Det ligger store muligheter i utviklingen av sensorteknologi, ny kommunikasjonsteknologi, dataanalyse og kunstig intelligens hver for seg. Setter vi dem sammen, kan vi skape kraftfulle nye tjenester.
Det utvikles bedre og billigere sensorer, både dedikerte (f.eks. termometer) og kombinerte (multi-sensorer med f.eks. temperatur, fuktighet, trykk, nivå osv.). Flere tradisjonelle «ting» utstyres også med innebygde sensorer.
Forutsetningen for å lage gode tjenester er at data fra sensorene kan hentes inn fortløpende. Da må det finnes dekning og kapasitet på et egnet kommunikasjonsnett. I tillegg til utbredelsene av fibernett, kommer det nå andre nett som f.eks. 5G og strømleverandørenes målernett. Det er også verdt å huske at ikke all bruk av data for nye tjenester krever store datamengder eller ekstrem hastighet.
Når data fra alle sensorene kommer inn viser det seg skuffende ofte at de ikke er enhetlige eller sammenlignbare. Vi må derfor være forberedt på å analysere og strukturere innsamlede data slik at de blir mulige å bruke fornuftig i seg selv og opp mot andre data. Det kan være egne historiske data eller eksterne data som f.eks. værmelding.
Nå har vi strukturerte data i en database eller datasjø: Fint, men det hjelper ikke oss eller innbyggerne. Vi må utvikle noen intelligente algoritmer som plukker ut nyttig informasjon fra data. Her er det stort sett fantasien som setter grensene. En av de vanligste nytteverdiene fra slike algoritmer er prediksjon. Ved å kombinere data kan vi se hva som trigger gitte forløp og forutse dette.
I Lillestrøm kommune har de skjønt dette. Vi har vært så heldige å få Christos Tziotas fra Lillestrøm kommune til å fortelle oss mer om hvordan de benytter IoT til å forbedre sine tjenester. Før vi går nærmere inn på IoT og Lillestrøm: Hvem er Christos Tziotas?
– Jeg bor med kone og barn i Maura, Nannestad kommune og jobber for Lillestrøm kommune. Fritiden brukes mye til aktiviteter med familien, samt trening og turer i skog og mark. Jeg må innrømme at jeg også bruker mye av fritiden på å utforske ny teknologi, spesielt maskinlæring og computer vision/maskinsyn.
Hva jobber du med i Lillestrøm kommune?
– Jeg jobber som digitaliseringsagent (rådgiver) for Miljø og samfunn. Miljø og samfunn består av Miljøteknikk, Eiendom, By- og stedsutvikling (Geodata, byggesak, plan, m.m.) så jeg har et bredt område jeg bistår. Stillingen som digitaliseringsagent går ut på å være en strategisk rådgiver for direktør og kommunalsjefer for Miljø og samfunn, samt at jeg leder porteføljen for organisasjonsutvikling – og digitaliseringsprosjekter. Så jeg forsøker å rådgi og styre digitaliseringen så vi har en mer helhetlig tilnærming og med et overordnet blikk. Vi har et strategisk mål i Lillestrøm sin digitaliseringsstrategi, og det er å tilby innbyggere og ansatte digitale tjenester som begeistrer.
Hva slags bakgrunn har du?
– Jeg har en variert bakgrunn fra både offentlig og privat sektor, men fellesnevneren er vel at det dreier seg om teknologi, digitalisering og effektivisering. Innen utdanning så har jeg bakgrunn innen ledelse og innovasjon, samt en del fokus på teknologi innen både smartby, GIS og landmåling, AI, computer vision/maskinsyn og maskinlæring, med mer. Jeg synes det er spennende å tilegne meg ny kunnskap og spesielt innen ny teknologi.
Så hva bruker dere IoT til i Lillestrøm kommune?
– I Lillestrøm kommune så bruker vi nivåmålere i elver til å overvåke vannstanden i ulike områder der vi vet at det oppstår flom. Dataene fra IoT-målerne sendes til vår databehandlingsplattform og i samarbeid med leverandør av løsningen har det blitt utarbeidet en analyse for å predikere vannstanden ved gitte nivåer i elva. Det vil si at når vannstanden er på et visst nivå høyere opp i vassdraget så vil vi 10-12 timer i forkant kunne agere på en prediksjon om at det vil bli flom i Lillestrøm kommune. På den måten bruker vi dataene til å være proaktive med beredskap og drift av kommunen.
Så har vi mye innen Miljø og samfunn som kan skape en innsikt vi kanskje ikke sitter på. Dette kan være luftkvalitet, støynivå, vannmålere i kommunalt nett og de tradisjonelle vannmålerne som installeres hjemme hos folk. Her kan man få en forståelse av tilstanden i kommunen og på sikt kan man tilpasse og drive en proaktiv kommunal drift – altså agere på data og ikke intervaller..
Det høres jo helt fantastisk ut, men det er vel noen utfordringer med IoT også kanskje?
– Absolutt! IoT er nytt for de fleste kommuner og det finnes ingen «standard» for hvordan vi skal løse alle utfordringene og ønskene de ulike kommunene har. Jeg sitter i et vannklynge-samarbeid der vi er over 25 kommuner sammen ser på utfordringene omkring smarte vannmålere. Det jeg ser er at det er så mange som ønsker å løse en utfordring, men mange står alene om å løse disse. Det er ikke bare det at enkeltkommuner står alene om en utfordring, men jeg ser også at det ofte er slik at kommuner ikke klarer å organisere dette på en god måte heller. Da står ofte et tjenesteområde igjen med utfordringen, men mangler bistand, kompetanse og samarbeid internt.
Jeg tror noe av dette handler om at det er mye blest omkring ny teknologi og mange kommuner kaster seg på trendene. Det er vel og bra at vi har kommuner som tar i bruk ny teknologi, som lærer og ønsker å løse utfordringer, men vi må også lære av hverandre og mulig også samarbeide på litt andre måter enn hva vi gjør i dag.
Jeg har sett flere kommuner som anskaffer LoRaWAN-nettverk og har en ambisjon om å etablere slike kommunikasjonsnettverk for å samle inn data fra IoT-sensorene en har anskaffet. Det viser seg, blant flere, at flere ikke har kompetanse og ressurser til å ivareta disse basestasjonene. Hvem har egentlig ansvar for å følge opp basestasjoner? Hvem har ansvar for å følge opp en IoT-sensor når batteritiden er ute eller om det er noe feil med den? Slike utfordringer hører jeg det er mange som har og som oppstår i etterkant av implementering.
En annen utfordring er at dataene som sensorene sender – ikke nødvendigvis er «rett frem å lese». Har alle tenkt på det? Dataene som kommer er ikke nødvendigvis «jo, nå er det dårlig luftkvalitet». Dette må visualiseres, tolkes og, i noen tilfeller, «vaskes». Har du en luftsensor og den viser at det er dårlig luftkvalitet, så betyr ikke dette at det faktisk er dårlig luftkvalitet viser forskningsprosjektet iFlink*. Det kommer an på sensoren, hvordan den er satt opp, om den klarer å lese riktige nivåer og flere andre mulige feilkilder.
Dette er noen av utfordringene som jeg kjenner til, men det er flere!
*) iFLINK er et forskningsprosjekt som har som hovedmål å utvikle en kostnadseffektiv og åpen infrastruktur for å håndtere luftkvalitetsdata fra ny sensorteknologi, og her er Lillestrøm kommune med som observatørkommune.
Med det sier vi takk til Christos for denne gang. For de som vil vite mer om IoT og Lillestrøm sine prosjekter, er det planlagt et fagpåfyll fredag 11. mars der Christos går i dybden på tingene.
På bildet: Christos Erich Maier Tziatos