在了解了這么多可以實際采用的參數探頭以后，污水廠在實際的使用中，又該如何真正的發揮其探頭的作用來改進生產呢，這一期和大家一起探討污水廠生化池的在線監控的應用。

 當污水廠通過設置在生化池上的探頭采集了大量數據進入到污水廠的中控計算機后，這些采集的實施參數數據最終成為污水廠的運行的歷史數據，這些歷史數據在大部分的污水廠中缺乏足夠的重視，污水廠內的工藝管理人員不認為這些數據能夠起到管理工藝的支撐作用，造成大量數據被存在計算機硬盤內最終被遺失。

 造成這種情況的原因有很多，有相當大的一部分原因，是工藝管理人員缺少足夠的數據分析能力，對這些大量的運行數據沒有能力來進行關聯性的分析，并從這些大量的數據中尋找關聯性，同時數據量越大，分析整理的難度也越大，曲線之間的擬合和關聯也越不容易被發現。在污水廠中工藝人員仍舊保持傳統的經驗指導操作的方式來進行日常的管理，他們相信自己的感覺遠比這些儀表數據更為可靠，也更具有操作性。

 不否認在很多時候，運行人員的經驗帶來了工藝操作上一些改善和提高，但是在一些情況，工藝人員的經驗不能很好的和真實的運行數據相互結合，會使很多經驗數值飄忽不定，明明采取了與上次同樣的操作，但是卻沒有得到很好的改善。這其實反應出純粹的經驗積累往往不足以應對復雜的變化，而這些變化能從更為全面和詳細的數據中得來。這就是數據和經驗的區別。

 依賴長久的經驗的運行人員是不習慣于對數據變化進行分析的，當忽視這些儀表所產生的數據的時候，運行人員在管理中也就會忘記這些儀表的存在，沒有足夠的重視，在工作中對儀表的基本維護要求就不再注意，導致儀表出現損壞后，詢價發現更換儀表的費用非常之高，再結合日常對這些數據的忽視，通過簡單的投入產出的計算，很自然的就會將這些儀表不再投入高額費用進行維護了。

  但是在運行管理人員能夠分析這些儀表產生的數據所反映的規律后，反而會得到更好的管控。污水廠在實際運行中，在同一個地區的居民生活用水的習慣在一定時間范圍內是呈現一定的規律性變化的，這種規律變化與季節變化，生活習慣，作息習慣等等都有很大的關聯性，這種規律性的變化通過數據曲線可以很好的疊加和重合起來，這種通過數據反應出來的規律性更為精準和具備前瞻性。工藝運行人員可以通過這種數據的變化做出相應的管控措施，使污水廠的運行管理成為預先管理，在規律性的季節變化之前進行調整，從而得到更好的管理。

 通過規律性的分析，制定的預管理措施，減少了大量的被動性的工藝管控所造成的人力物力的損耗，這筆費用往往超過了現場儀表探頭的更換費用，使投入產出的就能夠平衡甚至盈利。這是污水廠軟實力提升帶來的成本節省，這種節省更為技術性，也更不容易被管理人員發掘，不被發現的軟實力的提升鏈條中的自控探頭以及自控數據也就被棄之一邊，成為污水廠的一種擺設。

 但是隨著大數據計算技術的更新，對海量數據的分析和學習的AI技術的不斷擴展，使得對污水廠每日產生的大量數據的規律性和關聯性的尋找成為可能。具備學習能力的AI技術，可以不斷地去學習工藝變化中產生的大量的數據，得出更符合一個污水廠運行實際的指導性意見。

 具備可操作性的指導意見除去收集、AI學習以外，還有一點極為重要的就是合理的算法，也就是基于生化處理的原理，或者是一些污水處理工藝的管控要點，也可以是污水廠內的一些獨特的工藝設置等，成為對數據分析的重要算法的基礎，這一點也是很多污水廠在設計中控室監控軟件中所欠缺的，也就是自控技術人員缺乏和資深的工藝管理人員的一種深入的交流，雙方應該在污水廠管控的工藝需求上，結合工藝水質探頭，引入新的計算技術，真正的把污水廠的中控系統的控制作用發揮出來，使污水廠的控制從人的經驗性脫離出來，利用數據來指導生產，利用計算技術改變管理的粗放型，實現管理的優化和提升。

 良好和有效的過程控制需要更為精準的數據化來實現，數據化的鏈條中的每一個環節的改善和提升，對于污水廠來說都具有很大的挑戰性，需要更多的專業技術不斷地投入和研發，污水廠實現過程控制的光明前景，是通過長久的努力和堅持才能實現的，希望更多的專業人員關注污水處理的過程控制的計算技術的開發和應用，為水環境事業共同努力。