# Detekcija curenja vode u stvarnom vremenu s adaptivnim AI Form Builderom Mreže za distribuciju vode među su najkritičnijim, a istovremeno i najranjivijim urbanim sredstvima. Starenje cijevi, fluktuacije tlaka i neovlaštena priključivanja uzrokuju gubitak milijuna litara vode svake godine, povećavajući troškove komunalnih usluga i opterećujući već oskudne resurse. Tradicionalna detekcija curenja oslanja se na periodične ručne inspekcije ili statičke pragove upozorenja koji generiraju lažne pozitivne rezultate i propuštaju nove kvarove. **AI Form Builder** – platforma za generiranje obrazaca s niskim kodom i AI‑poboljšanjima – nudi svježi paradime: **sustav za detekciju curenja u stvarnom vremenu, adaptivan i usmjeren na građane**, koji kontinuirano uči iz podataka senzora, terenskih izvješća i povijesnih incidenata. Ovaj članak prolazi kroz cjelokupnu arhitekturu, AI‑potaknuto logiku obrazaca i operativne prednosti za komunalne poduzeća, općine i stanovnike. --- ## 1. Zašto je potreban novi pristup | Izazov | Konvencionalna metoda | Adaptivno rješenje AI Form Buildera | |-----------|---------------------|-----------------------------------| | **Latencija** | Tjedni pregledi tlaka; tjednima do pronalaska curenja | Trenutni unos telemetrije; upozorenja u manje od minute | | **Lažni pozitivni** | Fiksni praga tlaka izazivaju mnogo ne‑curenja | Kontekst‑osjetljivi AI modeli dinamički prilagođavaju pragove | | **Raspodjela resursa** | Slanje timova na temelju ručnog trijaža | Automatizirano prioritetiziranje pomoću ocjene rizika | | **Uključenost građana** | Ograničeno na telefonske linije, često ignorirano | Integrirani mobilni obrasci za crowdsourcing izvješća | | **Skalabilnost** | Ručni unos podataka, teško proširiti | Skalabilni obrasci s niskim kodom, ponovno upotrebljivi po distriktima | Ključ je **adaptivnost**: sustav kontinuirano usavršava logiku detekcije kako pristižu novi podaci, dok sloj obrazaca osigurava da svaki sudionik – senzor, terenski tehničar, građanin – doprinese strukturiranim i akcijskim informacijama. --- ## 2. Pregled arhitekture sustava ```mermaid flowchart TD A["IoT senzori
Tlak, protok, akustični"] B["Edge gateway
Pre‑obrada"] C["AI Form Builder
Dinamički obrasci & radni tokovi"] D["AI engine
Detekcija anomalija & ocjena rizika"] E["Mobilna aplikacija za građane
Obrazac za prijavu"] F["Dispečerski centar
Prioritetni radni nalozi"] G["GIS baza podataka
Mreža cijevi"] H["Povratna sprega
Ponovno treniranje modela"] A --> B B --> C C --> D D --> F E --> C F --> G G --> D D --> H H --> C ``` *Sve oznake čvorova su stavljene u dvostruke navodnike, kako je potrebno za Mermaid sintaksu.* ### 2.1 Osnovne komponente 1. **IoT senzori** – Tlakovni pretvornici, protokometri i akustični detektori curenja postavljeni na strateškim čvorištima. 2. **Edge gateway** – Izvršava filtriranje šuma, agregira podatke i prosljeđuje lagani JSON paket. 3. **AI Form Builder** – Domaćin **adaptivnih obrazaca** koji primaju senzorske pakete, pokreću AI inferenciju i generiraju daljnje akcije. 4. **AI engine** – Skup modela strojnog učenja (detekcija anomalija vremenskih serija, Bayesova ocjena rizika) koji procjenjuju svaki podatkovni punkt. 5. **Mobilna aplikacija za građane** – Tanka klijent aplikacija koja izlaže **„Prijava curenja“** obrazac unaprijed popunjen GPS lokacijom. 6. **Dispečerski centar** – Prima prioritetne radne naloge, vizualizirane na GIS karti. 7. **Povratna sprega** – Nakon popravka curenja, terenski tehničari zatvaraju tiket, čime se rezultat vraća u AI model za kontinuirano poboljšanje. --- ## 3. Izgradnja adaptivnih obrazaca u AI Form Builderu ### 3.1 Obrazac za senzorske podatke ```json { "form_id": "sensor_ingest_001", "fields": [ {"name":"sensor_id","type":"text","required":true}, {"name":"timestamp","type":"datetime","required":true}, {"name":"pressure_kpa","type":"number","required":true}, {"name":"flow_lps","type":"number","required":true}, {"name":"acoustic_score","type":"number","required":false} ], "trigger":"on_submit", "action":"invoke_ai_model" } ``` *Ključne značajke* - **Dinamička validacija**: Ako `acoustic_score` nedostaje, obrazac automatski traži od edge gatewaya sekundarni akustični očitak. - **Verzija**: Svaka verzija obrasca se pohranjuje, omogućujući povratak na staru verziju ako ažuriranje firmware‑a senzora promijeni strukturu paketa. ### 3.2 Obrazac za građansku prijavu curenja ```json { "form_id": "citizen_report_001", "fields": [ {"name":"photo","type":"image","required":true}, {"name":"gps_lat","type":"number","required":true}, {"name":"gps_lng","type":"number","required":true}, {"name":"description","type":"textarea","required":true}, {"name":"observed_flow","type":"number","required":false} ], "trigger":"on_submit", "action":"merge_with_sensor_data" } ``` - **Automatska geolokacija**: Mobilni SDK ubacuje GPS koordinate, smanjujući napor korisnika. - **Analiza slike**: Opcionalni AI model izvlači vizualne naznake (mokri kolodvor, nakupljanje vode) kako bi obogatio zapis incidenta. ### 3.3 Adaptivna logika radnog toka AI Form Builder‑ov **engine pravila** procjenjuje kompozitni rizik: ```goat if (sensor.anomaly_score > 0.85) and (citizen_report.exists) then priority = "high" else if (sensor.anomaly_score > 0.6) then priority = "medium" else priority = "low" end ``` *Napomena: `goat` blok se koristi samo za ilustrativni pseudo‑kod; stvarna platforma koristi vizualni builder pravila.* Radni tok automatski kreira **radni nalog** u sustavu dispečiranja, prilaže senzorske zapise, građanske fotografije i GIS‑povezani segment cijevi. --- ## 4. AI‑potaknuta detekcija anomalija ### 4.1 Modeliranje vremenskih serija **Long Short‑Term Memory (LSTM)** mreža predviđa očekivane vrijednosti tlaka i protoka po senzoru. Odstupanja izvan dinamičnog intervala povjerenja podižu **zastavicu anomalije**. ```mermaid sequenceDiagram participant S as Sensor participant G as Edge Gateway participant F as AI Form Builder participant M as LSTM Model participant D as Dispatch S->>G: Sirova telemetrija G->>F: Normalizirani JSON F->>M: Pokreni predikciju M-->>F: anomaly_score alt anomaly_score > threshold F->>D: Kreiraj visokoprioritetni tiket else F->>F: Pohrani za analizu trendova end ``` ### 4.2 Bayesova ocjena rizika Sustav kombinira više izvora dokaza (senzorska anomalija, građanska prijava, starost cijevi) u **Bayesovu mrežu** koja daje vjerojatnost stvarnog curenja. Ta vjerojatnost izravno upravlja prioritetom u adaptivnom radnom toku. --- ## 5. Operativne prednosti | Metrika | Prije AI Form Buildera | Nakon AI Form Buildera | |--------|------------------------|-----------------------| | **Prosječno vrijeme otkrivanja** | 48 h | 12 min | | **Stopa lažnih pozitivnih** | 30 % | 5 % | | **Smanjenje gubitka vode** | 5 % ukupnog volumena | 12 % ukupnog volumena | | **Učinkovitost dispečiranja** | 1,8 h po tiketu | 0,6 h po tiketu | | **Uključenost građana** | 1 prijava na 10 k stanovnika | 1 prijava na 2 k stanovnika | Adaptivni sustav ne samo da štedi vodu, već i **optimizira raspored timova**, smanjuje troškove prekovremenog rada i gradi povjerenje javnosti kroz transparentno, participativno izvještavanje. --- ## 6. Plan implementacije 1. **Pilot faza (0‑3 mjeseca)** - Postaviti 50 senzora tlaka u najrizičnijem distriktu. - Konfigurirati obrazac za unos senzora i bazni LSTM model. - Pokrenuti mobilnu aplikaciju s jednostavnim obrascem „Prijavi curenje“. 2. **Trening i validacija modela (3‑6 mjeseca)** - Prikupiti označene incidente (potvrđena curenja vs. lažni alarmi). - Ponovno trenirati LSTM i Bayesove modele; fino podesiti pragove. - Uvesti akustične senzore za višemodalnu detekciju. 3. **Širenje (6‑12 mjeseca)** - Proširiti pokrivenost senzora na 500+ čvorova gradom. - Omogućiti automatsko kreiranje radnih naloga u postojećem GIS‑temeljenom sustavu dispečiranja. - Integrirati s platformom naplate kako bi se korisnicima kreditirali uštede od smanjenog gubitka vode. 4. **Kontinuirano unapređenje (12 mjeseci +)** - Iskoristiti **povratnu spregu**: svaki zatvoreni tiket ažurira skup podataka za treniranje. - Dodati prediktivne preporuke za održavanje (npr. zamjena cijevi prije kvara). - Otvoriti API za treće developere za izradu zajedničkih nadzornih ploča. --- ## 7. Sigurnost, privatnost i usklađenost - **Šifriranje podataka**: Svi senzorski paketi i građanski uploadi šifrirani su u prijenosu (TLS 1.3) i u mirovanju (AES‑256). - **GDPR / CCPA**: Osobni identifikatori (fotografije, GPS) pohranjuju se samo onoliko dugo koliko je potrebno za rješavanje incidenta, zatim se anonimiziraju. - **Upravljanje pristupom po ulogama (RBAC)**: Terenski tehničari, menadžeri dispečiranja i gradski službenici dobivaju granularna dopuštenja unutar AI Form Buildera. --- ## 8. Buduća proširenja 1. **Prediktivna zamjena cijevi** – Kombiniranje trendova vjerojatnosti curenja s godinama korištenja kako bi se planirala proaktivna zamjena. 2. **Dinamičke cijene poticaja** – Ponuda smanjenih tarifa korisnicima koji sudjeluju u prijavama curenja, potičući zajedničku brigu. 3. **Integracija s pametnim mjeračima** – Korelacija skokova potrošnje u kućanstvu s mrežnim anomalijama za hiper‑lokalnu detekciju. 4. **AI‑generirani vodiči popravka** – Automatsko popunjavanje korak‑po‑korak uputa za popravak na temelju tipa cijevi i ozbiljnosti curenja. --- ## 9. Zaključak Kombiniranjem **real‑time IoT telemetrije**, **adaptivnih AI modela** i **obrasca s niskim kodom i AI‑poboljšanjima**, komunalne tvrtke mogu pretvoriti detekciju curenja iz reaktivnog, radno‑intenzivnog procesa u proaktivan, podatkovno‑vođen servis. Fleksibilni engine obrazaca AI Form Buildera omogućuje brzu iteraciju, uključivanje građana i kontinuirano poboljšanje točnosti detekcije – sve uz niske troškove implementacije i visoku usklađenost s propisima. Rezultat je **otpornija vodovodna infrastruktura**, **značajne uštede**, i **jača suradnja između općina i zajednica koje opslužuju**. --- ## Pogledajte i - [Platforme za građansku znanost u urbanoj infrastrukturi – MIT OpenCourseWare](https://ocw.mit.edu)