Loci Controls推出AI辅助垃圾填埋气监测功能

Loci Controls，一家为垃圾填埋场运营商提供自动化井口调节技术、以优化气体收集与控制系统的供应商，正依托其积累的十年运营数据，引入人工智能辅助工具，帮助运营商从海量井口数据中提取可操作的洞察。

该AI项目源于公司现有的WellWatcher平台。此前，客户在该平台上可查看大型数据表，涵盖其填埋场数十口井的气体流量、压力及成分等指标。如今，AI功能的加入旨在简化这一过程。

Loci联合创始人兼产品开发总监Melinda Sims表示，操作员在轮班开始时可能需要浏览这些表格，以识别可能需要维护的井，但在数据海洋中快速定位最需关注的区域往往颇具挑战。

Sims及其团队使用Loci收集的匿名数据训练了一个大型语言模型（她拒绝透露具体模型名称），以开发出能够理解哪些类型的测量值值得关注的模型。

“我们拥有最大的垃圾填埋场实时测量数据库，”Sims表示，“我们正尝试在此基础上增加一层AI智能，以挖掘出原本难以发现的洞察。”

近年来，随着部署成本下降和应用场景日益清晰，废弃物与回收行业对AI工具的接受度不断提升。大型运输企业预计，AI路线优化每年可节省数百万美元的成本。MRF运营商也越来越多地采用机器学习和AI驱动的分拣技术，以提高回收效率、降低污染并提升回收率。

与此同时，垃圾填埋场面临越来越大的甲烷排放控制压力。据美国环保署及外部统计，垃圾填埋场是美国最大的甲烷排放源之一，对气候产生显著影响。甲烷可被捕获用作燃料，以减轻负面影响并为运营商创造收入，因此，能够最大化垃圾填埋气捕获与再利用的技术日益受到关注。

尽管采用前沿技术可能带来成本，但Sims表示，对Loci而言，目前成本微乎其微。公司已于本月早些时候在WellWatcher平台上向所有配备其井口监测与控制器的客户推出了AI驱动功能。未来，Sims希望将访问权限扩展至仅安装监测器的用户。

Sims还透露，公司正在探索开发一种聊天代理，可基于井口数据进一步帮助故障排查，但该功能可能成本更高。

Loci已在数个站点进行了为期数月的AI辅助功能试点。Sims表示，早期反馈显示，这些功能对希望识别影响整体气体收集系统聚合趋势的单个输入的操作员尤为有用。特别是对于可再生天然气（RNG）工厂的操作员，由于他们需满足特定的气体成分要求以生产管道级燃料，这些数据对他们而言至关重要。

“如果你是RNG工厂操作员，即将超出规格并被管道拒收，那么你会非常迫切地想知道，在井场中哪些区域需要关注并检查问题，”Sims说。

在AI辅助功能推出之前，Loci曾宣称使用其井口技术的填埋场甲烷捕获量提升了15%。Sims表示，AI功能的成功将以工厂正常运行时间来衡量，因为填埋场将能更有效地应对天气或其他变量导致的运行条件变化。