قاده التفكير
البحث عن شراكات حقيقية: كيف تقوم شركات المرافق بتقييم بائعي الذكاء الاصطناعي
يشهد عالم الطاقة تغيرًا هائلاً ، حيث يعيد التفكير في الأنظمة المصممة منذ أكثر من قرن لإفساح المجال أمام ظهور تقنيات أكثر ذكاءً ونظافة. إنه وقت مثير - تقريبًا كل صناعة تعمل بالكهرباء بطريقة ما ، وتكتسب المركبات الكهربائية (EVs) قوة جذب في السوق ، وهناك تحول نشط لدعم موارد الطاقة الموزعة (DERs) ، "موارد الطاقة الصغيرة" التي تقع عادةً بالقرب من المواقع من استخدام الكهرباء ، مثل الألواح الشمسية على الأسطح وتخزين البطاريات. هذا الأخير هو صفقة كبيرة ، وكما الرابطة الدولية للطاقة (IEA) يشير إلى أن التوسع السريع في DERs "سيغير ليس فقط طريقة توليد الكهرباء ، ولكن أيضًا كيفية تداولها وتوصيلها واستهلاكها" للمضي قدمًا.
بالنسبة للمراقب ، كل هذا التغيير إيجابي ومستدام وقد طال انتظاره. ولكن من الناحية العملية ، فإن التسارع السريع للطاقة المتجددة والكهرباء يخلق ضغوطًا إضافية ويجهد حدود شبكتنا. إلى جانب الضغط الناتج عن مصادر الطاقة المتجددة ، تواجه أنظمة الطاقة في العالم أيضًا تحديات خطيرة من الأحداث المناخية المتطرفة المتعلقة بالتغير المناخي المستمر - الجفاف في أوروبا ، وموجات الحر في الهند ، والعواصف الشتوية الشديدة في الولايات المتحدة - وكل ذلك يؤدي إلى زيادة هائلة في عمليات التفتيش والصيانة. ، وتكاليف الإصلاح. يركز القادة في قطاع المرافق الآن على الليزر على زيادة تحديث الشبكة والموثوقية والمرونة.
التقط صورة ، ستستمر لفترة أطول
بالنسبة لشركات المرافق ، غالبًا ما تكون معداتها أهم أصولها وتتطلب صيانة مستمرة ودقيقة. يعتمد إجراء هذا الصيانة على التدفق المستمر للبيانات (عادة في شكل صور) التي يمكن للأدوات المساعدة تحليلها لاكتشاف الحالات الشاذة التشغيلية. يتم جمع هذه البيانات بعدة طرق ، بدءًا من الطائرات بدون طيار والطائرات ذات الأجنحة الثابتة ، إلى عمال الخطوط الذين يمشون جسديًا في الموقع. وبفضل التكنولوجيا الجديدة مثل الطائرات بدون طيار / الطائرات بدون طيار وكاميرات الهليكوبتر عالية الدقة ، زاد الكم الهائل من البيانات بشكل فلكي. نعلم من محادثاتنا مع العديد من شركات المرافق أن المرافق تجمع الآن 5-10 أضعاف كمية البيانات التي جمعتها في السنوات الأخيرة.
كل هذه البيانات تجعل دورة العمل البطيئة بالفعل لعمليات التفتيش أبطأ. في المتوسط ، تقضي المرافق ما يعادل 6-8 أشهر من ساعات العمل سنويًا في تحليل بيانات التفتيش. (تم توفيره من خلال مقابلة عملاء West Coast من المرافق التي تجمع 10 ملايين صورة سنويًا) أحد الأسباب الرئيسية لهذا التخمة هو أن هذا التحليل لا يزال يتم بشكل كبير يدويًا ، وعندما تلتقط الشركة ملايين صور الفحص كل عام ، تصبح العملية غير قابلة للتطوير إلى حد كبير. إن تحليل الحالات الشاذة يستغرق وقتًا طويلاً في الواقع لدرجة أن معظم البيانات أصبحت قديمة بحلول الوقت الذي تتم مراجعته فيه بالفعل ، مما يؤدي إلى معلومات غير دقيقة في أحسن الأحوال وتكرار عمليات التفتيش أو الظروف الخطرة في أسوأ الأحوال. هذه قضية كبيرة ذات مخاطر عالية. يقدر المحللون أن قطاع الطاقة يخسر 170 مليار دولار سنويًا بسبب أعطال الشبكة والإغلاق القسري والكوارث الجماعية.
بناء منفعة المستقبل من خلال عمليات فحص البنية التحتية المدعومة بالذكاء الاصطناعي
إن جعل شبكتنا أكثر موثوقية ومرونة سوف يتطلب أمرين: المال والوقت. ولحسن الحظ، هذا هو المكان الذي يمكن أن تساعد فيه التكنولوجيا والابتكارات الجديدة في تبسيط عملية التفتيش. لا يمكن المبالغة في تقدير تأثير الذكاء الاصطناعي (AI) والتعلم الآلي (ML) على قطاع المرافق. يقع الذكاء الاصطناعي/التعلم الآلي في مكانه الصحيح في هذه البيئة الغنية بالبيانات، ومع تزايد حجم البيانات، تتحسن قدرة الذكاء الاصطناعي على ترجمة جبال من المعلومات إلى رؤى ذات معنى. وفقًا لـ Utility Dive، هناك "اتفاق واسع بالفعل في الصناعة على أن [AI / ML] لديها القدرة على تحديد المعدات المعرضة لخطر الفشل بطريقة أسرع وأكثر أمانًا من الطريقة الحالية" التي تعتمد على عمليات التفتيش اليدوية.
في حين أن الوعد بهذه التكنولوجيا لا جدال فيه ، فإن بناء برنامج AI / ML المخصص داخل الشركة هو عملية بطيئة وكثيفة العمالة محفوفة بالمضاعفات والحواجز. أدت هذه التحديات إلى قيام العديد من شركات المرافق بالسعي للحصول على دعم إضافي من الاستشاريين والموردين الخارجيين.
3 أشياء يجب مراعاتها عند تقييم شريك AI / ML المحتمل
عند البحث عن شريك في الذكاء الاصطناعي / تعلم الآلة ، فإن الأفعال أكثر أهمية من الكلمات. هناك الكثير من الشركات الرائعة التي قد تعد بالقمر ، ولكن يجب على قادة المرافق البحث في العديد من المقاييس المهمة لتقييم التأثير بدقة. من بين أهمها كيف يصف البائع / يسلم:
نمو النموذج بمرور الوقت - يستغرق إنشاء مجموعات بيانات متنوعة (البيانات التي تحتوي على الكثير من الحالات الشاذة لتحليلها) وقتًا طويلاً (غالبًا عدة سنوات) ولا تحدث أنواع معينة من الحالات الشاذة بتردد عالٍ بما يكفي لتدريب نموذج ناجح للذكاء الاصطناعي. على سبيل المثال ، قد يكون تدريب خوارزمية لاكتشاف أشياء مثل التعفن أو حفر نقار الخشب أو المخمدات الصدئة أمرًا صعبًا إذا لم تحدث كثيرًا في منطقتك. لذا ، تأكد من سؤال بائع AI / ML ليس فقط عن كمية مجموعات البيانات الخاصة بهم ، ولكن أيضًا عن جودتها وتنوعها.
سرعة - الوقت هو المال ، ويجب أن يكون أي بائع حسن السمعة للذكاء الاصطناعي / تعلم الآلة قادراً على إظهار كيفية تسريع عرضه لعملية الفحص. على سبيل المثال، شراكة Buzz Solutions مع New York Power Authority (NYPA) لتقديم نظام أساسي قائم على الذكاء الاصطناعي مصمم لتقليل الوقت المطلوب للفحص والتحليل بشكل كبير. كانت النتيجة برنامجًا يمكنه تحليل صور الأصول في ساعات أو أيام ، بدلاً من الأشهر التي استغرقها مسبقًا. أتاح توفير الوقت هذا لمجموعات الصيانة التابعة لـ NYPA إعطاء الأولوية للإصلاحات وتقليل احتمالية الفشل.
الجودة / الدقة - في غياب البيانات الحقيقية لبرامج الذكاء الاصطناعي/التعلم الآلي، تقوم الشركات في بعض الأحيان بتكميل البيانات الاصطناعية (أي البيانات التي تم إنشاؤها بشكل مصطنع بواسطة خوارزميات الكمبيوتر) لسد الثغرات. إنها ممارسة شعبية، و يتوقع المحللون أن 60٪ من جميع البيانات المستخدمة في تطوير الذكاء الاصطناعي ستكون تركيبية (بدلاً من حقيقية) بحلول عام 2024. ولكن في حين أن البيانات التركيبية جيدة للسيناريوهات النظرية ، فإنها لا تعمل بشكل جيد في بيئات العالم الحقيقي حيث تحتاج بيانات العالم الحقيقي (و الإنسان في الحلقة التدخلات) لتصحيح الذات. ضع في اعتبارك أن تطلب من البائع مزيجًا من البيانات الحقيقية مقابل البيانات التركيبية للتأكد من أن الانقسام منطقي.
وتذكر أن العمل لا ينتهي بمجرد اختيارك لشريكك. هناك فكرة جديدة من شركة Gartner وهي "AI Bake-Off"الأحداث - توصف بأنها" جلسات إعلامية سريعة الخطى تتيح لك رؤية البائعين جنبًا إلى جنب باستخدام عروض توضيحية مكتوبة ومجموعة بيانات مشتركة في إعداد محكوم "لتقييم نقاط القوة والضعف لكل منها. تحدد هذه العملية مقاييس واضحة ترتبط ارتباطًا مباشرًا بقابلية التوسع وموثوقية خوارزميات الذكاء الاصطناعي / تعلم الآلة التي تتوافق بعد ذلك مع أهداف أعمال المرافق.
تعزيز مستقبل صناعة المرافق
من عمليات تكامل سير العمل الأكثر كفاءة إلى اكتشاف الشذوذ المعقد للذكاء الاصطناعي ، فإن صناعة المرافق تسير على مسار أكثر إشراقًا بكثير مما كانت عليه قبل بضع سنوات. يجب أن يستمر هذا الابتكار ، خاصة وأن تفويضات تفتيش T & D من المقرر أن تتضاعف بحلول عام 2030 و أعلنت الحكومة عن صيانة البنية التحتية للطاقة والدفاع كأولويات أمنية وطنية عليا.
هناك المزيد من العمل في المستقبل ، ولكن في يوم من الأيام سوف ننظر إلى الوراء في هذا الوقت باعتباره فترة فاصلة ، لحظة صعد فيها قادة الصناعة للاستثمار في مستقبل شبكة الطاقة لدينا وجلب المرافق إلى العصر الحديث.
