数据不够准，应用范围窄！智慧水务推进还有哪些瓶颈？
- 2022/11/11 8:47:32
- 17550
- 来源：环保圈 石马
- 关键词:智慧水务废水处理
10月底，IWA(国际水协会)召开了ICA(仪器、仪表与自动化)2022大会。IWA是拥有70多年历史的顶级全球协会，每一届ICA大会都吸引着全球水务领域的众多顶尖学者与企业参加，观察这些学者和企业在关注什么，就可以知道当下，水务领域里最被关注的、最重要的事情是什么。
在这届ICA大会上，智慧水务是一个绝对的热点，大会还专门设置了一个研讨会环节，主题就是“ICA和智慧水务在中国”。这是一次线上研讨会，所有人都在自己的办公室里，使用Zoom分享和讨论。虽然这样做的目的是为了避免疫情影响，但是通过信息化技术，远程讨论智慧水务，这种形式本身似乎就在宣称，数据必将改变未来。
研讨会演讲的嘉宾很多，大体可以分为3类：第一类是北控水务、深圳水务等水务公司的高管；第二类是金控数据创始人、阿里云水务总监、卓邦科技CEO等智慧水务解决方案提供商；最后一类则是以市政华北研究院为代表的研究设计机构。
智慧水务是一个非常大的概念，基于自身角色与不同的探索，嘉宾分享的视角各不相同。不过总体来说，这些分享聚焦在3条大主线上：一是智慧水务的顶层信息控制构建，这也是分享最多的主题，二是具体场景的闭环设计，最后则是支持智慧水务的底层硬件技术。对应IWA与百度在2021年发表的《人工智能赋能数字水务》白皮书里的划分，三条主线分别对应着“基础技术平台”、“业务场景”以及“智能化应用”。
3个小时的分享，展示了智慧水务在国内取得的巨大成果，同时在讨论与碰撞中，也明确了智慧水务必须要解决的几个关键挑战。因为参会嘉宾都是目前国内智慧水务领域的前行者和领导者，因此他们遇到的问题及思考，具有很强的代表性，值得认真梳理。
根据研讨会参会者的分享讨论，国内智慧水务面临的关键挑战可以总结为4个“不够”：“不够硬”、“不够深”、“不够广”、’“不够准”。
1 不够硬
智能硬件结合成最薄弱的环节
目前水务企业的智慧化升级多集中在数据化平台这类“软”智慧上，在需要与智能硬件结合的“智能化应用”层面，水务企业涉及较少，所以目前智慧水务的现状就是普遍“偏软”而“不够硬”。比如深圳水务林总分享的“一体化运营平台”，阿里云水务总监周总展示的阿里为重庆水务、上海城投水务构建的不同数据平台等等，都属于“软智慧”升级。
那为什么智慧水务会出现“偏软”的局面呢？
一方面是因为数据可视化，打通数据孤岛本身就是实现整体智慧水务提升的前提，所以大家都在做；另一方面，阿里云、百度云、金控数据等软件公司都能提供整体解决方案，因此信息化升级的难度相对较小；再者这种信息化改造视觉冲击明显，项目成就感与可展示性也比较强。相对而言，需要与智能硬件结合的“硬智慧”升级就比较吃亏了，一方面“硬智慧”需要智能硬件的配合，而这方面目前支持很弱；其次，“硬智慧”通常解决的是桌面下的实际问题，这类问题专业性强、理解门槛高，而展示效果却远远不及“软智慧”升级带来的冲击力。
但是水务不仅仅是数据流，水链中几乎每个环节都需要与硬件设施结合，因此要实现“智慧水务”，不仅需要顶层信息控制这类“软”平台的构建，更需要桌面下的“硬智慧”支撑。没有“智能化应用”的支撑，数据化平台就无法与具体场景深入结合，控制平台与实际业务就容易变成上下两张皮，而要实现“智能化应用”，就必须有大量智能硬件的支持，因此“硬智慧”是智慧水务继续发展的基础。
智能硬件非常重要，但是结合具体水务应用的智能硬件几乎都需要定制开发，无法从其它行业直接获得解决方案，因此“硬智慧”是现在智慧水务中最薄弱的环节，也是智慧水务面临的第一个关键挑战。
2 不够深
软件公司对水务业务“吃不透”
传统水务企业信息化升级时，通常都会借助第三方力量，在数据上云和智能化处理成为新主流的今天，那些在互联网领域积累了丰富经验，拥有大量实操案例的云平台软件公司，自然而然的就成为了水务企业首选的外部合作者。
引入这些外部合作者的好处是显而易见的，首先这些互联网公司对数据化平台理解深刻，提供的解决方案自然更加可靠；其次通过合作，这些互联网公司不仅提供了产品，同时也将自己对数据和智能化的理解，输出给了传统水务企业。这些对业务、数据的深刻洞见，能够帮助传统水务企业更加高效的运用中台处理业务，而这对于传统水务企业的智慧化改造，无疑是至关重要的。
因此从阿里云水务总监周总的分享中，我们可以看到，这几年阿里云已分别为重庆水务、深圳水务、上海水务等等多个水务企业提供了信息化平台升级服务。借助这些项目，阿里云也将自己“厚中台、薄业务”的数字链路思想输出了合作的水务企业，不过在业务推进中，阿里云也感受到了很多阻碍，因此周总在分享的最后也提出了水务大数据平台实施的3个难题，分别是：“体力难题”、“脑力难题”以及 “文化难题”。
“体力难题”是指如何收集数据，很多数据需要人工填写，这不像互联网企业，数据天然都留存在网络上，水务场景中，很多数据还需要人工采集与上传。“脑力难题”是指如何带入具体应用场景，如果无法理解业务，数据平台就无法起到赋能的作用，然而水务领域很多应用场景既琐碎又复杂，软件公司要深刻全面的理解是一件非常困难的事情。“文化难题”则代表了传统公司与数据化软件公司之间的理念差异。
这三个“难题”，其实体现了纯信息化软件公司，面对传统水务业务时的困惑，也反应出传统水务企业在数据化转型时，出现的“基因”冲突。
一方面，软件公司感受到数据化业务实施中的巨大阻碍；另一方面，在讨论中，水务企业则反馈专业软件公司对水业务理解不够，这是传统水务企业向智慧水务升级时普遍会遇到的难题，因为对业务吃的不透，软件公司容易简单平移互联网行业的中台思路，这样后期就会出平台与业务脱节或者不匹配的问题，导致设计出的信息化平台无法有效帮助自己管控业务。
因此，水务企业对数据化的认知需要进一步提升，而软件公司也需要投入更多时间和耐心，更加深刻的理解具体业务，只有这样的双向奔赴，才能解决理解“不够深”这个关键挑战。
3 不够广
智慧水务应用领域还比较窄
在针对一个具体应用场景的闭环设计上，也就是在“智能化应用”层面，福州水务的魏总分享了“供水管网的水利模型建设以及应用”，福州水务利用模型系统进行预测，用模拟值与实测值比较，实现了对管网问题的快速发现与定位，不仅提升了解决问题的效率，并且在管网提升改造中，给管网布局调整，也提供了有益参考。
此外苏州水务公司的丁总则分享了几个污水泵站协同匹配，实现“分流制污水在线调蓄系统”项目。
通过自动协同调蓄，城东区域各个泵站的使用效能得到了有效提升，解决了过去 “旱的旱死，涝的涝死”的问题。另外深圳水务林总分享了将积水退水时间从2h缩短至30min的“全联动数字排水防涝系统”。
通过这三个案例分享可以发现，在整个水务环节中，供排水调度，是一个相对独立的模块，这个模块与水本身特性关联不大，仅仅与水量水压相关。因此相对来说，供排水管网调度很适合作为水务企业尝试“智慧水务”的试水载体。
作为硬币另一面，我们也可以看到，在“智能化应用”层面，目前水务企业的发力集中在供排水领域，而对于比如“智慧加药”、“智慧曝气”、“水质预测”等水处理环节涉及较少，也就是智慧水务应用领域还比较窄，“不够广”。
“不够广”与智慧水务 “不够硬”既有重合也区别，“不够硬”主要是因为智能硬件的缺乏，而“不够广”除了因为智能硬件的限制之外，也是由于需要将AI技术与水处理专业知识相结合，这样的结合，有很高的技术难度。
虽然很难，但是如果想要持续提升智慧水务的水平，就必须直面“不够广”的挑战。
4 不够准
数据准确性成困扰智慧水务推进的关键
在分享和讨论中，很多嘉宾都提到了“数据准确性”问题。“数据准确性”无疑是非常重要的，基于错误数据，永远得不出正确的结论，所以只有“数据准确”，才能让基于数据做判断的系统，给出正确的决策，因此“数据准确”是“智慧水务”的基础。
造成数据不准的原因大体有两个：一是基层技术人员对数据不重视，在采集与上传时敷衍马虎，导致数据失真；二是受限于底层硬件的性能。
对于第一种原因造成的数据“不够准”，需要通过提升管理，提升整个企业对数据化的认知来解决；对于第二种，则只能通过技术更新，从硬件本身进行提升。
北控水务副总裁刘伟岩博士，专门提出了如何确保数据准确问题，作为管理着1300多座水厂，建立了行业内第一个智慧水务平台BECloud的北控水务集团专门负责智慧水务推进的副总裁，刘伟岩博士的问题无疑说明，数据“不够准”已经成为困扰智慧水务推进的关键问题。
对于如何确保“数据准确”，阿里的周总提出了“检验算法”的思路、就是在数据平台中，专门拿出一部分算力对数据进行反算，效验数据是否真实；福州水务的魏总与绍兴水务的林总，则从加强管理提升“数据准确性”的角度进行了分享。这两种不同思路，可以互相协同，同时也体现了不同的身份视角。
5 结语
金控数据CEO杨总分享的内容非常特别，他的分享同时横跨了顶层的信息智能化与底层智能硬件，作为传统水务出身，又已深耕水务数据化多年的水务人，这种横跨不仅体现了金控数据对智慧水务的理解，表明了金控未来发力的方向，同时也代表着水务圈对4个“不够”挑战的思考与探索。
通过今年的ICA大会，特别是“ICA和智慧水务在中国”研讨会，我们可以发现——几年前，智慧水务还只是一个概念，现在智慧水务已经开始逐渐落地，变成了一个个具体的项目，智慧水务“未来已来”。
而随着智慧水务的不断推进，谁能先解决“不够硬”、“不够深”、“不够广”和“不够准”这4个关键挑战，谁就能赢得智慧水务的下半场。
原标题：数据不够准，应用范围窄！智慧水务推进还有哪些瓶颈？
版权与免责声明：凡本网注明“来源：环保在线”的所有作品，均为浙江兴旺宝明通网络有限公司-环保在线合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论