Diperbarui
Saat model lingkungan keliru, jawabannya ada di bawah permukaan
Perkiraan waktu baca: 5 menit
- Panduan
- Audio
- Tur
Kesalahan pemodel, baik manusia maupun AI, dan data yang berlebihan menuntut ketelitian lebih pada Model Konseptual serta sensor yang mengukur risiko. Data fiktif.
Bayangkan mencoba mengetahui ke mana asap bergerak di dalam rumah yang gelap hanya dengan dua foto setahun. Begitulah cara banyak proyek lingkungan memantau tanah dan air tanah: pengambilan sampel manual di beberapa sumur setiap enam bulan dan tebakan untuk 363 hari lainnya. ecbyts memberi angka pada ketidakpastian, menunjukkan kapan model keliru, dan menunjuk di mana data berikutnya perlu masuk. Artikel ini menjelaskan mengapa kesalahan pemodel, baik manusia maupun AI, menuntut ketelitian lebih pada Model Konseptual dan sensor di lapangan.
Melihat bawah permukaan dalam gerak lambat
Pada lapisan-lapisan yang ditata ecbyts, dari bawah permukaan (-Z) ke permukaan (0Z) hingga atmosfer (+Z), lingkungan tidak pernah diam. Hujan lebat mendorong kontaminan lebih dekat ke sungai; perubahan tekanan udara membuat gas naik dari tanah ke dalam sebuah gudang dalam hitungan jam. Teorema pengambilan sampel (Nyquist-Shannon) menjelaskan sisanya: jika fenomenanya berubah setiap hari dan Anda mengukur setiap enam bulan, Anda kehilangan seluruh filmnya.
Beven dan Binley (1992) memberi nama pada jebakan kedua: ekuifinalitas. Dengan sedikit pengukuran, sepuluh ahli, atau sepuluh agen AI, menghasilkan sepuluh peta yang sama-sama menjelaskan masa lalu tetapi menunjuk ke masa depan yang berlawanan. Algoritma yang baik tidak dapat meramalkan kondisi lahan dengan sedikit data; algoritma itu hanya menyembunyikan keraguan dengan lebih rapi.
Di Negara Bagian São Paulo, Keputusan Direksi (Decisão de Diretoria) CETESB No. 038/2017/C mewajibkan setiap studi lahan terkontaminasi menyusun dan memperbarui Model Konseptual Area (MCA), yaitu riwayat teknis lokasi: dari mana kontaminasi berasal, ke mana ia bergerak, dan siapa yang dapat terdampak. MCA 1 menerima peringkat keyakinan (A, B, atau C), dan studi baru dapat maju ke MCA 2 dan MCA 3 seiring berkurangnya keraguan. Di luar sistem yang terintegrasi, keraguan ini biasanya ditangani secara subjektif.
Cara ecbyts menyelesaikannya
Di Uncertainty Hub, tidak ada angka yang berdiri sendiri. Ketidakpastian setiap data dirambatkan secara formal (GUM, panduan untuk menyatakan ketidakpastian pengukuran), dan simulasi Monte Carlo menghasilkan pita P10 sampai P90 alih-alih satu nilai tunggal. Tab Bayes memperbarui keyakinan atas data apa pun ketika bukti baru masuk, dengan prior, posterior, dan interval kredibel. Hasilnya adalah probabilitas pelampauan: peluang kontaminasi melampaui batas acuan. Kualitas informasi juga diperhitungkan: dalam perhitungan ulang Segel ECBYTS, skor EIS masuk sebagai indeks κ, dan data yang lemah berarti tingkat keparahan yang lebih tinggi.
Dua skenario harus memicu rem pengaman pada Model Konseptual. Yang pertama adalah ketika pemodel salah memprediksi: jika perkiraan untuk suatu titik dibantah oleh pengukuran berikutnya, sistem tidak menyesuaikan kurva untuk menyembunyikan kesalahan itu. Kesalahan itu membuktikan bahwa bawah permukaan di lokasi tersebut belum dipahami, dan ketelitian terhadap MCA ditingkatkan. Yang kedua adalah ketika data yang berlimpah justru menambah keraguan, yaitu efek proporsional dalam geostatistika Journel: puluhan pengeboran baru mengungkap rekahan, lapisan yang bercampur, dan jalur tersembunyi, sehingga model konseptual lama tidak lagi berlaku.
Jawabannya datang dari teori nilai informasi (Raiffa dan Schlaifer; Freeze dan rekan, 1990): keraguan hanya dapat diatasi dengan membeli informasi baru di tempat yang tepat. Di tempat dua skenario dalam Scenario Comparator (pembanding skenario) berbeda tentang arah aliran, dipasang sensor muka air dan tekanan. Di tempat ada keraguan tentang gas di area yang ada pekerjanya (0Z), dipasang sensor uap kontinu. Di tempat kimianya berubah cepat, dipasang probe pH, konduktivitas, dan oksigen. Di Pusat Sensor, setiap pembacaan tiba dengan jam dan sumbernya lalu menjadi observasi bertanggal, dan model menghitung ulang. Pemilik model, penanggung jawab teknis, dan auditor melihat di Segel ECBYTS siapa yang memvalidasi setiap tahap.
Dalam praktik
Contoh fiktif, dengan data fiktif. Sebuah area memiliki 8 sumur yang diambil sampelnya setiap enam bulan. Pemodel memperkirakan 40 µg/L benzena di sumur PM-05 untuk kampanye berikutnya. Kampanye itu mengukur 160 µg/L.
Di Uncertainty Hub, rentang P10 sampai P90 untuk PM-05 berubah dari 30 sampai 50 µg/L menjadi 20 sampai 200 µg/L, dan probabilitas pelampauan naik dari 5 % menjadi 40 %. Scenario Comparator menampilkan dua skenario aliran yang berbeda tepat di titik tersebut. Tim memasang di PM-05 sebuah sensor muka air dan tekanan dengan pembacaan setiap jam: dalam 30 hari, model menerima 720 observasi bertanggal, bukan 1.
MCA kembali ke peringkat C sampai asal lonjakan itu dapat dijelaskan, dan tidak ada keputusan penutupan yang dilanjutkan selama periode tersebut.
Batasan fitur ini
- Tidak menggantikan pengambilan sampel di lapangan maupun laporan hasil uji laboratorium.
- Tidak memutuskan atas nama penanggung jawab teknis maupun lembaga lingkungan: peringkat MCA dan klasifikasi area tetap berada di tangan manusia.
- Tidak memprediksi perilaku kimia plume dalam tiga dimensi; yang dilakukannya adalah memberi rentang dan probabilitas pada apa yang telah diukur.
- Bukan provisi akuntansi dan bukan jaminan hasil remediasi.
- Angka-angka dalam contoh dan tur bersifat fiktif.
Cara berlatih
Tur Uncertainty Hub memakan waktu sekitar 3 menit dan menunjukkan perambatan ketidakpastian secara formal serta tab Bayes. Tur Kembar Digital dengan Sensor Nyata memakan waktu sekitar 4 menit dan menunjukkan Pusat Sensor, pembacaan langsung dengan jam dan sumber, pembaruan otomatis, serta peralihan dari pembacaan ke observasi bertanggal. Keduanya berjalan pada model demo dengan data fiktif.