Qatium
自來水管網的 AI 數位孿生平台,內建 24 小時運轉的 AI 代理
Qatium 把自己定位成「The AI Water Platform」,做的是自來水配水管網的數位孿生——把實體管網在軟體裡建成一份可以操作的複本,讓水公司在真的派工到現場之前,先在模型裡把情境跑過一遍。
平台的 AI 分兩個層次。一是 24 小時運轉的 AI 代理,持續盯著管網狀態並協助日常操作;二是 AI 輔助的資料清理,這件事看似不起眼卻很關鍵——水公司的管網圖資往往累積了數十年,管徑錯誤、節點斷開、閥門位置對不上都很常見,傳統上要靠工程師一段一段手動修,是導入數位孿生最大的卡關點。
功能特色與適用場景
具體功能包含管網可視化、情境模擬、無收益水(NRW)的漏損偵測與量化、水質監測、感測器布點最佳化、能耗分析與壓力管理。Qatium 強調開放平台的設計,有工具市集可擴充,也與 AWS、Azure、Google Cloud 等雲端夥伴整合。目標客戶橫跨小型鄉村水利單位到大都會的自來水事業,使用者包含維運、管理與規劃三種角色。
台灣的自來水事業若要評估這類平台,最容易看出價值的場景是壓力管理。管網壓力偏高會加速漏水與爆管,但降壓又怕末端用戶水壓不足——這正是數位孿生擅長回答的題目:在模型裡調整減壓閥設定,先看末端節點的壓力會掉到多少,再決定要不要真的調。相對地,水質模擬對資料品質的要求高很多,不建議當成第一個上線的模組。官網未公開價格,導入前的圖資整理工作量也要先評估清楚。
TheAI學院 編輯建議
編輯實測後的真心話數位孿生在水務界喊了很久,真正卡住的從來不是演算法,是那份沒人想碰的陳年管網圖資。Qatium 把 AI 用在資料清理上,這個切點很務實。我唯一在意的是官網連總部在哪都沒寫清楚,公部門採購要過供應商審查這關,這種資訊不透明會是麻煩。
主要功能
- 管網數位孿生,以互動地圖呈現實體管網的即時狀態
- 情境模擬,在實際派工前先在模型中驗證操作結果
- 無收益水(NRW)漏損偵測與量化
- AI 輔助的管網圖資清理,降低數位孿生的建模門檻
- 感測器布點最佳化、壓力管理與能耗分析
- 水質監測與開放式工具市集,可擴充第三方功能
適用場景
- 水公司在調整減壓閥前先模擬末端壓力變化,兼顧降漏與供水品質
- 維運團隊定位無收益水的熱點分區,作為漏水查修的優先順序依據
- 規劃單位評估新增感測器的最佳位置,用最少設備取得最大可視度
- 管網團隊用 AI 清理長年累積的圖資錯誤,作為後續分析的基礎
- 抽水站檢視能耗分佈,找出運轉排程可優化的時段
Qatium 的優點與缺點
優點
- AI 資料清理直接對準數位孿生最難的一關:陳年圖資的錯誤與斷點
- 情境模擬讓調整閥門、改變壓力這類高風險操作先在模型裡驗證
- 開放平台與市集架構,不必被單一供應商的功能藍圖綁死
缺點
- 官網未公開價格級距,需另洽報價
- 官網未明確標示公司總部所在地,採購方評估供應商時需另行查證
- 水質模擬類功能對資料完整度要求高,圖資不全時效果有限
價格方案
官網首頁未列價格,另有定價頁需洽詢
使用者評價
還沒有足夠評價,搶先分享你的使用心得!