卓伯全、鄭博之、謝宏炅、劉厚伯、邱俊憲 / 基士德環科股份有限公司
本文除闡述基士德集團於發展水資源AIoT管理平台及其延伸之污(廢)水管理系統AIoT管理平台的歷程外，更進一步說明藉由WaterOps智慧水務服務平台產生的A2O生物處理程序智能化控制/智慧型操作模組，部署至國內某科技園區水資源處理場，大幅提升水質處理成效及節能效益的成果。
【內文精選】
污(廢)水管理系統AIoT管理平台
污(廢)水管理系統中，各種物質、能量、結構、型態、功能及其控制都是藉由操作運轉的過程表現出來的，因此掌握污(廢)水管理系統的動態行為是確保其操作運轉成效的關鍵。而污(廢)水處理系統之操作運轉又是屬於一個動態且十分複雜的過程，除了進流污(廢)水之水量與水質特性會隨著時間不斷改變外，處理子系統的程序操作控制，又受到微生物新陳代謝、機械運轉及環境條件變異等因素交互作用與影響，任何一方面的缺失或改變都將影響水質處理的成效及系統的穩定性。因此，污(廢)水管理系統必須發展出一個具有即時性、可視性及趨勢性的動態反饋控制機制。再者，污(廢)水管理系統與周圍環境之間通常都有物質、能量和資訊交換，環境的變化會引起系統特性的改變，相應地引起系統內部各單元、程序及子系統間交互關係與作用的變化。因此，污(廢)水管理系統必須具有反饋系統、自適應和自學習系統，以保持對客觀環境的適應能力。
污(廢)水管理系統AIoT管理平台均藉由「即時監測(Real-Time Monitoring)」、「動態控制(Dynamic Control)」、「智能操作(Smart Operation)」及「智慧微調(AI Tuning)」等四個循環運作機制，使污(廢)水管理系統中設備的運轉、程序的操控及場域的巡檢能在動態環境中即時、正確、有效地被執行，即所謂的「智能化控制」。智能化控制的結果納入AI的運算核心產生智慧型控制/推論模型以進行診斷、評估及微調或糾偏，讓污(廢)水管理系統設備的運轉、程序的操控及場域的巡檢能在動態環境中即時回復到「對且好」的運轉狀態及操控範圍，提高系統的穩定性及降低決策的風險性並符合環保法規要求，此即為所謂的「智慧型控制」，如圖六所示。
圖六、污(廢)水管理系統AIoT管理平台運作方式
WaterOps智慧水務服務平台
建立AI模型的過程中最常發生的問題，就是領域知識者若不具備AI的開發經驗，會認為建立一個模型，只需要做資料準備、模型訓練就可以部署上線，但事實上所有的AI模型都是為了解決特定目的而產生的工具，且每一個階段都需要維運團隊(OT端)與開發團隊(IT端)多次整合協作。因此，要產出一個AI模型的過程，需要透過非常繁複的溝通交流，包含資料的擷取、清整、補值等；模型建立時的輸入/輸出變數的界定、演算邏輯、邊界條件及相關操控參數等；最後部署到實場的運用方式、限制、操作規劃等。
WaterOps智慧水務平台係為提供智慧水務領域免編程、快速上手的機器學習維運平台，透過此平台可以維護ML生命週期與改善DevOps的速度與敏捷性。WaterOps智慧水務服務平台在架構上可依客戶的企業型態或需求不同，用私有雲或公有雲的架構來提供服務，而最小的組成可以建構在單一的AI Server上，透過PaaS串接SaaS的方式，提供使用者經過設計的UI/UX畫面。
底層PaaS層主要功能為管理及分配硬體資源、更新及控管程式碼版本，為充分運用硬體資源，使用MLOps軟體妥適且動態地管理、分配及調用電腦CPU、GPU或硬碟等硬體架構(Infrastructure)，將整個模型建構及服務執行等生命週期各階段做有效率的管理。
而SaaS層主要功能為提供機械學習/深度學習建模生命週期中最重要的三大流程，包含資料處理相關的功能(DataOps)、模型建置微調相關的功能(ModelOps)以及特定目的功能決策模擬的相關功能(DecisionOps)，同時透過各式各樣的應用程式介面(API)來串接這些功能流程。
應用案例分享
為解決國內某科技園區水資源處理場所面臨之污泥迴流控制不當，造成污泥流失現象；曝氣控制不當，導致終沉池污泥上浮；氨氮、總氮放流水質超標等問題，率先導入污(廢)水管理系統AIoT管理平台，進行A2O (Anaerobic-Anoxic-Oxic)程序操作優化策略、智能化控制以及智慧型操作管理方案的建置與執行工作，以同時達到水質處理及操控成效與節能效益提升的目標，如圖八所示 ---以上為部分節錄資料，完整內容請見下方附檔。
圖八、A2O程序操作優化執行目標、策略及方案
★本文節錄自《工業材料雜誌》440期，更多資料請見下方附檔。