根据文档量的不同，与手动数据采集相比，自动数据采集最多可节省数人年的时间。第一我排序。只有被识别为相关的集群才会通过人工智能支持的捕获进行处理，并且其数据以结构化格式记录，从而节省成本并减少处理时间。
项目流程简述
收集到的数据可用于对各个组件和线路部分进行适用性测试。我们的项目合作伙伴 OGE 可以为此提供帮助。然而，也可以使用来自 DVGW 的verifHy等数据库。
人工智能如何支持氢适用性测试
除了自动数据收集的用例之外，人工智能还可以为天然气网络运营商提供各个级别的技术支持。 adesso 正在研究的一些可能的用途如下：
标准化数据格式
数据通常以不同的格式和系统提供（Excel 电子表格、数据库、PDF 报告）。人工智能可以将信息转换为易于访问和分析的一致格式。
识别缺失或不完整的数据
通过分析现有数据集，人工智能可以识别差距，例如 塞浦路斯电话数据 缺失的材料信息、不完整的历史维护报告或管道部分的信息不一致。您可以自动创建专门突出显示这些差距的报告。
预测数据缺口
机器学习可用于弥补这些不完整记录的网络部分中的差距。人工智能可以使用机器学习和统计模型对丢失的信息进行预测。例如，它可以从可比较的网络部分、材料和采购记录以及施工文档中得出有关材料成分或线路状况的结论和概率。
智能风险和优先级建议
在人工智能的帮助下，可以根据收集到的材料信息、管道寿命、维护历史和环境条件等数据进行风险分析。它帮助网络运营商识别网络中的脆弱区域。