Encontrar asociaciones reales: Cómo las empresas de servicios públicos evalúan a los proveedores de inteligencia artificial

El mundo de la energía está experimentando un cambio masivo, repensando sistemas diseñados hace más de un siglo para dar cabida al auge de tecnologías más inteligentes y limpias. Es un momento emocionante: prácticamente todas las industrias se están electrificando de alguna manera, los vehículos eléctricos (VE) están ganando tracción en el mercado y hay una transición activa para apoyar los Recursos Energéticos Distribuidos (DER), “recursos energéticos a pequeña escala” que suelen estar situados cerca de los lugares de uso de la electricidad, como paneles solares en los tejados y almacenamiento de baterías. Ese último es un gran tema, y como señala la Asociación Internacional de Energía (IEA), la rápida expansión de los DER “transformará no solo la forma en que se genera la electricidad, sino también cómo se comercializa, entrega y consume” en el futuro.

Para un observador, todo este cambio es positivo, sostenible y largo tiempo debido. Pero en la práctica, la rápida aceleración de la energía renovable y la electrificación está creando estrés adicional y tensando los límites de nuestra red. Junto con la presión de las energías renovables, los sistemas de energía del mundo también enfrentan desafíos críticos debido a eventos climáticos extremos relacionados con el cambio climático en curso: sequías en Europa, olas de calor en la India, tormentas de invierno severas en los EE. UU., todo lo cual resulta en un aumento exponencial en los costos de inspección, mantenimiento y reparación. Los líderes del sector de los servicios públicos ahora se centran en aumentar la modernización, la confiabilidad y la resistencia de la red.

Take a Picture, It’ll Last Longer

Para las empresas de servicios públicos, su equipo suele ser su activo más importante y requiere un mantenimiento constante y meticuloso. Realizar este mantenimiento depende de un flujo constante de datos (generalmente en forma de imágenes) que las empresas de servicios públicos pueden analizar para detectar anomalías operativas. La recopilación de estos datos se realiza de muchas maneras, desde drones y aviones de ala fija, hasta trabajadores de línea que caminan físicamente por el sitio. Y con nuevas tecnologías como UAV / drones y cámaras de helicóptero de alta resolución, la cantidad de datos ha aumentado astronómicamente. Sabemos por nuestras conversaciones con muchas empresas de servicios públicos que las empresas de servicios públicos ahora recopilan 5-10 veces la cantidad de datos que han recopilado en años recientes.

Todo este dato está haciendo que el ciclo de trabajo de inspección ya lento sea aún más lento. En promedio, las empresas de servicios públicos dedican el equivalente a 6-8 meses de horas laborales por año analizando datos de inspección. (Proporcionado por la entrevista con un cliente de servicios públicos de la Costa Oeste que recopila 10 millones de imágenes por año) Una gran razón para este exceso es que este análisis todavía se realiza en gran medida de manera manual, y cuando una empresa capta millones de imágenes de inspección cada año, el proceso se vuelve enormemente inscalable. Analizar anomalías es tan consumidor de tiempo que la mayoría de los datos están desactualizados para cuando se revisan, lo que lleva a información inexacta en el mejor de los casos y a inspecciones repetidas o condiciones peligrosas en el peor de los casos. Este es un gran problema, con altos riesgos. Los analistas estiman que el sector energético pierde $170 mil millones cada año debido a fallas en la red, suspensiones forzadas y desastres masivos.

Building the Utility of the Future with AI-Powered Infrastructure Inspections

Hacer que nuestra red sea más confiable y resistente requerirá dos cosas: dinero y tiempo. Afortunadamente, es aquí donde la nueva tecnología y la innovación pueden ayudar a agilizar el proceso de inspección. El impacto de la inteligencia artificial (IA) y el aprendizaje automático (ML) en el sector de los servicios públicos no puede ser exagerado. La IA/ML está en su elemento en este entorno rico en datos, y a medida que el volumen de datos aumenta, la capacidad de la IA para traducir montañas de información en conocimientos significativos mejora. Según Utility Dive, ya hay “un acuerdo general en la industria de que [IA/ML] tiene el potencial de identificar equipos en riesgo de falla de una manera mucho más rápida y segura que el método actual” que depende de inspecciones manuales.

Si bien la promesa de esta tecnología es indiscutible, crear un programa de IA/ML personalizado en casa es un proceso lento y laborioso lleno de complicaciones y obstáculos. Estos desafíos han llevado a muchas empresas de servicios públicos a buscar apoyo adicional de consultores y proveedores externos.

3 Things to Consider When Evaluating Potential AI/ML Partner

Al buscar un socio de IA/ML, las acciones importan más que las palabras. Hay muchas empresas astutas allí que podrían prometer el mundo, pero los líderes de los servicios públicos deben profundizar en varios métricas importantes para evaluar el impacto con precisión. Entre las más importantes se encuentra cómo el proveedor describe/entrega:

Crecimiento del modelo con el tiempo – Construir conjuntos de datos variados (datos que tienen muchas anomalías para analizar) lleva mucho tiempo (a menudo varios años) y ciertos tipos de anomalías no ocurren con la frecuencia suficiente para entrenar un modelo de IA exitoso. Por ejemplo, entrenar un algoritmo para detectar cosas como la podredumbre, los agujeros de los pájaros carpinteros o los amortiguadores oxidados puede ser desafiante si no ocurren con frecuencia en su región. Así que asegúrese de preguntarle al proveedor de IA/ML no solo sobre la cantidad de sus conjuntos de datos, sino también sobre su calidad y variedad.

Velocidad – El tiempo es dinero, y cualquier proveedor de IA/ML reputado debe poder mostrar claramente cómo su oferta acelera el proceso de inspección. Por ejemplo, Buzz Solutions se asoció con la Autoridad de Energía de Nueva York (NYPA) para entregar una plataforma basada en IA diseñada para reducir significativamente el tiempo necesario para la inspección y el análisis. El resultado fue un programa que podía analizar imágenes de activos en cuestión de horas o días, en lugar de los meses que había tomado antes. Esta economía de tiempo permitió que los grupos de mantenimiento de la NYPA priorizaran las reparaciones y redujeran el potencial de falla.

Calidad/Precisión – En ausencia de datos reales para los programas de IA/ML, las empresas a veces complementan los datos sintéticos (es decir, datos que han sido creados artificialmente por algoritmos de computadora) para llenar los vacíos. Es una práctica popular, y los analistas predicen que el 60% de todos los datos utilizados en el desarrollo de la IA serán sintéticos (en lugar de reales) para 2024. Pero mientras los datos sintéticos son buenos para escenarios teóricos, no funcionan bien en entornos del mundo real donde se necesitan datos del mundo real (y intervenciones humanas en el bucle) para autocorregirse. Considere preguntarle al proveedor sobre su mezcla de datos reales versus sintéticos para asegurarse de que la división tenga sentido.

Y recuerde, el trabajo no termina una vez que haya seleccionado a su socio. Una nueva idea de Gartner es realizar eventos regulares de “Competencia de IA” – descritos como “sesiones rápidas e informativas que permiten ver a los proveedores lado a lado utilizando demos con guión y un conjunto de datos común en un entorno controlado” para evaluar las fortalezas y debilidades de cada uno. Este proceso establece métricas claras que están directamente relacionadas con la escalabilidad y la confiabilidad de los algoritmos de IA/ML que luego se alinean con los objetivos comerciales de los servicios públicos.

Powering the Future of the Utility Industry

Desde integraciones de flujo de trabajo más eficientes hasta la detección de anomalías de IA sofisticada, la industria de los servicios públicos está en un camino mucho más brillante que hace apenas unos años. Sin embargo, esta innovación necesitará continuar, especialmente a medida que las directrices de inspección de T&D están programadas para duplicarse para 2030 y el gobierno anunció el mantenimiento y la defensa de la infraestructura energética como principales prioridades de seguridad nacional.

Habrá más trabajo por delante, pero un día miraremos hacia atrás en este momento como un período decisivo, un momento en que los líderes de la industria se comprometieron a invertir en el futuro de nuestra red de energía y a llevar a los servicios públicos a la era moderna.