslutningstakingen.
Det innebærer å samle inn, analysere og tolke data for å identifisere mønstre, trender og innsikt som kan veilede beslutninger i forsyningssektoren.
For å gjøre resultatene tydelige og brukervennlige er det en stor fordel å bruke enkel og intuitiv visualisering for å representere de komplekse dataene.
Datakvalitet
For å kunne jobbe målrettet med data er det nødvendig at kvaliteten på dataene man bruker er god nok.
Høy datakvalitet innebærer presis, pålitelig, komplett data som er relevant for formålet den skal brukes til. Høy datakvalitet er avgjørende for enhver form for dataanalyse, fordi resultatene av analysen er direkte avhengige av kvaliteten på de inputdataene som brukes.
Hvis datakvaliteten er lav – for eksempel på grunn av mange feilkilder eller fordi dataene er ufullstendige – vil det ikke være mulig å bruke dem til å danne et korrekt bilde av innsiktene som utledes fra dataene. Dette innebærer at dataene verken kan benyttes som beslutningsstøtte eller til optimalisering av prosesser og infrastruktur.
Ved bruk av data science-teknikker kan vi identifisere avvik som medfører upålitelig data, og derfra lokalisere problemene som kan utbedres, slik at datakvaliteten blir høy nok til at dere kan få et korrekt bilde av driften og arbeidsprosessene deres.
På denne måten kan dere spare verdifull tid og ressurser på manuell feilretting, og dere kan forholde dere til nøyaktige og pålitelige resultater når dere jobber og tar beslutninger.
Forutsigelser og prediksjoner for å estimere og beskrive trender og atferd
En stor del av analysene og systemene som Data Science-teamet jobber med, er knyttet til prediksjon og prognoser.
Metodene er generiske, noe som betyr at de kan brukes i stor utstrekning innenfor forsyningssektoren, avhengig av behovene og ønskene til det enkelte forsyningsselskapet.
Datavitenskapen bruker prediksjoner og spådommer til å estimere og beskrive trender og atferd.
- En prediksjon kan for eksempel være en klassifisering av den fysiske tilstanden til ledninger eller en prediksjon av en anomali (feilaktige data).
- En prediksjon er et estimat av hva som vil skje i fremtiden, basert på observasjoner, data, modeller eller erfaring.
Prognoser og prediksjoner kan hjelpe nettselskapene med å forberede seg på fremtiden og ta proaktive beslutninger.
Det kan danne grunnlaget for bedre investeringer og optimalisering av den daglige driften gjennom forebyggende vedlikehold.
I Envidan bruker vi mange ulike teknikker for å lage prediksjoner og prognoser.
Dette omfatter en rekke avanserte analysemetoder som numerisk modellering, statistikk og maskinlæring.
Maskinlæring for risikobasert fornyelsesplanlegging
Et annet eksempel på hvordan datavitenskap utnytter prediksjoner, er bruken av maskinlæring til å estimere den fysiske tilstanden til kloakkrør.
Ved å kunne lage en prognose for rørenes tilstand blir det mulig å foreta risikobasert fornyelsesplanlegging og samtidig identifisere eventuelle mangler og forbedre rørregistreringen.
På denne måten kan du ta bedre beslutninger om hvordan du skal bruke pengene dine på en mer intelligent måte ved å kjenne til tilstanden til ledningene. Du får med andre ord mer valuta for pengene.
Sak
Flomvarsling langs Gudenåen
Kommunene langs Gudenåen har generelt utfordringer med flom, og dette er til stor ulempe for privatpersoner med vann i kjellere og oversvømte hager, samt for enkeltkommuner som kan bli utfordret av vann på veiene og skader på offentlig eiendom.
Ved hjelp av datavitenskapelige teknikker ble det mulig å lage en metode som kan forutsi vannstanden tre dager frem i tid, slik at flom kan varsles på forhånd.
Data science-teknikker lokaliserer fremmedvann
Når vann, som for eksempel regnvann eller grunnvann, trenger inn i VA-systemer, omtales det som fremmedvann. Dette er som kjent et vanlig problem, spesielt i avløpssystemer, hvor vannet kan trenge inn gjennom sprekker i rør, feilkoblinger eller ulovlige tilkoblinger.
Data science-teamet i Envidan har utviklet flere metoder for å lokalisere hvor fremmedvann kommer inn i VA-systemet, samt analysemetoder for kontinuerlig overvåking av utviklingen av fremmedvann.
Fremmedvann er et stort problem for vann- og avløpsselskaper av flere grunner:
- Fremmedvann er svært utbredt, og det er ikke uvanlig at halvparten av vannet som renses, er fremmedvann. Dette skaper ekstra kostnader, da det må brukes mer ressurser på å rense vannet.
- Fremmedvann kan forårsake kapasitetsproblemer, spesielt ved feilkoblinger av overvannssystemer til spillvannsledninger. Spillvannsledningene har ikke alltid kapasitet til å håndtere store mengder nedbør, noe som kan føre til kjelleroversvømmelser som kan ha både økonomiske og helsemessige konsekvenser
- Fremmedvann kan føre til økt slitasje på avløpsledninger, noe som resulterer i at infrastrukturen må skiftes ut hyppigere. Dette medfører unødvendige ekstrautgifter for kommuner og IKS-er, da ledningenes levetid ikke utnyttes fullt ut.
- Det kan også føre til økt miljøpåvirkning, ettersom store mengder urenset avløpsvann slippes ut i resipienter hvor det har negativ effekt på vannmiljøet.
- Fremmedvann kan dessuten komplisere planleggingen av nye systemer.
Konsepter
Metodikk basert på værdata, maskinlæring og avansert dataanalyse
Envidans data science-gruppe har blant annet arbeidet med fremmedvann i samarbeid med VA Syd i Malmö. For å bekjempe fremmedvann hos VA Syd har gruppen utviklet en avansert metodikk som bruker værradardata, maskinlæring og avansert dataanalyse til å lokalisere feiltilkoblinger i et stort separatsystem med høy presisjon.
EnergiHub som løsning
Data science-gruppen har også utviklet en løsning for lokalisering av fremmedvann som er benyttet av mer enn 10 danske og svenske vann- og avløpsselskaper. Løsningen heter EnergiHub og innebærer en screening av alle pumpestasjoner basert på energiforbruk. Dette gir en mer presis identifisering av kilden enn tradisjonelle analyser som baserer seg på vannføringsmålinger. Ved hjelp av denne metoden kan man raskt prioritere de pumpestasjonene med tilrenningsområder der videre lokalisering og reduksjon av fremmedvann er relevant.
Sak
Novafos prioriterer sine aktiviteter og investeringer ved hjelp av Rehab-IT
Ved å implementere Rehab-IT og asset management kan Novafos nå ta analyserte og informerte beslutninger basert på sine overordnede mål.
Vil du vite mer om hvordan det gjøres i praksis?
Kapitalforvaltning
Hvordan møter nettselskapene økende krav og stram økonomi?
I disse dager opplever mange nettselskaper økt press i form av
krav til etterlevelse og strammere budsjetter.
Dette stiller stadig større krav til dokumentasjon og hensiktsmessig ressursallokering.
I mange tilfeller vil det være behov for å endre prinsippene for forvaltning av eiendelene for å sikre forsvarlig drift, og slike behov kan løses med kapitalforvaltning.
Hva er kapitalforvaltning?
Asset management er forvaltning av eiendeler som skaper den rette balansen mellom investering, ytelse (servicenivå) og risiko.
Ved å etablere og anvende en systematisk tilnærming til kapitalforvaltning kan nettselskapene nå sine strategiske mål og skape økt verdi for både selskapet og kundene.
I Envidan har vi sertifiserte medarbeidere innen asset management, og som konsulent og programvareleverandør kan vi støtte de behovene for analyser og dokumentasjon som nettselskapene har.
Og når vi implementerer kapitalforvaltning, gjør vi det ved å bruke, sammenstille og visualisere de dataene som allerede brukes i selskapet.
Envidan jobber blant annet med
Asset Management for fornyelsesplanlegging gjennom Rehab-IT-verktøyet.
Data science støtter digital transformasjon
Akkurat som mange andre områder, opplever vann- og avløpssektoren et økende behov for digitalisering og intelligent bruk av data.
Innenfor vann- og avløpssektoren handler digital transformasjon om å bruke digital teknologi for å effektivisere og forbedre tjenester, drift og infrastruktur. Dette kan for eksempel innebære implementering av smarte nettverk og sensorer, automatisering av prosesser, overvåking gjennom sanntidsdata, datadrevet beslutningsstøtte og forbedret kundeinteraksjon via digitale kanaler.
Det kan være utfordrende for kommuner og IKS-er å holde tritt med det stadig økende behovet for digital transformasjon, og den raske utviklingen på området.
Ved hjelp av data science bistår Envidan kommuner, IKS-er og bedrifter i deres digitale reise, blant annet gjennom innsamling, analyse og tolkning av data, samt implementering av systemer og prosesser som utnytter og skaper innsikt basert på data.
Når vi gir råd om digital transformasjon, gjør vi det alltid med utgangspunkt i vår høye vannfaglige kompetanse og inngående bransjekunnskap.
Vil du vite mer om hvordan intelligent bruk av data kan sette fart på vannbransjens digitale transformasjon?