方案的重要性

       传统的水力基础建设的工作人员每天要面临高强压的重复的工作内容，比如半夜故障工单催人醒，处理不慎生命易受威胁。老化的饮用水总管面临着越来越多的故障，从而导致服务中断，更高的运营成本和无收益的水损失。有些失败会比其他失败造成更大的财务或社会经济影响。犹他州立大学（USU）的史蒂芬·福克曼（StevenFolkman）博士领导的一项2018年研究显示，过去六年来，美国和加拿大的供水总中断量增加了27％。由于预算紧张，自来水公司面临着艰苦的战斗，要确定系统中的哪些管道以及何时需要更换。人工智能（尤其是机器学习）可以对地下水基础设施资产管理产生重大影响。

传统方案痛点：

       1.资料品质只考虑个体变量

       2.技术人员流动性大，培养的技术人员积累了大量经验，但是由于其离职造成企业系统维护的困难。

       3.技术更新滞后，由于各方面局限性，导致检查异常水管道落后，在业务需求增长同时，技术应对能力有限。

       4.可靠性低，由于技术人员短缺，传统人力手工运维系统故障问题定位难、时效难以保证；运维中出现复杂的问题，不能及时处理，甚至无法处理。

       5.环境考量非常有限

       6.模型的方法没有考虑人工智能，属于非学习的模式。

       7.只使用了本地公用事业网络，准确性不高。

新方案描述

       真尚有的解决方案是一个基于云的软件应用程序，可以连接到水务公司使用的重要软件应用程序，包括企业资产管理（EAM），计算机维护管理系统（CMMS）和水力模型。可以在1-2周内完成整个供水总管系统的失败可能性（LOF），失败后果（COF）和业务风险暴露（BRE）评估。结果以软件解决方案（SaaS）系统的形式提供，并使用动态图形和图表进行可视化。每年可以上载几次新数据并对其进行建模，从而可以对系统进行动态，近乎实时的评估。