物联网如何在墨西哥部署以确保安全饮用水

超过1.2亿人居住在墨西哥，全国安装了数千台饮水机，为人们提供高效、一流的饮用水服务。然而，通过饮水机在广阔的地理区域提供安全供水需要强大的技术基础设施，以确保水的可用性和质量，从而保障公众健康。

在本文中，我们概述了如何部署物联网 (IoT)、人工智能 (AI) 和机器学习 (ML) 以开发基于数学算法的预测系统，以确保水的可用性并预测流经的水的质量城市的管道。此外，我们还讨论了系统的预测方面如何预测必要的维护服务以提高供应链效率，这要归功于对来自官方来源的结构化和非结构化信息的分析以及来自物联网传感器的测量。

这样做时，维护人员更有可能拥有必要的部件和用品，以便根据需要对物理水系统进行维修和升级。

测量水的状况和质量

为了测量该国主要城市和大都市区的可用水量，NDS 认知实验室实施了多个连接到 SigFox 网络的传感器。这些机械传感器专注于测量水系统的三个主要属性：体积、压力和流量。借助这个支持物联网的平台，数据团队收集了有关全国不同饮水机、管道和水箱中水供应情况的第一手数据。与传感器相辅相成的是微控制器和存储器，以提高系统的敏捷性和可靠性。

每个模块都在本地存储在定义的采样间隔（在本例中为 10 分钟）内发生的每个用水事件的信息，以确认现在是准确读取数据以推断全天用水模式的正确时间。在此间隔结束时，带有记录数据的报告通过 SigFox 网络传输到中央集线器，并开始新的采样间隔。

发送来自模块的信息后，SigFox 平台会处理数据，包括同步、错误检测和纠正，以及将其重新传输到 NDS 认知实验室平台，在该平台配置 Azure IoT 中心端点以接收信息。

为了正确接收和存储来自 SigFox 平台的数据，配置的 API-KEY 作为发送的 HTTP 请求的标头。数据消息的正文采用以下 JSON 格式：

在 Azure IoT 中心接收到信息后，将执行 Azure 函数对接收到的数据进行预处理并将其插入到 NoSQL 数据库中，该数据库用作预测和分析平台的信息源。具体来说，系统使用 CosmosDB 和 MongoDB 驱动程序。

预测性维护功能和优势

收集并分析了这些信息后，开发团队继续进行项目的第二个挑战，即预测水质和必要的设备维护。

为实现这些目标，数据团队从政府官方来源、联邦、州和市政办公室以及负责墨西哥供水系统的政府办公室 (CONAGUA) 的数据库以及来自私人组织，例如独立实验室。这些信息具有不同的格式和时间性，因此除了提取信息外，还对信息进行了分析，以获得能够准确显示特定地理点质量的各种水指标。

预测功能侧重于预测安装在饮水机、深管和水箱中的过滤器和传感器的维护情况。它利用线性回归模型，考虑了物联网传感器获得的不同关键变量，如压力、体积、流量、过滤器寿命、区域水质和运行条件。

同样，通过这些分析，该平台建议使用最适合每个地理位置的条件和需求的某些类型的过滤器，同时考虑到更高的容量、反渗透、体积、压力、水的质量、使用寿命过滤器等参数。通过这种方式，系统就是否需要关闭饮水机、对其进行维护、更换或添加过滤器或任何其他必要的维修提供建议，以确保为公众提供水质和可用性

在没有传感器的地理点进行水质预测的功能是向公众可靠地提供安全饮用水的另一个挑战。为此，开发团队使用了克里金算法，这是一种插值方法，能够利用从样本和非结构化信息中获得的数据来估计地理点中的变量，从而以尽可能小的方差获得最佳的线性和无偏估计。

该系统的预测功能基于国家和国际标准要求的 17 个因素：电导率、水的 pH 值、粪便大肠菌群、总大肠菌群、溶解固体、浊度、硫酸盐、氟化物、砷、锰、铅、铁、汞、铬、镉、硝酸盐和总硬度（由碳酸盐或碳酸氢盐形式的钙、镁、锶和钡离子引起的各个硬度的总和）。

为了在供水系统中没有可用样本的点预测上述每个参数的值，机器学习模型用于 17 个参数中的每一个。这些模型经过训练并以可重复使用的格式存储，在推理过程中应用（预测新点）。

对于水质的估计，不仅要考虑附近地理点的先前测量值，还要考虑来自官方政府来源、联邦、州和市政办公室的信息，以及负责管理的政府办公室的数据库的信息。墨西哥供水系统 (CONAGUA) 以及独立实验室等私人组织。

通过分析来自样本的结构化信息以及来自政府和私人来源的非结构化信息，该系统能够提供最准确的测量结果。由于使用了这些技术、算法和分析，平台的准确率达到了91%以上，这意味着系统可以检测出91%的管道、饮水机和水箱出现问题的情况，实现更快、更准确的维护工作，以保持公众的用水质量和可用性。

数据可视化和 IAM 协议

为了显示收集到的所有信息以及预测和分析，开发团队创建了一个 Web 应用程序作为 REST API，使用 Flask 框架和 Python 作为后端的编程语言。该平台的前端是使用 AngularJS 开发的，AngularJS 是一种用于 Web 开发的 Javascript 框架，具有完全响应式的设计，可以流畅地适应不同的设备，例如笔记本电脑、平板电脑和智能手机。

为了可视化数据，在负责系统的机构内，各种信息层用于不同的目的和人员角色。专业展示的焦点示例包括饮用水质量层、社会经济指标层（包括没有饮用水服务、无法接入电网、没有铺路、边缘化指数等的房屋）、水资源压力可用性层、实验室层、饮水机层和废水质量层（后者的信息以 KMZ 格式获取，用于每个已建立的参数，并从负责墨西哥水系统的政府办公室的数据库中获取）。 Geo-JSON格式用于在地图平台上呈现和可视化信息层，属于谷歌地图。

为了提高用户体验和平台功能，使用信息过滤器，包括当前水状态（重度污染、污染、不良、良好和优秀）、具体信息参数、污染半径（通过使用热图）、信息源（取决于不同的传感器）或可自定义的信息层组合。

最后，身份和访问管理 (IAM) 过程由 Auth0 服务启用，定义了不同的角色和用户类型。每个角色都被分配了一组特定的访问权限和权限，使其只能访问与其对应的信息，从而确保信息的机密性并促进平台对每个角色的有效性。由于通过系统汇总了大量数据，因此必须为用户配备工具以过滤掉与其特定工作职能无关的信息。

结论

随着该项目的全面部署，现在可以识别和预测任何市政当局何时需要在供水系统中安装新的过滤器以保持水质和可用性。该系统带来了多种好处，例如降低了维护成本、增加了系统正常运行时间，最重要的是确保向城市周围有需要的人安全可靠地供水。

这个项目对墨西哥来说非常重要，因为它代表了物联网、人工智能和机器学习等技术的使用，以及基于算法和数据科学的预测系统应用于饮用水等常见事物。提供，最重要的是，维持一个城市或国家的饮水机供水服务需要强大的技术基础设施，以保护公众健康。