Kunstig intelligens

Du har sikkert opplevd det flere ganger, Netflix anbefaler filmer eller Facebook legger inn innhold som er tilpasset deg. Basert på dine tidligere søk og valg finner maskiner frem forslag. Bedrifter bruker kunstig intelligens til å foreslå hva vi skal kjøpe, se på eller lese om, fordi de har så mye data om hva folk gjør på nett.

Men det er ikke bare de store nettgigantene som kan bruke kunstig intelligens. Renseanleggene til Trondheim kommune har masse data fra flere år tilbake. Nå jobber en prosjektgruppe med hvordan disse kan brukes til å forutse hvordan det er smartest å jobbe!

Prosjektgruppa består av ansatte i Trondheim bydrift og Sintef. Fra venstre: Ørjan Sætre, Arild Vold, Herman Helness, Frank Batey, Bård Myhre og Signe Moe.

Pilotprosjekt i bydrift

Trondheim bydrift og Sintef samarbeider i et pilotprosjekt der de skal bruke maskinlæring, en gren av kunstig intelligens, for å forbedre drift av renseanleggene.

Da prosjektleder Frank Batey ved vann- og avløpsavdelingen i Trondheim bydrift kom med ideen om bruk av kunstig intelligens til de ansatte i drift ved renseanlegget var behovet klart. De trengte hjelp til å predikere rensegrad! Kort forklart betyr rensegrad hvor reint vannet som slippes ut i fjorden er.

– Vi skal spare miljøet og penger og verktøyet er kunstig intelligens, sier Herman Helness, forsker på vann og avløp i Sintef. Han forteller at maskinlæring kan hjelpe bydrift med å rense kloakken bedre.

Så da er spørsmålet: Hvilke data har de på renseanlegget? Og hvordan kan de brukes til noe fornuftig?

Frank Batey tror ikke dette er gjort ved et renseanlegg før. Han forteller at det er pionerarbeid. – Vi er spent på hvordan dette kan forbedre drifta og hjelper oss med å slippe ut mest mulig rent vann i fjorden, sier han med et smil.

Hvordan kombinere kunnskap fra to fagområder

Det er viktig for de som jobber med avløpsrensing i bydrift å finne ut hvordan vi kan få noe nyttig ut av dette. Sintef har nå i noen måneder jobbet med å få oversikt over hvilke data som finnes på renseanlegget. Nå skal prosjektet se hvordan disse kan brukes til noe fornuftig.

Signe Moe sier at det har vært viktig for dem å ikke bare se på dataene. Hun jobber med kunstig intelligens i Sintef Digital.

– Vi som jobber med AI måtte sette oss inn i prosessen rundt rensing av avløpsvann. Først da kan vi sammen finne ut hvordan maskinlæring kan brukes til noe nyttig for drifta.

Hva skjer med kloakk i renseanlegget?

Det tas ofte prøver av avløpsvann i ulike deler av renseprosessen. Her tilsetter arbeidsleder Arild Vold polymer til en prøve med avløpsvann.

Det finnes data om hvor forurenset vannet er når det kommer inn, data som viser kjemikaliebruk i prosessen og hvor forurenset vannet er når det er når det slippes ut i fjorden. Kort fortalt skilles kloakken i to veier på renseanlegget; vann som slippes i fjorden og bæsj som behandles og gjenbrukes som gjødsel.

Når kloakken har gått gjennom renseanlegget er vannet klart og slippes ut i fjorden. Det faste som nå kalles slam behandles og kan brukes til gjødsel.

-Masse regn fører til problemer. Da kommer det store mengder kloakk inn i anlegget, sier Frank Batey. Han har tro på at dette er et område AI kan brukes på. Maskiner kan hjelpe de ansatte med å predikere mengder som skal behandles og til hvilken grad.

Hvordan bruke kunstig intelligens?

Arild Vold jobber som arbeidsleder ved Høvringen renseanlegg. Han forteller at det er spennende å se hvordan maskinlæring kan hjelpe dem i drift av anlegget.

Det som er viktig for de ansatte ved renseanlegget er rensegraden, det vil si; hvor rent er vannet de slippes ut i fjorden. Hvor mye har de greid å rense bort i prosessen gjennom rister og sedimentering, der det faste i avløpsvannet faller til bunnen.

-Vi kan for eksempel forberede oss enda bedre på mengde slam som produseres hvis det kommer mye avløpsvann inn i anlegget, sier arbeidsleder Vold. Han forteller at de kan være litt mer forberedt:

-Hvis vi ikke gjør god nok jobb før regnskyll får vi flere dager med skitabeid

Arild Vold sier at ved små forandringer så kan de slippe slikt arbeid. Han påpeker også at et mål er mindre driftsstans. Hvis anlegget går jevnt blir det mindre slitasje på anlegget.

Hva skjer videre

Prosjektet er kun i en startfase, men de første resultatene er lovende. Frank Batey forteller at AI kan finne mønstre ut fra store mengder driftsdata over flere år. Disse mønstrene er det vanskelig for oss mennesker å se.

De ansatte på renseanlegget har erfaringer som ligger til grunn for beslutninger i drift. Fremover kan de ansatte for eksempel få støtte fra maskinlæring for å kunne forberede seg, dosere riktig med kjemikalier slik at vannet som slippes ut i fjorden er reinest mulig gjennom hele året.

Prosjektleder fra Sintef, Bård Myhre, påpeker at dette kun er en start. Nå har prosjektet funnet en bro mellom kunnskap blant de som jobber i drift og hva dataene kan vise oss. Da kan de gå videre. De må nå lage modell for optimal drift og knytte data fra modell til styringssystemet. Men det er ingen tvil om dette er fremtidens renseanlegg!

NRK har laget en veldig fin episode om hva som skjer med bæsjen når den kommer til renseanlegget.