Étude de cas

ISL Adapt utilise le ML pour rendre le traitement de l'eau plus propre et plus écologique

La nouvelle station d'épuration de Drayton Valley (Provided by ISL Adapt)

Une initiative conjointe de l'Alberta Machine Intelligence Institute, de l'Université de l'Alberta et de l'ISL Engineering étudie comment l'apprentissage automatique peut rendre le traitement de l'eau plus écologique et plus rentable.

Lorsque Drayton Valley - une petite ville située à environ 130 kilomètres au sud-est d'Edmonton - a décidé de remplacer sa station d'épuration vieillissante, elle a fait appel à ISL Engineering pour construire une installation capable de faire face à la croissance démographique future de manière durable.

Dans le cadre de l'initiative ISL Adapt, l'entreprise s'est associée à une équipe de chercheurs pour déterminer comment elle pouvait utiliser l'intelligence artificielle pour réduire les coûts environnementaux et énergétiques de la nouvelle usine, notamment les boursiers et titulaires des chaires d'intelligence artificielle du CIFAR Canada à Amii, Martha White, Adam White et Csaba Szepesvári, le chercheur en apprentissage automatique d'Amii, James Bell, et Omid Namaki et Anna Koop de l'université d'Alberta. Le projet a également été soutenu par Alberta Innovates.

Les usines de traitement de l'eau consomment beaucoup d'énergie, aussi la réduction de la consommation d'énergie était-elle l'un des principaux objectifs. Une grande partie de cette consommation d'énergie provient du pompage de l'eau, en particulier pour une usine comme Drayton Valley, qui utilise un procédé appelé ultrafiltration. Ce procédé utilise des produits chimiques sur l'eau non traitée, ce qui permet aux solides et aux contaminants de se lier et de couler au fond du réservoir. Ensuite, l'usine pompe l'eau à travers des membranes spéciales qui filtrent les petits contaminants et laissent passer l'eau propre.

"Comment régler une plante pour qu'elle réponde à différents changements dans l'environnement ?"

Douglas Hallett, ISL Engineering

Au fil du temps, ces membranes s'encrassent et doivent être nettoyées par un lavage à contre-courant de l'eau traitée. Un système plus efficace signifie un nettoyage plus efficace, ce qui signifie moins de pompage et moins d'énergie utilisée.

Il s'agit d'un processus complexe, rendu encore plus complexe par le fait que les conditions de l'eau changent constamment. Les précipitations, la fonte saisonnière et d'autres facteurs biologiques peuvent affecter considérablement la qualité de l'eau brute ou non traitée et modifier la façon dont les exploitants d'usine doivent la traiter.

"Vous pouvez voir la rivière Saskatchewan Nord changer devant vous chaque année", a déclaré Douglas Hallett de l'ISL. "Vous pouvez la voir passer du bleu glaciaire au brun, ou au vert lorsque les algues se développent pendant les mois d'été. Comment régler une plante pour qu'elle réponde aux différents changements de l'environnement ?"

Pour trouver des moyens de s'attaquer au problème, l'ISL a mis en place une installation pilote, une usine dans l'usine, équipée de capteurs et d'outils pour aider l'équipe d'Amii à recueillir des données sur les facteurs qui pourraient contribuer à réduire la consommation d'énergie et à s'adapter aux conditions changeantes de l'eau.

L'approche de l'apprentissage par renforcement utilisée dans l'usine pilote fait appel à la méthode d'essai et d'erreur pour tester de nombreuses variables afin de trouver les moyens les plus efficaces d'exploiter l'usine, qu'il s'agisse des produits chimiques à utiliser, de leur quantité ou de la fréquence de nettoyage des membranes. Cette complexité, associée à la nécessité de prévoir les changements à venir dans la qualité de l'eau brute, fait de cette question un excellent candidat pour l'apprentissage par renforcement.

Jusqu'à présent, toute l'eau traitée dans l'usine du projet pilote est renvoyée dans le réseau d'égouts, afin de ne pas affecter la qualité de l'eau de la ville au fur et à mesure des expériences de l'équipe. Le projet pilote devrait prendre fin en 2022, et les résultats seront utilisés pour faire d'ISL Adapt un leader dans le domaine de l'approvisionnement en eau filtrée par l'IA à un prix abordable pour les communautés qui ont du mal à répondre aux exigences en constante évolution du traitement de l'eau en Alberta et ailleurs.


Plongez dans le monde de l'apprentissage par renforcement avec la spécialisation en apprentissage par renforcement, proposée par l'université d'Alberta et Amii. Enseignée par Martha White et Adam White, cette spécialisation explore la manière dont les solutions d'apprentissage par renforcement aident à résoudre des problèmes du monde réel par le biais d'une interaction par essais et erreurs, en montrant aux apprenants comment mettre en œuvre une solution d'apprentissage par renforcement complète du début à la fin. Inscrivez-vous à cette spécialisation dès maintenant !

Dernières études de cas

Connectez-vous avec la communauté

Participez à l'écosystème croissant de l'IA en Alberta ! Les demandes de conférenciers, de parrainage et de lettres de soutien sont les bienvenues.

Explorer la formation et l'enseignement supérieur

Vous êtes curieux de connaître les possibilités d'études auprès de l'un de nos chercheurs ? Vous voulez plus d'informations sur les possibilités de formation ?

Exploiter le potentiel de l'intelligence artificielle

Faites-nous part de vos objectifs et de vos défis concernant l'adoption de l'IA dans votre entreprise. Notre équipe Investissements & Partenariats vous contactera sous peu !