Robotprojekt skal spare spildevands-branchen for trecifret millionbeløb
David Getreuer Jensen har netop været til møde om ASIR, da CleantechWatch fanger ham på telefonen.
Han er fagchef for Machine Learning i Envidan og fortæller, at han tror på, at det ambitiøse robotprojekt ’ASIR’, der har modtaget millionstøtte fra Innovationsfonden, kommer i mål.
"Det ser godt ud lige nu. Jeg er rimelig optimistisk. Vi har en prototype på robotten. Men det er stadig meget at nå," siger David Getreuer Jensen til CleantechWatch.
ASIR-projektet, som er er et forskningsprojekt mellem bl.a. Envidan, Aarhus Vand og Aalborg Universitet, modtog 13 mio. kr. i 2018 fra Innovationsfonden.
Projektets eksistensgrundlag bunder i, at vi i Danmark mangler viden om kloakrørene. Ifølge beregninger fra Envidan vil det være muligt at lave besparelser i Danmark for trecifrede millionbeløb, hvis man kan give rørene en 10 procents levetidsforlængelse.
Det skyldes, at danske rørledninger ifølge beregningerne i gennemsnit udskiftes efter 50-60 år, selvom de har en forventet regnskabsteknisk levetid på 75 år.
Derfor forsøger projektet at udvikle overvågningsrobotter, der ved hjælp af Machine Learning skal give meget bedre viden om, hvornår rørene skal repareres eller skiftes.
Robotten skal tænke selv
I dag er man nemlig nødt til at lave manuelle tv-inspektioner, hvor en person skal kigge videoerne igennem og notere, hvor der er skader i rørene. Men den proces er dyr og langsom.
ASIR-projektet er bygget op af tre led. Det første led handler om at lave robotten og finde ud af, hvilke sensorer der skal sidde på den, så den optimalt kan navigere rundt i kloakken selv.
En prototype af robotten kan selv køre i 40 millimeters rør, men målet er rør på 20 millimeter, lyder det fra David Getreuer Jensen.
Det andet led handler om at behandle den data, robotten indsamler. Her vil man bruge Computer Vision, som er baseret på Machine Learning, der skal få robotten til selv at vurdere, hvor slem en skade er.
I det andet led er man oppe på en 80 pct. klassifikationsrate, som betyder, at man med 80 procent sikkerhed kan forudsige ud fra data, hvilken type skade der er tale om. Målet er, at klassifikationsraten skal op over 90 procent, så der er et stykke vej endnu, siger han.
Det sidste led handler om asset management, og det er den del, Envidan primært står for. David Getreuer Jensen forklarer, at den del handler om at bruge data til at kunne udarbejde en renoveringsstrategi, så man skaber mest muligt værdi for forsyningen.
"Det bruger vi også Machine Learning til. Når vi begynder at få de her data ind, kan vi begynde at beregne, hvordan en ledning udvikler sig over tid, og hvordan den bliver dårligere over tid. Det ryger ind i vores asset management software, som hedder Rehab-It," siger han og forklarer, at det sidste led også går godt, men at man er nødt til at afvente noget data fra de to første led for at komme i mål.
Store forretningsperspektiver
Der er et kæmpe forretningsmæssigt perspektiv i projektet, fortsætter David Getreuer Jensen.
"Dem, der laver robotten, de vil gerne sælge robotten. Vi, der laver asset management-delen, vil gerne sælge. Og forsyningerne vil gerne have mere ud af deres værdi og i sidste ende spare penge for dem, der betaler for det, som er alle os borgere," siger han.
Han forklarer, at projektet har fået en hel del interesse fra vores nabolande. Det er også derfor, at VA Syd, som står for Malmøs forsyningsområde, er gået med i en følgegruppe i projektet.
"Der er en stor interesse og et stort marked for det her. Kommer vi helt i mål, så er det virkelig noget, der har potentiale til at ændre dele af spildevandsbranchen, og det kan være med til at forandre, hvordan man i det hele taget tænker planlægning af kloaksystemet," siger David Getreuer Jensen og tilføjer:
"Det er fedt at være en del af det her projekt, for det har potentialet til virkelig at lave noget radikalt anderledes i branchen."
