在了解了这么多可以实际采用的参数探头以后，污水厂在实际的使用中，又该如何真正的发挥其探头的作用来改进生产呢，这一期和大家一起探讨污水厂生化池的在线监控的应用。
当污水厂通过设置在生化池上的探头采集了大量数据进入到污水厂的中控计算机后，这些采集的实施参数数据最终成为污水厂的运行的历史数据，这些历史数据在大部分的污水厂中缺乏足够的重视，污水厂内的工艺管理人员不认为这些数据能够起到管理工艺的支撑作用，造成大量数据被存在计算机硬盘内最终被遗失。
造成这种情况的原因有很多，有相当大的一部分原因，是工艺管理人员缺少足够的数据分析能力，对这些大量的运行数据没有能力来进行关联性的分析，并从这些大量的数据中寻找关联性，同时数据量越大，分析整理的难度也越大，曲线之间的拟合和关联也越不容易被发现。在污水厂中工艺人员仍旧保持传统的经验指导操作的方式来进行日常的管理，他们相信自己的感觉远比这些仪表数据更为可靠，也更具有操作性。
不否认在很多时候，运行人员的经验带来了工艺操作上一些改善和提高，但是在一些情况，工艺人员的经验不能很好的和真实的运行数据相互结合，会使很多经验数值飘忽不定，明明采取了与上次同样的操作，但是却没有得到很好的改善。这其实反应出纯粹的经验积累往往不足以应对复杂的变化，而这些变化能从更为全面和详细的数据中得来。这就是数据和经验的区别。
依赖长久的经验的运行人员是不习惯于对数据变化进行分析的，当忽视这些仪表所产生的数据的时候，运行人员在管理中也就会忘记这些仪表的存在，没有足够的重视，在工作中对仪表的基本维护要求就不再注意，导致仪表出现损坏后，询价发现更换仪表的费用非常之高，再结合日常对这些数据的忽视，通过简单的投入产出的计算，很自然的就会将这些仪表不再投入高额费用进行维护了。
但是在运行管理人员能够分析这些仪表产生的数据所反映的规律后，反而会得到更好的管控。污水厂在实际运行中，在同一个地区的居民生活用水的习惯在一定时间范围内是呈现一定的规律性变化的，这种规律变化与季节变化，生活习惯，作息习惯等等都有很大的关联性，这种规律性的变化通过数据曲线可以很好的叠加和重合起来，这种通过数据反应出来的规律性更为精准和具备前瞻性。工艺运行人员可以通过这种数据的变化做出相应的管控措施，使污水厂的运行管理成为预先管理，在规律性的季节变化之前进行调整，从而得到更好的管理。
通过规律性的分析，制定的预管理措施，减少了大量的被动性的工艺管控所造成的人力物力的损耗，这笔费用往往超过了现场仪表探头的更换费用，使投入产出的就能够平衡甚至盈利。这是污水厂软实力提升带来的成本节省，这种节省更为技术性，也更不容易被管理人员发掘，不被发现的软实力的提升链条中的自控探头以及自控数据也就被弃之一边，成为污水厂的一种摆设。
但是随着大数据计算技术的更新，对海量数据的分析和学习的AI技术的不断扩展，使得对污水厂每日产生的大量数据的规律性和关联性的寻找成为可能。具备学习能力的AI技术，可以不断地去学习工艺变化中产生的大量的数据，得出更符合一个污水厂运行实际的指导性意见。
具备可操作性的指导意见除去收集、AI学习以外，还有一点极为重要的就是合理的算法，也就是基于生化处理的原理，或者是一些污水处理工艺的管控要点，也可以是污水厂内的一些独特的工艺设置等，成为对数据分析的重要算法的基础，这一点也是很多污水厂在设计中控室监控软件中所欠缺的，也就是自控技术人员缺乏和资深的工艺管理人员的一种深入的交流，双方应该在污水厂管控的工艺需求上，结合工艺水质探头，引入新的计算技术，真正的把污水厂的中控系统的控制作用发挥出来，使污水厂的控制从人的经验性脱离出来，利用数据来指导生产，利用计算技术改变管理的粗放型，实现管理的优化和提升。
良好和有效的过程控制需要更为精准的数据化来实现，数据化的链条中的每一个环节的改善和提升，对于污水厂来说都具有很大的挑战性，需要更多的专业技术不断地投入和研发，污水厂实现过程控制的光明前景，是通过长久的努力和坚持才能实现的，希望更多的专业人员关注污水处理的过程控制的计算技术的开发和应用，为水环境事业共同努力。
延伸阅读：
