Vannbehandling er avgjørende for et moderne urbant samfunn, med tilførsel av drikkevann til befolkningen og riktig behandling av avløpsvann før utslipp tilbake til naturen.
Vannbransjen står ovenfor store utfordringer for å møte økt urbanisering, klimaendringer og strengere klima- og miljøkrav. I tillegg øker kostnadene relatert til drift og administrasjon. Mange av resipientene for behandlet avløpsvann, som for eksempel Oslofjorden, er mye brukt til rekreasjonsaktiviteter og har økosystem som er sårbart for forurensning. Mengden avløpsvann som må behandles øker jevnt på grunn av bl.a. endringer i demografi og klimaendringer, og nåværende anlegg nærmer seg maksimum kapasitet. Mange anlegg er gamle og har behov for vesentlige reparasjoner og vedlikehold. I tillegg er behandlingsprosessene svært komplekse. De består av en rekke steg og styres med prosessinput som kjemikaliedosering og energi.
Dette stiller økende krav til at prosessene skal driftes optimalt. For vannbransjen handler det om å kunne utnytte og forbedre eksisterende infrastruktur samt å etablere ny infrastruktur på en bærekraftig måte. I så måte er maskinlæring (ML) ett av flere verktøy og vil være den foretrukne metodologien i dette prosjektet. ML-metoder representerer state-of-the-art i datadrevet modellering og har et stort potensial for modellering og kontroll av komplekse prosesser med et solid datagrunnlag. For å øke nøyaktigheten og autonomien i prosesskontroll vil INVAPRO utvikle ML-algoritmer for behandlingsprosessene for drikke- og avløpsvann som gir ny domenekunnskap og innsikt og som kan anvendes i daglig drift.
I tillegg har INVAPRO en ambisjon om å fremme innovasjon utover ren teknologiutvikling, ved å videreutvikle på nye tjenester, forretningsmodeller og samarbeidsmetoder for både vannbransjen og leverandørindustrien.