Buzz Solutions Získává 20 Milionů dolarů v rámci série A, aby Rozšířil Umělou Inteligenci pro Řízení Sítě

Buzz Solutions získalo 20 milionů dolarů v rámci předem naplněné série A kola financování, jelikož utility společnosti hledají rychlejší způsoby, jak prohlížet, udržovat a posilovat stále složitější energetickou infrastrukturu.

S3 Ventures vedl kolo, s významnou následnou investicí ze strany GoPoint Ventures. Stávající investoři HearstLab a Blackhorn Ventures se také zúčastnili. Buzz Solutions uvedlo, že kapitál bude podporovat vývoj produktů, rozšíření týmu pro vstup na trh a hlubší nasazení u zákazníků z řad utilit.

Palo Alto-based společnost vyvíjí software pro umělou inteligenci, který analyzuje vizuální data z inspekčních údajů shromážděných z infrastruktury, jako jsou elektrické vedení, transformační stanice a solární elektrárny. Mezi jeho zákazníky patří Dominion Energy (D ), American Electric Power (AEP ) a New York Power Authority.

Přesunutí Inspekce Sítě za rámec Ruční Prohlídky Obrázků

Utility společnosti stále více přijímají drony, vrtulníky, letadla s pevnými křídly, termokamery a další zobrazovací systémy pro inspekci infrastruktury. Tyto technologie mohou shromáždit mnohem více dat než tradiční terénní inspekce, ale také vytvářejí novou výzvu: zpracování tisíců nebo dokonce milionů obrázků dostatečně rychle, aby ovlivnily rozhodnutí o údržbě.

Platforma PowerAI společnosti Buzz Solutions je navržena tak, aby řešila tuto úzkou místa. Přijímá obrazová data z leteckých a pozemních inspekčních programů, páruje obrázky se specifickými strukturami, identifikuje potenciální závady a pomáhá řadit problémy podle jejich závažnosti.

Platforma může analyzovat RGB a termální obrazová data pro problémy, jako jsou poškozené sloupy, chátrající křížové ramena, přehřáté transformátory, zaplevelení, poškození izolátorů a hnízda ptáků. Výsledky lze poté zaslat do geografických informačních systémů, pracovních objednávek a softwaru pro správu aktiv prostřednictvím integračních a aplikačních programovacích rozhraní.

Tento pracovní postup je důležitý, protože identifikace závady je pouze jednou částí správy infrastruktury. Utility společnosti musí také určit, kde se nachází postižený aktivum, posoudit, jak naléhavě potřebuje pozornost, přiřadit práci a sledovat stav aktivum over time.

PowerAI Kombinuje Počítačové Vidění s Lidmi

Buzz Solutions uvádí, že jeho modely byly naladěny pomocí více než desetiletí obrazových dat utilit, a nikoli pouze na menších demonstračních datech. Platforma目前 zahrnuje více než 50 modelů umělé inteligence a může zpracovat více než 5,8 obrázků za sekundu, na základě údajů zveřejněných společností.

PowerAI také zahrnuje lidskou kontrolu. Inspektoři mohou ověřit detekce, opravit výstupy modelu a zlepšit přesnost, jakmile systém narazí na další typy infrastruktury a provozní podmínky.

Tato kombinace automatizace a lidské kontroly je zvláště relevantní ve utility prostředích, kde falešné pozitivy mohou vytvořit zbytečnou terénní práci, zatímco vynechaná závada může přispět k selhání zařízení, výpadkům nebo bezpečnostním rizikům.

Buzz nabízí několik verzí platformy. Utility společnosti mohou začít s centralizovaným řízením inspekčních dat a manuální prohlídkou, než se přesunou k automatizované analýze obrázků, mapování geografických informačních systémů, pokročilé analýze a integraci s pracovními a správními systémy aktiv.

Rozšíření Platformy napříč Sítí

PowerAI byl původně zaměřen na přenosovou a distribuční infrastrukturu, ale Buzz Solutions rozšířil platformu do transformačních stanic a solárních elektráren.

Pro distribuční sítě může software spojit inspekční obrázky s jednotlivými sloupy a strukturami, než je analyzuje na poškozené hardware, problémy s transformátory nebo rizika zaplevelení. Týmy přenosové sítě mohou podobně použít platformu k inventarizaci aktiv a monitorování změn stavu napříč velkými sítěmi.

V transformačních stanicích společnost používá obrazová data z pevných kamer a zakotvených dronů k monitorování bezpečnostních událostí, bezpečnostních problémů a stavu zařízení. Optické a termální video lze analyzovat na události, jako je neoprávněný vstup, kouř, oheň nebo abnormální tepelné signály, s upozorněními doručovanými prostřednictvím řídicích panelů, e-mailu nebo textových zpráv. Nasazení lze provádět v cloudu nebo instalovat na místě, v závislosti na provozních a kybernetických požadavcích utility.

Nabídka solární energie aplikuje počítačové vidění na obrazová data shromážděná drony. Jejím cílem je pomoci operátorům identifikovat horká místa, praskliny panelů a výpadky řetězců, než tyto problémy podstatně sníží výstup.

Nasazení Utilit se Přesunula za rámec Malých Pilotních Projektů

Buzz Solutions uvedlo, že počet jeho zákazníků se za posledních 12 měsíců trojnásobně zvýšil, zatímco výnosy se zvýšily o 400 %. Společnost také zveřejnila několik příkladů utilit, které aplikují platformu na větší inspekční programy.

Dominion Energy použila PowerAI k zpracování 74 000 obrázků pokrývajících přibližně 47 000 přenosových věží za tři a půl hodiny, podle Buzz Solutions. AEP Texas použila platformu k analýze více než 88 000 obrázků, zatímco se snaží zkrátit inspekční cykly napříč distribuční územím vystaveným hurikánům a lesním požárům.

New York Power Authority integrovala výsledky inspekce s Esri, IBM Maximo a svými interními médii. Buzz Solutions uvádí, že utility snížila dobu manuální analýzy o 70 %, což umožnilo vyhodnotit velké objemy inspekčních obrázků během několika hodin nebo dnů, místo měsíců.

Tyto nasazení ilustrují širší posun, který nyní probíhá napříč umělou inteligencí utilit. Místo hodnocení izolovaných modelů začínají některé utility spojovat analýzu umělé inteligence přímo se záznamy o aktivech, prioritami údržby a stávajícími provozními systémy.

Rostoucí Poptávka po Elektrické Energii Přidává Urgenci

Financování přichází v době, kdy Spojené státy vstupují do období obnoveného růstu poptávky po elektrické energii. Úřad pro energetickou informaci ministerstva energetiky USA uvedl, že národní spotřeba elektrické energie se za posledních pět let zvýšila v průměru o 2,1 % ročně, s poptávkou po serverech datových center jako významným přispěvatelem.

Agentura očekává, že spotřeba elektrické energie bude pokračovat v růstu do roku 2050, což změní více než deset let relativně stabilní poptávky.

Centra dat umělé inteligence jsou pouze jedním zdrojem tlaku. Utility společnosti musí také připojit obnovitelnou generaci, podporovat elektrifikaci dopravy a průmyslu, reagovat na extrémní počasí a udržovat infrastrukturu, která může fungovat již desítky let.

Stavba nové generace a přenosové kapacity zůstává nezbytnou, ale utility společnosti musí také získat více spolehlivosti z existující infrastruktury. Brzy identifikace chátrajícího zařízení by mohla umožnit údržbářským týmům řešit problémy, než se stanou výpadky, bezpečnostními incidenty nebo drahými nouzovými opravami.

Budoucnost Řízení Sítě s Pomocí Umělé Inteligence

Širší význam platforem, jako je PowerAI, spočívá v tom, jak by mohly změnit způsob, jakým utility společnosti spravují infrastrukturu over time. Dnes zůstává mnoho inspekčních programů periodických a reaktivních, s aktivy prohlíženými na pevných plánech nebo po bouřích, výpadcích a selháních zařízení. Jakmile se stane vizuální data snadněji shromažďovat a analyzovat, utility společnosti mohou přecházet k více kontinuálnímu, založenému na riziku údržbě.

V tomto modelu by umělá inteligence pomohla identifikovat jemné změny v stavu aktiv, porovnat aktuální obrazová data s předchozími inspekcemi a zvýraznit zařízení, které se zdá být chátrajícím rychleji, než se očekávalo. Plány údržby by mohly být založeny méně na věku nebo rutinních inspekčních cyklech a více na skutečném stavu a profilu rizika každého aktivum.

Technologie by se mohla stát ještě cennější, jakmile utility nasadí větší flotily dronů, pevných kamer, tepelných senzorů a dalších monitorovacích systémů. Bez automatizované analýzy by objem dat generovaných těmito nástroji mohl zahlcovat inspekční týmy. Systémy umělé inteligence by mohly stále více sloužit jako filtr, směrující lidské odborníky k obrázkům, aktivům a anomáliím, které nejpravděpodobněji vyžadují pozornost.

Over time, tyto schopnosti by mohly podporovat podrobnější digitální reprezentace sítě, kombinující vizuální inspekce s údaji o počasí, historií výpadků, podmínkami zaplevelení a záznamy o údržbě. To by mohlo umožnit utilitám modelovat, jak by jednotlivé závady mohly ovlivnit širší sítě, a priorizovat opravy na základě jejich potenciálního dopadu na spolehlivost a veřejnou bezpečnost.

Tento posun také vyvolá důležité otázky kolem přesnosti modelu, kybernetické bezpečnosti, transparentnosti a odpovědnosti. Utility společnosti budou muset pochopit, proč systém označil konkrétní aktivum, jak je jistý v tomto hodnocení a kdy je vyžadována lidská kontrola. Protože rozhodnutí zahrnují kritickou infrastrukturu, doporučení umělé inteligence budou pravděpodobně zůstávat součástí dohlíženého procesu, spíše než se stát plně autonomními.

Pokud tyto výzvy mohou být řešeny, počítačové vidění by se mohlo vyvinout z nástroje pro prohlížení inspekčních obrázků do více centrální součásti plánování a údržby sítě. Dlouhodobý dopad by nemusel nutně znamenat méně inspektorů, ale změnu v tom, jak je jejich čas využíván, s větším zaměřením na aktiva a místa, kde by zásah mohl mít největší rozdíl.