Delhi water pipeline leaks கண்டுபிடிக்க AI system — pipe-burst risk முன்பே flag செய்ய புதிய திட்டம்

டெல்லியில் குடிநீர் குழாய்களில் ஏற்படும் leakage, low-pressure zones மற்றும் pipeline burst போன்ற பிரச்சினைகளை அவை பெரிய பாதிப்பாக மாறுவதற்கு முன்பே கண்டறியும் நோக்கில் Artificial Intelligence அடிப்படையிலான புதிய water-network monitoring system அறிமுகப்படுத்தப்பட்டுள்ளது. Delhi Jal Board-ன் water network-ஐ ஒரே digital platform-ல் கண்காணிக்கும் Intelligent Command and Control Centre — IC³ தொடங்கப்பட்டுள்ளது. Water Minister Parvesh Verma அக்டோபர் 14 அன்று இந்த மையத்தைத் தொடங்கி வைத்தார்.

இந்த system-ன் முக்கிய நோக்கம் ஒரு pipeline உடைந்து சாலையில் ஆயிரக்கணக்கான லிட்டர் குடிநீர் வீணான பிறகு complaint வந்து repair team செல்லும் பழைய முறையிலிருந்து, “problem வரப்போகிறது என்பதை முன்பே கண்டுபிடித்து நடவடிக்கை எடுப்பது” என்ற predictive maintenance model-க்கு நகர்வதாகும். Smart meters, pipeline maps, SCADA data, consumer complaints, maintenance information மற்றும் GPS-enabled field vehicles ஆகியவற்றிலிருந்து வரும் தகவல்கள் ஒரே dashboard-ல் இணைக்கப்படுகின்றன. AI tools மூலம் vulnerable pipelines, low-pressure locations மற்றும் possible pipe-burst risk ஆகியவற்றை முன்கூட்டியே flag செய்ய திட்டமிடப்பட்டுள்ளது.

குழாய் உடைந்த பிறகு அல்ல — உடைவதற்கு முன்பே கண்டுபிடிக்க முயற்சி

ஒரு பெரிய water pipeline burst ஆனால் அதன் பாதிப்பு water loss மட்டும் அல்ல.

சாலை முழுவதும் தண்ணீர் தேங்கலாம்.

Traffic பாதிக்கப்படலாம்.

அருகிலுள்ள வீடுகளுக்கு supply நிற்கலாம்.

Repair செய்ய பல மணி நேரம் ஆகலாம்.

சில இடங்களில் road damage கூட ஏற்படலாம்.

இந்த chain reaction-ஐ தவிர்க்க predictive monitoring பயன்படுத்தப்பட உள்ளது.

Water pressure-ல் unusual change ஏற்பட்டால், ஒரு பகுதியில் consumption pattern திடீரென மாறினால் அல்லது pipeline behaviour normal range-ல் இல்லாமல் இருந்தால், அந்த location-ஐ system officialsக்கு alert செய்ய முடியும்.

AI என்ன செய்யும்?

இந்த திட்டத்தில் AI ஒரு magic sensor போல pipe உள்ளே தனியாக சென்று crack கண்டுபிடிப்பதில்லை.

பல data sources-ஐ ஒன்றாக analyse செய்வதே அதன் முக்கிய பணி.

உதாரணமாக:

ஒரு பகுதியில் normal water pressure 24×7 ஒரு குறிப்பிட்ட range-ல் இருக்கும்.

அது திடீரென குறைகிறது.

அதே நேரத்தில் nearby smart meters abnormal consumption காட்டுகின்றன.

ஒரு குறிப்பிட்ட pipelineக்கு கடந்த மாதங்களில் repeated repair history இருக்கிறது.

அந்த பகுதியில் consumer complaints கூட அதிகரிக்கின்றன.

இந்த signals அனைத்தையும் ஒன்றாகப் பார்த்து அந்த pipeline high-risk zone ஆக இருக்கலாம் என்று system flag செய்ய முடியும்.

இதுதான் predictive maintenance-ன் அடிப்படை.

Digital Twin technology-யும் பயன்படுத்தப்படுகிறது

இந்த project-ன் முக்கியமான technology components-ல் ஒன்று Digital Twin.

Digital Twin என்றால் ஒரு real-world infrastructure system-ன் virtual digital model.

இங்கே Delhi water network-ன் pipeline layout, pressure behaviour, supply routes மற்றும் demand patterns போன்றவற்றை computer model-ல் simulate செய்ய முடியும்.

ஒரு area-வில் demand அதிகரித்தால் pressure எப்படி மாறும்?

ஒரு valve close ஆனால் எந்த neighbourhood பாதிக்கப்படும்?

ஒரு pipeline weak ஆனால் எந்த பகுதிக்கு supply disruption ஏற்படும்?

போன்ற situations-ஐ virtual model மூலம் analyse செய்யலாம்.

SCADA data systemக்கு முக்கியம்

Water infrastructure management-ல் SCADA — Supervisory Control and Data Acquisition முக்கிய technology.

Pumping stations, reservoirs மற்றும் pipeline network-ல் இருந்து pressure, flow மற்றும் operational data collect செய்ய SCADA பயன்படுத்தப்படுகிறது.

இப்போது அந்த data AI மற்றும் digital-twin platform உடன் integrate செய்யப்படுகிறது.

இதன் மூலம் control room-ல் sitting officials real-time network condition-ஐ பார்க்க முடியும்.

இது manual inspection மட்டும் நம்பியிருக்கும் system-ஐ விட வேகமான responseக்கு உதவலாம்.

Consumer complaints கூட data ஆக மாறும்

இந்த system-ன் interesting feature ஒன்று consumer complaints.

ஒரு particular locality-ல்:

“தண்ணீர் வரவில்லை”

“pressure குறைவு”

“road-ல் water leakage”

போன்ற complaints repeatedly வந்தால் அவை separate customer-service tickets ஆக மட்டும் இருக்காது.

அந்த complaints network monitoring data உடன் combine செய்யப்படும்.

ஒரே area-வில் pressure alert + consumer complaints + previous repair history இருந்தால் officials அந்த location-க்கு higher priority கொடுக்க முடியும்.

Complaint வந்த பிறகு என்ன நடக்கும்?

IC³ dashboard-ல் complaint பதிவு செய்யப்பட்டவுடன் field team எங்கே உள்ளது என்பதை GPS மூலம் monitor செய்ய முடியும்.

Repair crew dispatch செய்யப்பட்டதா?

எப்போது site சென்றது?

Work ஆரம்பித்ததா?

Complaint closedஆகிவிட்டதா?

என்பதை central command centre track செய்யும்.

இதனால் complaint “forwarded” என்று மட்டும் system-ல் காட்டி பல மணி நேரம் action இல்லாமல் இருப்பதை குறைப்பதே திட்டத்தின் நோக்கம்.

Emergency response vehicle அறிமுகம்

Command centre உடன் ஒரு dedicated Emergency Response Vehicle-மும் தொடங்கப்பட்டுள்ளது.

பெரிய pipeline burst ஏற்பட்டால் site-ல் அதிகளவு தண்ணீர் தேங்கி repair வேலை தாமதமாகலாம்.

அதற்காக இந்த vehicle-ல்:

high-capacity submersible pumps,

60 kVA generator,

pipeline repair tools

போன்ற equipment வைக்கப்பட்டுள்ளது.

Electricity இல்லாவிட்டாலும் repair தொடங்க முடியும்

Pipeline burst நடந்த பகுதியில் power supply available இல்லாமல் இருக்கலாம்.

அப்போது pumps operate செய்ய முடியாமல் repair team காத்திருக்க வேண்டிய சூழல் வரும்.

Emergency response vehicle-ல் generator இருப்பதால் அந்த delay குறைக்க முடியும்.

Flooded repair pit-ல் இருந்து water pump out செய்து technicians pipe வரை விரைவாக செல்ல முடியும்.

இதன் மூலம் major leaks repair செய்யும் response time குறையும் என்று எதிர்பார்க்கப்படுகிறது.

GPS மூலம் emergency vehicle கண்காணிப்பு

Emergency vehicle எங்கே உள்ளது என்பதை command centre GPS மூலம் track செய்ய முடியும்.

ஒரு burst report வந்தவுடன் nearest available team அல்லது vehicle எந்த இடத்தில் உள்ளது என்பதை பார்க்க முடியும்.

இதனால் manual phone coordination குறையும்.

Large city infrastructure management-ல் இந்த type of live fleet tracking மிகவும் முக்கியம்.

Delhiக்கு water leakage ஏன் பெரிய பிரச்சினை?

Delhi-ல் potable water production மட்டும் challenge அல்ல.

Produced water consumer வரை சென்றடையும் போது ஏற்படும் losses கூட மிகப்பெரிய issue.

2026–27 Delhi Budget-ல் நகரின் water system-ல் non-revenue water சுமார் 45% என்று குறிப்பிடப்பட்டுள்ளது.

Government அதை 15% வரை குறைப்பதை இலக்காக வைத்துள்ளது.

ஆனால் இந்த 45% முழுவதும் physical pipeline leakage என்று பொருள் கொள்ளக்கூடாது.

45% என்றால் எல்லாம் leak அல்ல

Non-revenue water என்பது utility produce செய்த water-ல் bill செய்ய முடியாத அல்லது revenue generate செய்யாத portion.

இதில்:

physical leaks,

illegal connections,

meter errors,

billing problems,

unauthorised consumption

போன்றவை அனைத்தும் இருக்கலாம்.

எனவே “Delhi குடிநீரின் 45% pipeline leak ஆகிறது” என்று எழுதுவது தவறு.

Leakage அதில் ஒரு முக்கிய component மட்டுமே.

இந்த difference மிகவும் முக்கியம்.

பழைய pipelines பெரிய challenge

Delhi போன்ற பழைய நகரங்களில் பல பகுதிகளில் decades-old water pipelines உள்ளன.

Ageing pipes-ல் corrosion ஏற்படலாம்.

Joint failures வரலாம்.

Road construction காரணமாக damage ஏற்படலாம்.

Ground movement காரணமாக cracks உருவாகலாம்.

Water pressure repeatedly fluctuate ஆனால் weak sections burst ஆகலாம்.

இத்தகைய faults எல்லாவற்றையும் visual inspection மூலம் முன்கூட்டியே கண்டறிவது கடினம்.

இதற்குத்தான் data-driven prediction உதவலாம்.

South Delhi-ல் பெரிய pipeline replacement திட்டமும் நடக்கிறது

AI monitoring ஒரு software solution என்றாலும், old pipes physicalஆக மாற்றப்பட வேண்டிய அவசியம் நீங்காது.

South Delhi-ல் சுமார் 732.65 km பழைய pipelines replace செய்யவும், 606 km புதிய lines அமைக்கவும் பெரிய infrastructure revamp திட்டமிடப்பட்டுள்ளது.

இந்த திட்டம் சுமார் ₹6,044 crore மதிப்பில் மூன்று ஆண்டுகளில் செயல்படுத்தப்பட உள்ளது; சுமார் 25 lakh மக்களுக்கு improved supply வழங்குவதே நோக்கம்.

இதனால் Delhi water strategy இரண்டு tracks-ல் நகர்கிறது:

Old infrastructure replacement + smart digital monitoring.

Smart meter-களும் leak detectionக்கு உதவும்

Advanced water meters household-level consumption patterns-ஐ monitor செய்ய முடியும்.

ஒரு வீட்டில் 24 மணி நேரமும் water தொடர்ந்து flow ஆகிக் கொண்டிருந்தால்:

toilet leakage,

internal pipeline leak,

tank overflow

போன்ற பிரச்சினை இருக்கலாம்.

Smart meter இந்த unusual pattern-ஐ detect செய்து consumerக்கு alert அனுப்பும் model-மும் South Delhi revamp திட்டத்தில் உள்ளதாக அதிகாரிகள் தெரிவித்துள்ளனர்.

இதனால் leak detection city main pipeline மட்டுமல்லாமல் household level வரை gradually செல்லக்கூடும்.

Water qualityக்கும் indirect benefit

Pipeline leak என்பது water wastage மட்டுமல்ல.

Damaged pipe-ல் pressure drop ஏற்பட்டால் surrounding contaminated groundwater அல்லது sewage-related pollutants உள்ளே புகும் அபாயம் இருக்கலாம்.

Particularly old pipelines sewer linesக்கு அருகில் இருக்கும் பகுதிகளில் இது public-health concern.

Leak விரைவாக கண்டுபிடித்து repair செய்வது contamination risk குறைக்க உதவலாம்.

இதுவே இந்த technologyயை Health + Tech story ஆகவும் பார்க்கக்கூடிய காரணம்.

Low pressure ஏன் முக்கிய signal?

ஒரு locality-ல் suddenly water pressure குறைந்தால் பல காரணங்கள் இருக்கலாம்.

Reservoir level குறைவு.

Pump problem.

Valve malfunction.

Demand spike.

Pipeline leakage.

Pipe burst.

AI system இந்த pressure drop-ஐ மற்ற network data உடன் compare செய்யும்.

ஒரு isolated abnormal pressure pattern leak அல்லது pipeline weaknessக்கு early indication ஆக இருக்கலாம்.

Demand forecastingக்கும் AI

இந்த system pipe failure மட்டும் predict செய்யாது.

Water demand requirements-ஐ forecast செய்வதற்கும் AI பயன்படுத்தப்பட உள்ளது.

உதாரணமாக summer peak season-ல் ஒரு zone வழக்கத்தைவிட அதிக demand காட்டலாம்.

Festival period அல்லது heatwave காலத்தில் usage pattern மாறலாம்.

Historical consumption + weather + local demand pattern analyse செய்தால் pumping மற்றும் reservoir management betterஆக plan செய்ய முடியும்.

Water wastage குறைந்தால் புதிய water source தேவையும் குறையலாம்

ஒரு city 100 units water produce செய்து அதில் significant amount distribution lossesஆக போனால், புதிய water-treatment capacity உருவாக்குவது மட்டும் long-term solution அல்ல.

Existing waterஐ efficiently deliver செய்வதும் equally important.

Leakage reduction மூலம்:

treatment cost சேமிக்கலாம்,

pumping electricity குறைக்கலாம்,

consumer supply improve செய்யலாம்,

new infrastructure pressure குறைக்கலாம்.

இதனால் water-loss management environmental benefit மட்டுமல்ல; financial benefit கூட.

Delhi Jal Boardக்கு ₹9,000 crore allocation

Delhi 2026–27 Budget-ல் Delhi Jal Boardக்கு சுமார் ₹9,000 crore allocation செய்யப்பட்டதாக current reports குறிப்பிடுகின்றன.

இதனுடன் Chandrawal water treatment plant மற்றும் pipeline expansionக்கு ₹475 crore ஒதுக்கப்பட்டுள்ளது.

Water infrastructure modernisation current government priorities-ல் ஒன்றாக இருப்பதை இந்த investment scale காட்டுகிறது.

Chandrawal project உடன் command centre link

புதிய IC³ system, Delhi Jal Board-ன் Chandrawal Water Supply Project உடன் இணைக்கப்பட்டுள்ளது.

JWIL Infra Packages 2, 3 மற்றும் 4 பகுதிகளில் infrastructure work மேற்கொண்டு வருகிறது.

இந்த பகுதிகள் Delhi-யின் population மற்றும் geographical area-வில் சுமார் 10% cover செய்கின்றன என்று officials கூறுகின்றனர்.

Shastri Nagar, Zakhira, Naraina, Shadipur போன்ற பகுதிகள் project coverage-ல் இடம்பெறுகின்றன.

முழு Delhi network உடனே AI controlக்கு வந்துவிட்டதா?

இல்லை.

இந்த point மிகவும் முக்கியம்.

ஒரு command centre launch ஆனதால் Delhi-யின் ஒவ்வொரு kilometre pipeline-மும் உடனடியாக AI sensors மூலம் monitor செய்யப்படுகிறது என்று பொருள் கொள்ளக்கூடாது.

System phased integration மற்றும் available digital data அடிப்படையில் செயல்படும்.

Old areas-ல் sensors அல்லது digital maps incompleteஆக இருந்தால் prediction quality குறையலாம்.

அதனால் infrastructure digitisation தொடர்ந்து தேவைப்படும்.

AI prediction 100% accurateஆ?

இல்லை.

AI ஒரு pipeline “இந்த நாளில் இந்த நேரத்தில் burst ஆகும்” என்று guaranteed prediction கொடுக்க முடியாது.

அது risk signals identify செய்யும்.

Possible vulnerable location flag செய்யும்.

Officials inspectionக்கு priority கொடுக்க உதவும்.

Current reports கூட system possible failures anticipate செய்ய முயலும் என்றாலும் prediction accuracy இன்னும் நிரூபிக்கப்பட வேண்டியுள்ளது என்று குறிப்பிடுகின்றன. NDTV

இது pilot/early deployment stage-ல் மிகவும் முக்கிய limitation.

False alarm வருமா?

வரலாம்.

Pressure drop ஏற்பட்டது என்றால் ஒவ்வொரு முறையும் leakage இருக்க வேண்டும் என்று இல்லை.

High demand காரணமாகவும் pressure குறையலாம்.

Maintenance shutdown காரணமாகவும் மாறலாம்.

Sensor malfunction கூட காரணமாக இருக்கலாம்.

இதனால் AI alert வந்ததும் human engineering team verify செய்ய வேண்டும்.

AI replacement அல்ல.

Decision-support tool.

Human teams இன்னும் முக்கியம்

Pipeline repair physical work.

Technicians siteக்கு செல்ல வேண்டும்.

Road open செய்ய வேண்டியிருக்கலாம்.

Valve isolate செய்ய வேண்டும்.

Pipe section replace செய்ய வேண்டும்.

Water pump out செய்ய வேண்டும்.

அதனால் software alert வந்தாலும் trained field team இல்லாமல் பிரச்சினை solve ஆகாது.

இந்த காரணத்தால்தான் IC³ platform repair-team tracking உடன் design செய்யப்பட்டுள்ளது.

Digital map ஏன் அவசியம்?

பல பழைய நகரங்களில் underground pipelines exact location records incompleteஆக இருக்கலாம்.

Digital GIS map இருந்தால்:

pipeline diameter,

material,

installation year,

valve location,

junction,

repair history

போன்ற தகவல்களை geographic location உடன் இணைக்க முடியும்.

AI predictionக்கு இந்த asset information மிகவும் valuable.

Old cast-iron pipe மற்றும் newer pipeline ஒரே risk levelல் இருக்காது.

Repair history pattern கண்டுபிடிக்கலாம்

ஒரு roadல் கடந்த இரண்டு ஆண்டுகளில் ஐந்து முறை leak repair நடந்திருக்கிறது என வைத்துக்கொள்வோம்.

அது isolated accidents ஆக இருக்கலாம்.

அல்லது அந்த முழு pipeline segment ageingஆக இருக்கலாம்.

AI system maintenance history analyse செய்து repeated failure hotspot identify செய்ய உதவும்.

இதன் மூலம் “மீண்டும் patch repair” செய்வதற்குப் பதிலாக entire section replace செய்ய முடிவு எடுக்கலாம்.

Consumerக்கு நேரடி பயன் என்ன?

Technology எவ்வளவு sophisticatedஆக இருந்தாலும் ordinary residentக்கு ஒரு simple question தான்:

“எனக்கு என்ன பயன்?”

Expected benefits:

Leak complaintக்கு faster response.

Supply disruption குறைவு.

Repair time குறைவு.

Low-pressure problem faster identification.

Water wastage குறைவு.

Complaint status track செய்ய வசதி.

இதுதான் project success measure ஆக இருக்க வேண்டும்.

Tanker monitoringக்கும் digital platform

Delhi water managementல் water tankers மிகப்பெரிய role வகிக்கின்றன.

Shortage areasக்கு tankers dispatch செய்யப்படுகின்றன.

IC³ platform GPS-enabled field vehicles மற்றும் tanker movement போன்ற operational data-ஐ integrate செய்யும் capability கொண்டது.

Delhi Jal Board தனியாக digital tanker-delivery system உருவாக்கவும் திட்டமிட்டுள்ளது; web portal, WhatsApp, call centre மற்றும் AI chatbot வழியாக emergency tanker request செய்யும் model தயாராகி வருகிறது.

Summer seasonக்கு system useful ஆகுமா?

Delhi summerல் water demand மிக அதிகமாக இருக்கும்.

Heatwave காலங்களில் household consumption அதிகரிக்கும்.

Pressure complaints மற்றும் tanker demand கூடும்.

அதே நேரத்தில் leakage நடந்தால் shortage மேலும் தீவிரமாகும்.

AI demand forecasting மற்றும் early leakage detection summer pressure manage செய்ய உதவக்கூடும்.

2027 summer தான் இந்த system practical performanceக்கு முக்கிய test ஆக இருக்கலாம்.

Public health connection

Clean drinking water continuous pressureல் pipeline வழியாக கிடைப்பது public healthக்கு முக்கியம்.

Frequent leaks காரணமாக supply shut off செய்யப்பட்டு மீண்டும் தொடங்கும்போது pressure variation ஏற்படலாம்.

Damaged pipes contamination risk உருவாக்கும் வாய்ப்பு உள்ளது.

அதனால் reliable water infrastructure என்பது engineering issue மட்டும் அல்ல.

Public-health infrastructure.

Pipe burst road accident risk கூட

பெரிய pipeline burstனால் road surface erosion ஏற்படலாம்.

Waterlogging vehicle movement பாதிக்கலாம்.

Road கீழ் soil washout ஏற்பட்டால் sink-like depression உருவாகலாம்.

Night-timeல் sudden flooding road usersக்கு risk.

Early-warning system இப்படிப்பட்ட secondary impacts குறைக்கவும் உதவலாம்.

AI city infrastructureல் அதிகமாக வருகிறது

Water மட்டும் அல்லாமல்:

electricity grids,

traffic,

pollution monitoring,

waste collection,

public transport

போன்ற urban systemsலும்கூட AI மற்றும் command centres அதிகமாக பயன்படுத்தப்படுகின்றன.

Delhi pollution-control system-லும் AI-based analysis பயன்படுத்தப்படுகிறது.

இதனால் Delhi gradually “reactive city management”லிருந்து “data-driven city management” நோக்கி நகரும் trend தெரிகிறது.

Privacy concern இருக்கிறதா?

Water smart meters household usage pattern collect செய்யும் போது data governance முக்கியம்.

Consumption data யாரிடம் இருக்கும்?

எவ்வளவு காலம் retain செய்யப்படும்?

Consumer identity எப்படி protect செய்யப்படும்?

Third-party contractor access எவ்வளவு?

இவை future deploymentல் கவனிக்க வேண்டிய governance questions.

Current announcement operational benefits மீது focus செய்துள்ளது; detailed privacy framework பற்றி அதிக public information இன்னும் கிடைக்கவில்லை.

Cybersecurityயும் முக்கியம்

Water network digital ஆகும்போது cyber risk கூட அதிகரிக்கும்.

SCADA systems மற்றும் control centres critical infrastructure category.

Unauthorized access ஏற்பட்டால் monitoring data manipulate செய்யப்படலாம்.

அதனால் secure networks, access control, backups மற்றும் cyber monitoring அவசியம்.

AI system கொண்டுவருவது security architecture-யும் equally strong இருக்க வேண்டும் என்பதைக் குறிக்கிறது.

Technology மட்டும் போதுமா?

இல்லை.

Delhi water problemக்கு AI மட்டும் complete solution அல்ல.

Old pipes replace செய்ய வேண்டும்.

Illegal connections கட்டுப்படுத்த வேண்டும்.

Meters improve செய்ய வேண்டும்.

Billing system சரியாக இருக்க வேண்டும்.

Treatment capacity மேம்பட வேண்டும்.

Groundwater management தேவை.

Leak repair teams adequateஆக இருக்க வேண்டும்.

AI இந்த ecosystemஐ coordinate செய்யும் ஒரு tool.

AI system successful என எப்படி தெரியும்?

Launch event success metric அல்ல.

ஒரு அல்லது இரண்டு ஆண்டுகளில் பார்க்க வேண்டிய actual indicators:

Leak detection time குறைந்ததா?

Repair response time குறைந்ததா?

Pipe bursts குறைந்ததா?

Non-revenue water குறைந்ததா?

Consumer complaints faster close ஆகிறதா?

Supply interruptions குறைந்ததா?

இதுதான் system effectiveness நிரூபிக்கும் data.

Current Status

System: Intelligent Command and Control Centre — IC³.

Agency: Delhi Jal Board.

Launch: October 14, 2026.

Technology: AI tools, smart meters, SCADA, GIS/digital maps, digital twin, GPS-enabled vehicles.

Purpose: Pipeline leaks, low-pressure zones மற்றும் possible burst risk early detection.

Emergency support: Pumps, generator மற்றும் repair tools கொண்ட dedicated response vehicle.

Broader objective: Water loss குறைத்து repairs வேகப்படுத்துவது.

Final Takeaway

Delhi water-management systemல் புதிய technology-driven மாற்றம் தொடங்கியுள்ளது.

இதுவரை pipeline leak அல்லது burst நடந்த பிறகு complaint பெற்று repair team அனுப்பும் reactive approach அதிகமாக இருந்த நிலையில், புதிய IC³ platform AI + smart meters + SCADA + digital maps + digital twin data பயன்படுத்தி risk-ஐ முன்கூட்டியே identify செய்ய முயற்சிக்கிறது.

இது successfulஆக செயல்பட்டால் ஒரு small leak பெரிய pipe burst ஆக மாறுவதற்கு முன்பே repair செய்ய முடியும்.

Water wastage குறையலாம்.

Supply interruption குறையலாம்.

Consumer complaints வேகமாக தீர்க்கப்படலாம்.

ஆனால் system prediction எவ்வளவு accurate, entire city network எவ்வளவு விரைவாக digitise செய்யப்படுகிறது, field teams alertsக்கு எவ்வளவு வேகமாக respond செய்கின்றன என்பதுதான் உண்மையான சோதனை.

அதனால் இது “AI pipe burstஐ முழுமையாக தடுக்கிறது” என்ற technology miracle story அல்ல.

மாறாக, “pipe burstக்கு பிறகு action” என்பதிலிருந்து “burst riskக்கு முன்பே warning” நோக்கி Delhi water management நகரும் முயற்சி.

— அரசு பார்வை செய்திப் பிரிவு