25.02.2021
Machine Learning i Vandbranchen – Voodoo eller Virkelighed?

2021 02 25 Temadag

Machine Learning og kunstig intelligens har taget flere brancher med storm, men hvor langt er vi med at anvende teknologien i vandbranchen?

 

I takt med datamængderne vokser og vandsektoren digitaliseres, stiger teknologiens potentialer for branchen. Disse potentialer fremhæves ofte, mens Machine Learning og kunstig intelligens til tider fremstilles som et vidunder-værktøj, der på næste magisk vis er i stand til at løse alverdens problemer.
Til denne temadag stiller vi skarpt på Machine Learning i vandbranchen, og forsøger at svare på spørgsmålet om Machine Learning er voodoo eller virkelighed for os? Gennem dagens oplæg forsøger vi at gøre en foreløbig status for, hvordan teknologien i dag anvendes i branchen. Du vil ud fra konkrete eksempler får inspiration til, hvordan Machine Learning kan anvendes og skabe værdi for såvel rådgivere og forsyninger. Samtidig vil vi også forsøge at tegne et billede for, hvordan teknologien kan påvirke vores branche i fremtiden.

Omstændighederne omkring Corona-virus gør vi ikke kan mødes fysisk. Derfor afholdes temadagen virtuelt, som det også var tilfældet ved sidste temadag. Dette betyder, at du igen har mulighed for at deltage i temadagen til nedsat pris, hvor medlemmer af EVA eller IDA kan deltage for kun 200kr., og ikke-medlemmer for kun 400kr.

Dagens program

  • 10:00

    Velkomst og introduktion til dagen
    Jesper Ellerbæk Nielsen, EVA udvalget

  • 10:10

    Machine Learning og High-end Digitalisering
    David Getreuer Jensen, Envidan
    I Innovationsfonden rapport ”An AI Nation”, der er udarbejdet af McKinsey & Company, fremgår det tydeligt, at potentialet for Machine Learning i Danmark er enormt. Det fremgår også, at der kommer til at mangle op til 80.000 mennesker med Machine Learning kompetencer inden 2030 for at realisere det potentiale. Nærværende indlæg gennemgår på et overordnet niveau, hvad Machine Learning er samt nogle eksempler herpå, hvorfor det er, at Machine Learning forudses at have et så stort et potentiale samt hvorfor jeg personligt ikke tror, at det fremtidige ressourcebehov vil være så stort som forudsagt.

  • 10:35

    Feature analyse af ledningsmodeller
    Bolette Dybkjær Hansen, EnviDan
    Når man arbejder med Machine Learning, kan feature analyser anvendes til at forbedre forståelsen for data, de bagvedliggende sammenhænge og optimering af modellerne. I dette oplæg vil Bolette præsentere et eksempel på hvordan en analyse af de features, der anvendes i tilstandsmodeller kan anvendes til at optimere og forsimple modellerne.

  • 11:00

    Pause

  • 11:20

    Machine Learning i rådgivningen – et redskab i værktøjskassen
    Torben Bach, NIRAS
    Med fokus på konkrete eksempler fra rådgivningsopgaver samt udviklings- og demonstrations projekter, vil Torben give indblik i hvordan Machine Learning anvendes som redskab i rådgivningen. Herudover diskutere, hvordan teknologien påvirker rådgivningen og hvad man bør være opmærksom på, når man tilbyder Machine Learning som rådgiver.

  • 11:45

    Årsmøde
    Jacob Badsberg Larsen, Formand for EVA udvalget
    1. Valg af dirigent
    2. Bemærkninger til dagsordenen
    3. Formandens beretning
    4. Fremlæggelse af regnskab
    5. Valg af udvalgsmedlemmer *
    6. Eventuelt
    * Ulla Boje Jensen har været medlem af bestyrelsen i 2 x 3 år og kan derfor ikke genopstille.
    Tina Kristensen Nettelfield er på valg for en treårig periode. Bestyrelsen foreslår genvalg
    Benedikte Foldby Jakobsen er på valg for en treårig periode. Bestyrelsen foreslår genvalg
    Forslag til kandidater fremsendes til Jakob Badsberg Larsen (jla@niras.dk) eller Jesper Ellerbæk Nielsen (jen@build.aau.dk). Tidsfrist for indstilling er senest onsdag den 17. februar 2021.
    Eventuel afstemning ved kampvalg, afgives pr e-mail til Sylvie Chambelland (syc@ida.dk) som behandles anonymt.

  • 12:15

    Frokostpause

  • 13:00

    Datadreven modellering af vandstande i afløbssystemet
    Jens Martin Eriksen, Kruger
    Med udgangspunkt i målekampanger hos Novafos vil Jens Martin give et indblik i, hvordan regndata og vandføringsmålinger kan anvendes til at modellere vandstande i kritiske punkter i afløbssystemet. I den datadrevne tilgang er Machine Learning anvendt til at beregne den hydrauliske respons i realtid, og Jens Martin vil diskutere, hvordan og hvornår dette kan supplere eksisterende modelleringsværktøjer.

  • 13:25

    Mere information fra data med kunstig intelligens: konkrete eksempler fra afløbssystemer
    Morten Grum, WaterZerv
    Datadrevne modeller og machine learning byder på mange nye muligheder for bedre indsigt, prioritering og optimering i både drift og planlægning. Vi præsenterer, hvordan automatiserede datadrevne modeller benyttes til beregning af kilder til afløbssystemet samt hvordan neurale netværk bruges til at detektere dårlige data. Desuden giver vi en mundsmag på et nyt udviklingssamarbejde med DTU Miljø og Bochum kommune, hvor vi med deep learning kombinerer data og klassisk hydraulik for at styrke klimatilpasningen og reducere overløb.

  • 13:50

    Pause

  • 14:10

    Nationalt befæstelseskort ved hjælp af Machine Learning og geografiske data
    Morten Revsbæk, Scalgo
    Indlæggets fokus vil være på brugen af Machine Learning i udviklingen af Scalgo’s services. Morten vil give en kort introduktion til det nationale befæstelseskort og vandoplandsværktøj, samt give indblik i hvordan AI og Machine Learning har bidraget hertil. Herudover diskuterer mulighederne i at kombinere Machine Learning med geografiske data, til gavn for vandbranchen.

  • 14:35

    Hvor parat er Vandbranchen til kunstig intelligens?
    Prof. Michael Rasmussen, Aalborg universitet
    Kunstig intelligens (AI) og Machine Learning har allerede indtaget en række brancher med storm. I Danmark har vi eksperimenteret med at anvende kunstig intelligens og Machine Learning siden 1990’erne, men betyder det at vandsektoren er parat til kunstig intelligens? Potentialerne for Vandbranchen fremhæves ofte, men hvorfor er AI og ML ikke allerede langt mere udbredt? Michael vil i sit indlæg fokusere på, hvilke udfordringer kunstig intelligens giver vandbranchen, faldgruber ved datadreven modellering og hvilke krav teknologien stiller til fremtidens vand og miljø ingeniører for herigennem at tegne et billede af, hvordan AI og Machine Learning vil påvirke vores branche i fremtiden.

  • 15:00

    Afrunding og tak for i dag
    Jesper Ellerbæk Nielsen, EVA-Udvalget

Torsdag den 25. februar 2021
10:00-15:30
Webinar
Foran din pc. tablet, smartphone

STUDERENDE, IKKE MEDLEM AF IDA

kr. 0

STUDIEMEDLEM

kr. 0

MEDLEM AF ARRANGØR

kr. 200

DELTAGER, IKKE MEDLEM AF IDA

kr. 400

LEDIG

kr. 0

MEDLEM

kr. 200

SENIORMEDLEM

kr. 100

Ta' en kollega fra din kommune med gratis!

Vi har også et godt tilbud her i starten af året. Vi vil gerne lokke flere fra kommunernes spildevandsområde med til EVA mødet. Derfor, hvis du sidder i en forsyningsvirksomhed, kan du invitere en fra din kommune med til 0 kr!

Hvis du tager en kollega med, skal navn og e-mail på kollega sendes til vores koordinator Sylvie Chambelland på syc@ida.dk senest d. 30/1.