L'utilisation de l'IA pour prédire la vitesse de détérioration des actifs
Série : L’avenir numérique de l’eau, 3 – L’utilisation de l’IA pour prédire la vitesse de détérioration des infrastructures souterraines
Nous avons vu précédemment, l’importance d’utiliser les jumeaux numérique et la collaboration des corps de métiers dans le prolongement de la durée de vie des conduites d’eau.
Nous savons qu’il est aussi possible de mettre en place une collaboration interentreprises en superposant deux jumeaux numériques de réseaux linéaires qui auront été réunis ensemble dans le but de permettre à des entrepreneurs de mieux connaître la répartition de ces réseaux dans les opérations d’épandage d’abrasifs sur la chaussée. Nous comprenons que les données de ces jumeaux numériques et leurs informations sous-jacentes seront intégrées dans un système de gestion des actifs d’une entreprise (GAE).
Cette dernière partie d’une série de trois, concerne cette fois l’optimisation des solutions d’inspections avec la prédiction de la vitesse de détérioration des infrastructures de traitement/distribution de l’eau.
Cette optimisation requiert une centralisation des données d’une part et d’autre part, l’utilisation de l’expertise métier dans l’évaluation de l’état de détérioration des infrastructures. L’ajout de l’IA permet l’optimisation de ce type d’opérations.
L’intelligence artificielle (IA) est un processus d’imitation de l’intelligence humaine qui repose sur la création et l’application d’algorithmes exécutés dans un environnement informatique dynamique.
Pour y parvenir, trois composants sont nécessaires : • Des systèmes informatiques • des données avec des systèmes de gestion • des algorithmes d’IA avancés (code)[1].
L’intelligence artificielle (IA) est utilisée dans l’inspection des canalisations ou des réservoirs d’eau en Europe, et possiblement au Canada. Le processus d’inspection visuelle permet d’évaluer l’état de conservation ou de détérioration des infrastructures linéaires ou ponctuelles associées aux traitements et la distribution de l’eau.
Ces inspections visuelles peuvent être réalisées à partir de tablettes, de téléphones, de capteurs ou de robots téléguidés. Ces appareils produisent d’énormes quantités de données, données qui devront être transmises, épurées puis conservées dans une base de données centralisée.
C’est donc dire qu’un système GAE qui aura été conçu pour permettre d’intégrer les données produites lors de l’utilisation d’outils comme la tablette, le téléphone, le ROV et les jumeaux numériques. Ces outils auront été utilisés pour réaliser des inspections où l’IA sera employée pour déterminer l’état de conservation/détérioration des différents composants des infrastructures d’eau.
Le défi associé à l’utilisation de l’IA sera alors de créer un modèle d’analyse qui sera construit à partir des données recueillies et d’y ajouter de nouvelles connaissances « métier » au fur et à mesure de son utilisation. Par la suite, il faudra permettre à ce modèle IA d’utiliser des fonctionnalités lui permettant d’apprendre et améliorer son intelligence du domaine d’affaires, donc de réintroduire certaines données dans le modèle de connaissance artificielle.
L’utilisation de L’IA se fait par le truchement d’un système applicatif qui permettra d’encadrer les connaissances du domaine d’affaires. À partir des infrastructures physiques sous gestion, les jumeaux numériques « tel que construits » permettront de recueillir des données opérationnelles [IoT].
Comme les réseaux de distribution et de traitement des eaux sont complexes, ces différents jumeaux numériques devront être intégrés dans un portefeuille d’actifs afin d’avoir une gestion centralisée des opérations/connaissances. L’utilisation de l’IA implique donc l’ajout d’une couche additionnelle d’informations provenant des appareils mobiles.
Ces modèles IA qui auront été conçus par des ingénieurs, ingénieures ou des scientifiques pour analyser la détérioration des actifs, la détection des fuites d’eau ou de l’entretien prédictif des infrastructures ou des réseaux. Un modèle IA qui est particulièrement intéressant à implanter, son utilisation est associée au processus de mesure de la détérioration de Markov qui a été conçu par le CNRC pour la modélisation de la détérioration des infrastructures souterraines.
Ce processus comprend une description de l’infrastructure à inspecter et des indicateurs de dommage qui influent sur l’état des conduites en béton précontraint à cylindre d’acier. Les auteurs ont développé un modèle de détérioration flou qui est fondé sur le modèle de Markov.
L’inspection implique également, le développement d’une route d’inspection selon les dimensions des coordonnées X, Y et Z de tout le réservoir. A partir de cette route, il est possible d’envisager le développement d’un modèle 3D de type SFM pour permettre à plusieurs gestionnaires de visualiser les résultats de l’inspection avec une approche de réalité augmentée.
Il est possible d’imaginer qu’un réservoir d’eau possèdera aussi des indicateurs permettant d’évaluer les dommages et l’état de détérioration de l’infrastructure du réservoir. Il reste donc aux ingénieur.e.s à les identifier pour les utiliser dans le développement d’un modèle prédictif adapté à l’inspection des réservoirs. Ce modèle pourra servir à déterminer la vitesse de détérioration de l’infrastructure sous gestion.
Un modèle d’intelligence artificielle (IA) peut être installé dans un robot « ROV » pour aider à trouver des problèmes dans une infrastructure. Un deuxième modèle (IA) pourra être utilisé après l’inspection visuelle, dans un cadre d’analyse approfondie de gestion d’actifs d’entreprise (GAE). Il servira à mesurer la vitesse de détérioration des actifs utilisés dans la gestion de l’eau ce qui permettra de mieux planifier le financement de son entretien/remplacement.
L’ajout de toute cette intelligence artificielle (IA) se fait au prix d’une transformation numérique importante d’une organisation, d’une direction ou d’un important service. C’est tout à fait possible de réaliser cette transformation, mais ça exigera un important effort de gestion du changement, des capacités de traitement de l’information en fonction des actifs détenus et des besoins d’optimisation qui seront utilisés dans la gestion du cycle de vie des infrastructures sous gestion.
Ces nouvelles façons de faire peuvent être ajoutées à l’ensemble actuel des solutions de gestion de l’eau. Ces solutions devront s’articuler sur les infrastructures qui font partie du cycle de l’eau des grandes villes. C’est ça l’avenir numérique de la gestion de l’eau.
Publié sur LinkedIn à Montréal, le 20 septembre 2024,
--------------------------
[1] https://www.netapp.com/fr/artificial-intelligence/what-is-artificial-intelligence/#:~:text=L'intelligence artificielle (IA) est un processus d',dans un environnement informatique dynamique.