1.1 AI賦能的必要性
以系統性思維所稱之智慧水務，係賦予水資源循環管理系統智慧化管理與控制的能力。水資源循環管理系統，或稱為水資源管理系統，主要包括：水源、淨水、用水、污（廢）水、回收水及再生水等子系統。為符合法規及使用水的標準，各子系統均設置處理系統，利用物理、化學及生物等處理方法及程序，以分離、去除、降解水中污染物質並進一步淨化水質，統稱為「水與污（廢）水管理系統」，為水資源管理系統的主要核心子系統。
水與污（廢）水管理系統，包括：自來水管理系統及污（廢）水管理系統。自來水管理系統，包括：水源、取水、導送水、淨水及配水等子系統；而污（廢）水管理系統，包括：污染源、現場處理（前處理）、收集輸送、處理及處置等子系統。兩者均具有的主要特性，包括：
▪目的性：水與污（廢）水管理系統設置的目的，主要涵蓋用水安全、供水穩定、淨化水質、污染預防等；
▪整體性：每個子系統均由兩個以上的單元、程序及其子系統所組成，從而構成一個有組織的整體，以實現其功能和目的；
▪相關性：各處理單元、程序及子系統間存在著關連性及交互作用（包括相互制約與相互影響）的關係，正是這種相關性確定了水與污（廢）水管理系統特有的整體型態與功能；
▪複雜性：各子系統運作及處理過程與周圍環境之間通常都有物質、能量和資訊交換。環境的變化會引起系統特性的改變，相應地引起系統內部各單元、程序及子系統間相互關係與功能的變化；
▪動態性：各子系統進流水量與水質特性是隨著時間不斷地的改變等。
另外，水與污（廢）水管理系統中，各種物質、能量、結構、型態、功能及其控制都是通過操作運轉的過程表現出來的，因此掌握水與污（廢）水管理系統的動態行為是確保其操作管理成效的關鍵。而水與污（廢）水管理系統之操作管理又是屬於一個動態且十分複雜的過程，除了進流水與污（廢）水之水量與水質特性是隨著時間不斷的改變外，處理系統的程序操作控制，又受到微生物新陳代謝、設備運轉、及環境條件變異等因素之交互作用與影響，任何一方面的缺失或改變都將影響水質處理的成效及系統的穩定性。因此，水與污（廢）水管理系統必須發展出一個有即時性、可監看、具有趨勢性的「動態反饋控制機制」。
再者，為因應水與污（廢）水管理系統與周圍環境的變化而引起系統特性的改變，及系統內部各單元、程序及子系統間交互關係與作用的變化，水與污（廢）水管理系統必須具有反饋機制及「自適應和自學習性的反饋系統」，以保持對客觀環境的適應能力。亦即，水資源管理系統必須賦予解讀、分析資料及邏輯思考與輔助決策的能力。此舉相對地導致水資源管理系統對大量數據及資料量的處理、邏輯推理與最適化決策模擬的要求程度就越高，甚至超出操作者及管理者的思考及行為能力。
人工智慧（Artificial Intelligence, AI）是讓系統具有模擬人類思考模式、邏輯與行為的能力，且能自行透過數據分析的過程，持續校正、進化。亦即，人工智慧經過感知、學習、推理與校正等階段，深入大量需要人類智慧判斷或涉及超出人為分析能力上限的資料規模數據、執行複雜且繁瑣的解讀及分析工作，並依人類思維邏輯規律進行思考及行動，協助突破操作者及管理者的能力限制，賦予水資源管理系統執行智慧化管理及控制決策等活動的能力。
3.1 AI賦能的本質與內涵
水資源管理系統，主要包括：水源、淨水、用水、污廢水、回收水及再生水等子系統。水資源管理系統所面臨的環境問題，可分為：「水資源調配與利用」及「水資源保護與保育」等問題。其中，水資源調配及保育問題，必須藉由「量的管理」策略來滿足水資源的供應及需求；而水資源利用及保護問題，則需藉由「質的管理」策略來達到預防水源與承受水體污染的目標。水資源系統AI賦能的目的，在於解決水資源調配及利用與保護及保育等環境問題。因此，水資源管理系統AI賦能的本質為「水資源環境問題解決方案提供者」。
水資源管理系統AI賦能，係指賦予水資源管理系統智慧化管理與控制的能力。亦即，藉助新興的資料（訊）收集與數據分析技術，將各項水與污（廢）水處理過程相關設備及裝置所產生的數據，透過智慧物聯網（AIoT）收集、分析後，運用智能化操控及智慧型AI推論技術從中獲取設備運轉、程序控制及操作維護管理上的經驗知識及操作維護管理方式，再回饋到相關設備及程序控制上，使水資源管理系統變得更具智慧，進而達到整體性提升水資源管理系統營運管理績效，包括：管理效率最佳化、設備效能最佳化及操作效益最佳化的目標。
然在賦予水資源管理系統智慧化管理與控制能力的過程，必須建置一個「水資源管理系統AIoT（公／私有雲）管理平台」，可用於感測數據收集、邊緣和雲端分析計算基礎架構，且必須佈署雲端／邊緣智慧運算工具，以提供機器學習／深度學習／人工智慧建模、更新等功能。在智慧雲端／邊緣運算架構下，資料的分析與知識的產生，必須更接近於數據資料的來源，使能更快速且適切的處理及分析大數據。以上相關資料（訊）收集與數據分析之訊息，再藉由可視化數位儀表板進行即時顯示及預警，並進一步就整體性（或綜合性）成效評估結果，提供水資源環境問題的解決方案，作為水資源管理系統監督考核營運管理績效與輔助研擬決策的工具。其中，由水資源管理系統AIoT管理平台產生的「水資源環境問題解決方案」即為水資源管理系統AI賦能的主要內涵。
因此，水資源管理系統AIoT管理平台建置的必要條件，包括：
(1) 必須要有一個AIoT雲端運算平台（公／私有雲），可用於感測數據收集、邊緣和雲端分析計算的基礎架構；(2) 該AIoT雲端運算平台必須部署雲端／邊緣智慧運算架構，以提供機器學習／深度學習／人工智慧建模、更新等功能；(3) 在智慧雲端／邊緣運算架構下，資料的分析與知識的產生，必須更接近於數據資料的來源，使能更快速且適切的處理大數據。另邊緣運算應採分散式運算的架構，將應用程式、數據資料與服務的運算，由網路中心節點（伺服器），移往網路邏輯上的邊緣節點來處理。由於邊緣節點更接近於用戶終端裝置，能夠加快資料的處理與傳送速度，減少延遲。
以上內容節錄自《水資源AI賦能》卓伯全◎著．基士德環科股份有限公司出版
更多精彩內容請見
http://www.pressstore.com.tw/freereading/9786269963416.pdf
以系統性思維所稱之智慧水務，係賦予水資源循環管理系統智慧化管理與控制的能力。水資源循環管理系統，或稱為水資源管理系統，主要包括：水源、淨水、用水、污（廢）水、回收水及再生水等子系統。為符合法規及使用水的標準，各子系統均設置處理系統，利用物理、化學及生物等處理方法及程序，以分離、去除、降解水中污染物質並進一步淨化水質，統稱為「水與污（廢）水管理系統」，為水資源管理系統的主要核心子系統。
水與污（廢）水管理系統，包括：自來水管理系統及污（廢）水管理系統。自來水管理系統，包括：水源、取水、導送水、淨水及配水等子系統；而污（廢）水管理系統，包括：污染源、現場處理（前處理）、收集輸送、處理及處置等子系統。兩者均具有的主要特性，包括：
▪目的性：水與污（廢）水管理系統設置的目的，主要涵蓋用水安全、供水穩定、淨化水質、污染預防等；
▪整體性：每個子系統均由兩個以上的單元、程序及其子系統所組成，從而構成一個有組織的整體，以實現其功能和目的；
▪相關性：各處理單元、程序及子系統間存在著關連性及交互作用（包括相互制約與相互影響）的關係，正是這種相關性確定了水與污（廢）水管理系統特有的整體型態與功能；
▪複雜性：各子系統運作及處理過程與周圍環境之間通常都有物質、能量和資訊交換。環境的變化會引起系統特性的改變，相應地引起系統內部各單元、程序及子系統間相互關係與功能的變化；
▪動態性：各子系統進流水量與水質特性是隨著時間不斷地的改變等。
另外，水與污（廢）水管理系統中，各種物質、能量、結構、型態、功能及其控制都是通過操作運轉的過程表現出來的，因此掌握水與污（廢）水管理系統的動態行為是確保其操作管理成效的關鍵。而水與污（廢）水管理系統之操作管理又是屬於一個動態且十分複雜的過程，除了進流水與污（廢）水之水量與水質特性是隨著時間不斷的改變外，處理系統的程序操作控制，又受到微生物新陳代謝、設備運轉、及環境條件變異等因素之交互作用與影響，任何一方面的缺失或改變都將影響水質處理的成效及系統的穩定性。因此，水與污（廢）水管理系統必須發展出一個有即時性、可監看、具有趨勢性的「動態反饋控制機制」。
再者，為因應水與污（廢）水管理系統與周圍環境的變化而引起系統特性的改變，及系統內部各單元、程序及子系統間交互關係與作用的變化，水與污（廢）水管理系統必須具有反饋機制及「自適應和自學習性的反饋系統」，以保持對客觀環境的適應能力。亦即，水資源管理系統必須賦予解讀、分析資料及邏輯思考與輔助決策的能力。此舉相對地導致水資源管理系統對大量數據及資料量的處理、邏輯推理與最適化決策模擬的要求程度就越高，甚至超出操作者及管理者的思考及行為能力。
人工智慧（Artificial Intelligence, AI）是讓系統具有模擬人類思考模式、邏輯與行為的能力，且能自行透過數據分析的過程，持續校正、進化。亦即，人工智慧經過感知、學習、推理與校正等階段，深入大量需要人類智慧判斷或涉及超出人為分析能力上限的資料規模數據、執行複雜且繁瑣的解讀及分析工作，並依人類思維邏輯規律進行思考及行動，協助突破操作者及管理者的能力限制，賦予水資源管理系統執行智慧化管理及控制決策等活動的能力。
3.1 AI賦能的本質與內涵
水資源管理系統，主要包括：水源、淨水、用水、污廢水、回收水及再生水等子系統。水資源管理系統所面臨的環境問題，可分為：「水資源調配與利用」及「水資源保護與保育」等問題。其中，水資源調配及保育問題，必須藉由「量的管理」策略來滿足水資源的供應及需求；而水資源利用及保護問題，則需藉由「質的管理」策略來達到預防水源與承受水體污染的目標。水資源系統AI賦能的目的，在於解決水資源調配及利用與保護及保育等環境問題。因此，水資源管理系統AI賦能的本質為「水資源環境問題解決方案提供者」。
水資源管理系統AI賦能，係指賦予水資源管理系統智慧化管理與控制的能力。亦即，藉助新興的資料（訊）收集與數據分析技術，將各項水與污（廢）水處理過程相關設備及裝置所產生的數據，透過智慧物聯網（AIoT）收集、分析後，運用智能化操控及智慧型AI推論技術從中獲取設備運轉、程序控制及操作維護管理上的經驗知識及操作維護管理方式，再回饋到相關設備及程序控制上，使水資源管理系統變得更具智慧，進而達到整體性提升水資源管理系統營運管理績效，包括：管理效率最佳化、設備效能最佳化及操作效益最佳化的目標。
然在賦予水資源管理系統智慧化管理與控制能力的過程，必須建置一個「水資源管理系統AIoT（公／私有雲）管理平台」，可用於感測數據收集、邊緣和雲端分析計算基礎架構，且必須佈署雲端／邊緣智慧運算工具，以提供機器學習／深度學習／人工智慧建模、更新等功能。在智慧雲端／邊緣運算架構下，資料的分析與知識的產生，必須更接近於數據資料的來源，使能更快速且適切的處理及分析大數據。以上相關資料（訊）收集與數據分析之訊息，再藉由可視化數位儀表板進行即時顯示及預警，並進一步就整體性（或綜合性）成效評估結果，提供水資源環境問題的解決方案，作為水資源管理系統監督考核營運管理績效與輔助研擬決策的工具。其中，由水資源管理系統AIoT管理平台產生的「水資源環境問題解決方案」即為水資源管理系統AI賦能的主要內涵。
因此，水資源管理系統AIoT管理平台建置的必要條件，包括：
(1) 必須要有一個AIoT雲端運算平台（公／私有雲），可用於感測數據收集、邊緣和雲端分析計算的基礎架構；(2) 該AIoT雲端運算平台必須部署雲端／邊緣智慧運算架構，以提供機器學習／深度學習／人工智慧建模、更新等功能；(3) 在智慧雲端／邊緣運算架構下，資料的分析與知識的產生，必須更接近於數據資料的來源，使能更快速且適切的處理大數據。另邊緣運算應採分散式運算的架構，將應用程式、數據資料與服務的運算，由網路中心節點（伺服器），移往網路邏輯上的邊緣節點來處理。由於邊緣節點更接近於用戶終端裝置，能夠加快資料的處理與傳送速度，減少延遲。
以上內容節錄自《水資源AI賦能》卓伯全◎著．基士德環科股份有限公司出版
更多精彩內容請見
http://www.pressstore.com.tw/freereading/9786269963416.pdf
