Tóm tắt nội dung
Trong những năm gần đây, lĩnh vực xử lý nước thải đã trải qua một cuộc cách mạng về công cụ đo lường. Nhờ hiệu quả tăng lên của mạng lưới truyền thông và giảm đáng kể chi phí lưu trữ dữ liệu, các nhà máy xử lý nước thải đã bước vào kỷ nguyên dữ liệu lớn. Trong khi đó, trí tuệ nhân tạo và các công cụ học máy đã cho phép trích xuất thông tin có giá trị từ các tập dữ liệu quy mô lớn. Bất chấp tiềm năng này, việc triển khai AI và tự động hóa thành công phụ thuộc vào chất lượng dữ liệu được tạo ra và khả năng phân tích dữ liệu hữu ích với số lượng lớn. Siêu dữ liệu, bao gồm cả việc định lượng chất lượng dữ liệu, thường bị thiếu, do đó, lượng lớn dữ liệu được thu thập nhanh chóng trở nên vô dụng. Cuối cùng, các quyết định phụ thuộc vào dữ liệu được hỗ trợ bởi máy học và AI sẽ không thể thực hiện được nếu không có các kỹ năng sẵn sàng dữ liệu, tính đến tất cả các Vs của dữ liệu lớn: khối lượng, tốc độ, tính đa dạng và tính xác thực. Thu thập và tổ chức siêu dữ liệu trong hệ thống xử lý nước thải và thu hồi tài nguyên nước thải đưa ra các khuyến nghị để giải quyết những thách thức này và nhằm mục đích làm rõ các khái niệm siêu dữ liệu và cung cấp lời khuyên về việc triển khai thực tế của chúng trong các cơ sở thu hồi tài nguyên nước. Điều này bao gồm hướng dẫn về các biện pháp tốt nhất để thu thập, tổ chức và đánh giá dữ liệu và siêu dữ liệu, dựa trên các tiêu chuẩn hiện có và các công cụ thuật toán tiên tiến. Báo cáo Khoa học và Kỹ thuật này cung cấp điểm khởi đầu tuyệt vời cho việc quản lý dữ liệu và ra quyết định được cải thiện, và sẽ được nhiều đối tượng quan tâm, bao gồm các kỹ thuật viên cảm biến, nhân viên vận hành, chuyên gia quản lý dữ liệu và quản lý nhà máy.
Abstract:
In recent years, the wastewater treatment field has undergone an instrumentation revolution. Thanks to increased efficiency of communication networks and extreme reductions in data storage costs, wastewater plants have entered the era of big data. Meanwhile, artificial intelligence and machine learning tools have enabled the extraction of valuable information from large-scale datasets. Despite this potential, the successful deployment of AI and automation depends on the quality of the data produced and the ability to analyze it usefully in large quantities. Metadata, including a quantification of the data quality, is often missing, so vast amounts of collected data quickly become useless. Ultimately, data-dependent decisions supported by machine learning and AI will not be possible without data readiness skills accounting for all the Vs of big data: volume, velocity, variety, and veracity. Metadata Collection and Organization in Wastewater Treatment and Wastewater Resource Recovery Systems provides recommendations to handle these challenges, and aims to clarify metadata concepts and provide advice on their practical implementation in water resource recovery facilities. This includes guidance on the best practices to collect, organize, and assess data and metadata, based on existing standards and state-of-the-art algorithmic tools. This Scientific and Technical Report offers a great starting point for improved data management and decision making, and will be of interest to a wide audience, including sensor technicians, operational staff, data management specialists, and plant managers.
Sử dụng ứng dụng Libol Bookworm quét QRCode này để mượn và đọc tài liệu)
(Lưu ý: Sử dụng ứng dụng Bookworm để xem đầy đủ tài liệu. Bạn đọc có thể tải Bookworm từ App Store hoặc Google play với từ khóa "Libol Bookworm”)