Les coûts augmentent. Vos données opérationnelles peuvent vous indiquer où faire des économies.

Troisième et dernière partie de notre série sur la numérisation des opérations dans le secteur de l'eau et des eaux usées

L'exploitation d'un service de distribution d'eau potable ou d'assainissement ne cesse d'augmenter. Le vieillissement des infrastructures exige des investissements constants, les coûts énergétiques et d'exploitation sont en hausse, et les services publics doivent concilier ces contraintes avec les exigences réglementaires et la nécessité de maintenir des services abordables pour les collectivités qu'ils desservent.

Il n'existe pas de solution rapide à ces défis, et plusieurs des investissements que les entreprises de services publics doivent faire sont inévitables. Cependant, des opportunités opérationnelles peuvent permettre d'atténuer certaines de ces pressions. Avant de considérer systématiquement la solution comme un budget plus important, plus d'équipements ou un nouveau projet d'envergure, il peut être judicieux d'examiner de plus près un élément dont la plupart des entreprises de services publics disposent déjà en abondance : les données opérationnelles.

Les services publics recueillent ces données depuis des années. Les performances des pompes, les débits, les niveaux des réservoirs, la pression, la consommation de produits chimiques et d'énergie, les alarmes et les informations sur la qualité de l'eau sont déjà consignées tout au long du processus. La question principale est de savoir si ces informations ne font que montrer ce qui s'est passé ou si elles permettent d'identifier des pistes d'amélioration.

Vous avez déjà les données. Qu'est-ce qu'elles peuvent vous apprendre de plus ?

Cette question a été soulevée lors de notre webinaire « La transformation numérique des opérations d'eau et d'assainissement » , lorsqu'un participant a indiqué que son service disposait de plusieurs années de données historiques, mais les utilisait principalement pour l'analyse des tendances. Il voulait savoir quelles autres possibilités s'offraient à lui.

L'analyse des tendances et les rapports sont importants, surtout dans un secteur où les données historiques jouent un rôle crucial en matière de conformité. Kurt Peterson et Scott Lamothe ont toutefois expliqué comment ces mêmes données historiques peuvent servir à examiner plus en détail la détection des fuites, la consommation de produits chimiques, la consommation d'énergie, les prévisions de la demande et d'autres aspects de l'exploitation.

Plus important encore, cela permet aux entreprises de services publics de tester leurs hypothèses. Vous savez peut-être quand vos pompes fonctionnent normalement, quelle quantité de produits chimiques vous utilisez habituellement ou comment votre système réagit généralement lors de différentes périodes de demande. Ces pratiques peuvent parfaitement fonctionner, mais quand avez-vous analysé vos données pour la dernière fois et vous êtes-vous demandé s'il n'y aurait pas une meilleure solution ?

Comme Kurt l'a dit lors du webinaire, la question est parfois la suivante : « On fonctionne comme ça depuis 20 ans, mais est-ce qu'on doit vraiment continuer comme ça ? » »

Ce n'est pas parce que ça marche que c'est efficace.

Les opérations de traitement de l'eau potable et des eaux usées ne se transforment pas du jour au lendemain, et la fiabilité demeure essentielle. Plusieurs pratiques opérationnelles ont été mises en place grâce à des décennies d'expérience, et ce, à juste titre. Cependant, les conditions entourant ces processus changent constamment : les tarifs de l'énergie fluctuent, les équipements changent, la demande évolue, la technologie progresse, les employés expérimentés prennent leur retraite et sont remplacés par de nouveaux talents.

Une décision judicieuse il y a 10 ou 20 ans peut encore être pertinente aujourd'hui, sans pour autant qu'elle représente nécessairement la méthode la plus efficace. C'est là que des années de données historiques prennent toute leur importance. Au lieu de se fier uniquement aux pratiques habituelles, les équipes peuvent analyser les résultats obtenus dans différentes conditions opérationnelles et utiliser ces informations pour évaluer d'autres possibilités.

La consommation d'énergie en est un bon exemple. Lors du webinaire, Kurt a parlé de la façon dont les fournisseurs d'énergie peuvent exploiter leur historique d'exploitation pour mieux comprendre et prévoir la demande. Grâce à une vision plus précise des capacités nécessaires au cours d'une journée ou d'une semaine donnée, ils peuvent déterminer les moments où l'équipement énergivore doit réellement fonctionner. Un fournisseur peut ainsi remplir ses réservoirs pendant les périodes où l'énergie est moins chère, plutôt que de faire fonctionner de grosses pompes lors des pics de consommation.

La question est relativement simple : cet équipement doit-il absolument fonctionner pendant qu’il est actuellement en marche ? Mais la réponse peut avoir un impact significatif.

Une entreprise de services publics a réalisé des économies d'énergie de plus de 300 000 $.

Lors du webinaire, Scott a partagé un exemple concret : celui d'une entreprise de distribution d'eau gérant un vaste réseau. Un employé a mis au point un algorithme permettant de déterminer le moment optimal de fonctionnement des pompes pour la circulation de l'eau dans le système. En optimisant le fonctionnement de l'équipement, l'entreprise a réalisé des économies de plus de 300 000 $ sur ses coûts d'électricité dès la première année.

Ce qui rend cet exemple intéressant, ce ne sont pas seulement les économies réalisées. Le service des eaux fonctionnait déjà bien avant le changement. Il n'y avait pas nécessairement de processus défaillant à corriger. L'organisation a plutôt exploité les informations à sa disposition, s'est questionnée sur le fonctionnement du processus et a trouvé une approche plus efficace.

Pour les entreprises de services publics confrontées à des budgets plus serrés, des économies de cette ampleur peuvent faire une réelle différence. Cet argent peut être réaffecté aux infrastructures, à l'entretien, au personnel, à la modernisation, à la cybersécurité ou à toute autre priorité qui se dispute les mêmes ressources.

Et l'information nécessaire pour identifier cette opportunité était déjà là.

Que pourrait cacher votre historique d'exploitation ?

L'énergie n'est pas le seul secteur où cette approche s'applique. Les données opérationnelles historiques peuvent aider les entreprises de services publics à analyser la consommation de produits chimiques, les pertes d'eau, les performances de l'équipement, les profils de demande et les problèmes opérationnels récurrents. Parfois, l'opportunité n'est pas immédiatement évidente, car aucun dysfonctionnement technique n'a été constaté.

Les données historiques peuvent, par exemple, révéler des périodes où les exigences de qualité de l'eau étaient respectées avec moins de chlore ou d'autres produits chimiques de traitement. Une pompe peut consommer systématiquement plus d'énergie qu'un équipement similaire. Certaines conditions de fonctionnement peuvent se répéter avant l'apparition d'un même problème. L'équipement peut continuer à fonctionner selon un cycle établi il y a des années, même si les conditions d'exploitation actuelles sont différentes.

Aucune de ces situations n'indique automatiquement qu'il y a un problème. Mais elles fournissent aux équipes des éléments qui méritent d'être examinés.

Lors du webinaire , Kurt a expliqué que l'efficacité peut provenir de la mise en évidence des angles morts. C'est une perspective importante pour apprécier la valeur des données opérationnelles. Exploiter davantage ses données ne signifie pas toujours créer un nouveau tableau de bord ou collecter de nouvelles mesures. Il s'agit parfois d'utiliser l'historique existant pour remettre en question ce que tout le monde supposait fonctionner de manière optimale.

Commencez par le problème, pas par la technologie.

C’est aussi là que les discussions sur la transformation numérique peuvent parfois s’emballer. C'est facile de commencer par parler d'analytique de données, d'IA, de plateformes infonuagiques ou de toute autre technologie à la mode. Mais la technologie à elle seule ne permet pas d'identifier les meilleures opportunités.

Plus tard dans le webinaire, un participant a demandé comment une organisation pouvait se lancer dans l'IA. Kurt a insisté sur l'importance de mettre en place une infrastructure de base solide et de commencer par des cas d'utilisation simples et à fort impact. Scott a ajouté une autre recommandation pratique : identifier les deux ou trois problèmes que vous voulez vraiment résoudre. Il peut s'agir d'économies d'énergie, de produits chimiques, de la réduction des temps d'arrêt ou d'un autre objectif opérationnel important. Une fois le problème à résoudre cerné, vous pouvez déterminer les données, les outils et les ressources humaines nécessaires.

Ce raisonnement s'applique autant à l'intelligence artificielle qu'à l'absence d'IA. Si votre facture d'électricité ne cesse d'augmenter, commencez par analyser votre consommation d'énergie : quand et comment. Si la consommation de produits chimiques vous préoccupe, examinez les changements survenus et voyez si des facteurs historiques peuvent expliquer ce phénomène. Si votre équipe est constamment confrontée au même problème opérationnel, analysez les événements qui le précèdent et cherchez un schéma éventuel qui vous aurait échappé.

Il n'est pas nécessaire de transformer l'ensemble du système d'un seul coup. Un problème bien défini, accompagné d'un résultat mesurable, peut constituer un point de départ beaucoup plus utile.

Votre prochaine opportunité est peut-être déjà dans les données.

Les services publics continueront de subir des pressions sur les coûts, et les données opérationnelles ne feront pas disparaître le vieillissement des infrastructures, les exigences réglementaires, les difficultés liées à la main-d'œuvre ni la hausse des coûts. Elles peuvent toutefois aider les équipes à mieux comprendre les aspects de leurs opérations sur lesquels elles ont une influence.

Après des années de collecte de données opérationnelles, les entreprises de services publics ont l'occasion d'en demander davantage. Au lieu de se contenter d'utiliser ces données pour comprendre le passé, elles peuvent s'en servir pour remettre en question leurs pratiques actuelles, identifier les points à améliorer et trouver des pistes d'optimisation.

La prochaine amélioration significative pourrait ne pas nécessiter de recueillir plus d'informations. Elle pourrait commencer par un problème que vous connaissez déjà et par des données que vous avez déjà recueillies pendant des années.

La question est de savoir ce que vous allez lui demander ensuite.

Regardez le webinaire complet sur demande

Dans « Driving Digital in Water and Wastewater Operations », Kurt Peterson et Scott Lamothe approfondissent ces défis, partageant des idées pratiques, des exemples concrets et des leçons tirées de leur expérience auprès des services publics pour améliorer leur efficacité, renforcer leur résilience et se préparer à l'avenir.

Visionnez le webinaire sur demande pour découvrir l'intégralité de la discussion et apprendre comment les entreprises de services publics renforcent leurs opérations pour l'avenir.

Regarder sur demande