Tõeliste partnerluste leidmine: kuidas kommunaalettevõtted hindavad tehisintellekti tarnijaid

Energiamaailm on läbimas tohutuid muutusi, enam kui sajand tagasi loodud süsteemid ümbermõtestades, et teha ruumi nutikamate ja puhtamate tehnoloogiate arengule. Praegu on põnev aeg – peaaegu kõik tööstusharud elektristuvad mingil moel, elektrisõidukid (EV-d) koguvad turule jõudu ja toimub aktiivne üleminek hajutatud energiaressursside (DER-de) toetamisele, „väikesemahulistele energiaressurssidele”, mis asuvad tavaliselt objektide läheduses. elektrikasutusest, nagu katusel olevad päikesepaneelid ja akuhoidla. See viimane on suur asi ja nagu Rahvusvaheline Energiaassotsiatsioon (IEA) juhib tähelepanu, et DER-ide kiire laienemine "muudab edasi mitte ainult seda, kuidas elektrit toodetakse, vaid ka seda, kuidas sellega kaubeldakse, tarnitakse ja tarbitakse".

Vaatleja jaoks on kogu see muutus positiivne, jätkusuutlik ja kaua aega möödas. Kuid praktiliselt tekitab taastuvenergia kiire kiirenemine ja elektrifitseerimine lisapingeid ja pingestab meie võrgu piire. Lisaks taastuvenergia survele seisavad maailma elektrisüsteemid silmitsi kriitiliste väljakutsetega, mis on seotud jätkuvate kliimamuutustega seotud äärmuslike ilmastikunähtustega – põud Euroopas, kuumalained Indias, tõsised talvetormid USA-s –, mille tulemuseks on plahvatuslik ülevaatuste ja hoolduse suurenemine. ja remondikulud. Kommunaalsektori juhid on nüüd laseriga keskendunud võrgu moderniseerimisele, töökindluse ja vastupidavuse suurendamisele.

Tehke pilt, see kestab kauem

Kommunaalettevõtete jaoks on nende seadmed sageli nende kõige olulisem vara ja nõuavad pidevat ja hoolikat hooldust. Selle hoolduse teostamine sõltub pidevast andmevoost (tavaliselt piltide kujul), mida kommunaalteenused saavad analüüsida, et tuvastada tööanomaaliaid. Neid andmeid kogutakse mitmel viisil, alates droonidest ja fikseeritud tiibadega lennukitest kuni kohapeal füüsiliselt kõndivate töötajateni. Ja tänu uuele tehnoloogiale, nagu mehitamata õhusõidukid/droonid ja kõrge eraldusvõimega helikopterikaamerad, on andmete hulk astronoomiliselt suurenenud. Paljude kommunaalettevõtetega peetud vestlustest teame, et kommunaalteenused koguvad praegu 5–10 korda rohkem andmeid, kui nad on viimastel aastatel kogunud.

Kõik need andmed muudavad kontrollide niigi aeglase töötsükli veelgi aeglasemaks. Keskmiselt kulutavad kommunaalteenused kontrolliandmete analüüsimisele 6–8 kuud töötundi aastas. (Esitab West Coast kommunaalteenuste kliendiintervjuu kommunaalettevõttelt, kes kogub 10 miljonit pilti aastas) Selle ülekülluse suur põhjus on see, et seda analüüsi tehakse suures osas endiselt käsitsi ja kui ettevõte jäädvustab igal aastal miljoneid kontrollpilte, muutub protsess pööraselt skaleerimatuks. Anomaaliate analüüsimine on tegelikult nii aeganõudev, et suurem osa andmetest on nende tegeliku ülevaatamise ajaks aegunud, mis põhjustab parimal juhul ebatäpset teavet ja halvimal juhul korduvaid ülevaatusi või ohtlikke tingimusi. See on suur probleem, millel on suured riskid. Analüütikute hinnangul et elektrisektor kaotab igal aastal 170 miljardit dollarit võrgutõrgete, sundseiskamiste ja massikatastroofide tõttu.

Tuleviku kasulikkuse loomine tehisintellektil põhinevate infrastruktuurikontrollidega

Meie võrgu töökindlamaks ja vastupidavamaks muutmine nõuab kahte asja – raha ja aega. Õnneks saab uus tehnoloogia ja innovatsioon aidata kontrolliprotsessi sujuvamaks muuta. Tehisintellekti (AI) ja masinõppe (ML) mõju kommunaalteenuste sektorile ei saa üle hinnata. Tehisintellekt/ML on selles andmerikkas keskkonnas nagu kodus ja kui andmemaht kasvab, muutub tehisintellekti suutlikkus tõlkida mägesid teavet tähenduslikuks ülevaateks paremaks. Utility Dive'i andmetel, valitseb tööstuses juba laialdane üksmeel selles, et [AI/ML] suudab tuvastada rikkeohus olevaid seadmeid viisil, mis on palju kiirem ja ohutum kui praegune meetod, mis põhineb käsitsi kontrollimisel.

Kuigi selle tehnoloogia lubadus on vaieldamatu, on oma kohandatud AI/ML-programmi loomine ettevõttesiseselt aeglane ja töömahukas protsess, mis on täis komplikatsioone ja takistusi. Need väljakutsed on pannud paljud kommunaalettevõtted otsima täiendavat tuge välistelt konsultantidelt ja müüjatelt.

3 asja, mida potentsiaalse AI/ML partneri hindamisel arvestada

AI/ML partnerit otsides loevad teod sõnadest rohkem. Seal on palju libedaid ettevõtteid, mis võivad kuud lubada, kuid kommunaalettevõtete juhid peaksid mõju täpseks hindamiseks uurima mitut olulist mõõdikut. Kõige olulisem on see, kuidas müüja kirjeldab/tarnib:

Mudeli kasv aja jooksul – Erinevate andmekogumite (andmete, mille analüüsimiseks on palju kõrvalekaldeid) loomine võtab palju aega (sageli mitu aastat) ja teatud tüüpi kõrvalekaldeid ei esine piisavalt sageli, et edukat tehisintellekti mudelit välja õpetada. Näiteks võib algoritmi väljaõpetamine selliste asjade tuvastamiseks nagu mädanik, rähni augud või roostetanud siibrid olla keeruline, kui neid teie piirkonnas sageli ei esine. Seega küsige tehisintellekti/ML-i müüjalt kindlasti mitte ainult nende andmekogumite kvantiteeti, vaid ka nende kvaliteeti ja mitmekesisust.

Kiirus – Aeg on raha ja iga mainekas AI/ML müüja peaks suutma selgelt näidata, kuidas nende pakkumine kontrolliprotsessi kiirendab. Näiteks, Buzz Solutions teeb koostööd New York Power Authorityga (NYPA) pakkuda tehisintellektil põhinevat platvormi, mille eesmärk on oluliselt vähendada kontrollimiseks ja analüüsiks kuluvat aega. Tulemuseks oli programm, mis suutis varade pilte analüüsida tundides või päevades, mitte aga eelnevalt tehtud kuude kaupa. See aja kokkuhoid võimaldas NYPA hooldusrühmadel remontida prioriteediks ja vähendada rikete võimalust.

Kvaliteet/täpsus – AI/ML programmide tegelike andmete puudumisel lisavad ettevõtted mõnikord sünteetilisi andmeid (st arvutialgoritmide abil kunstlikult loodud andmeid), et täita lünki. See on populaarne tava ja analüütikud ennustavad et 60% kõigist tehisintellekti arendamisel kasutatavatest andmetest on sünteetilised (pärisandmete asemel) juba 2024. aastaks. Kuigi sünteetilised andmed on teoreetiliste stsenaariumide jaoks head, ei toimi need hästi reaalkeskkonnas, kus seda vajate. reaalse maailma andmed (ja in-the-loop sekkumised) ennast korrigeerida. Kaaluge müüjalt tegelike ja sünteetiliste andmete segu küsimist, et jaotamine oleks mõistlik.

Ja pidage meeles, et töö ei lõpe, kui olete oma partneri välja valinud. Gartneri uus idee korraldab regulaarselt "AI Bake-Off” sündmused – kirjeldatakse kui „kiiretempolisi informatiivseid seansse, mis võimaldavad näha tarnijaid kõrvuti, kasutades skriptitud demosid ja ühtset andmekogumit kontrollitud seades”, et hinnata igaühe tugevaid ja nõrku külgi. See protsess loob selged mõõdikud, mis on otseselt seotud AI/ML-algoritmide mastaapsuse ja töökindlusega, mis seejärel ühtivad kommunaalteenuste ärieesmärkidega.

Kommunaaltööstuse tuleviku toetamine

Alates tõhusamast töövoo integreerimisest kuni keeruka tehisintellekti anomaaliate tuvastamiseni on kommunaalmajandus palju helgemal teel kui isegi paar aastat tagasi. Seda uuendust tuleb siiski jätkata, eriti kuna T&D kontrollide volitused kahekordistuvad aastaks 2030 ja valitsus teatas energiataristu hooldusest ja kaitsest riikliku julgeoleku peamiste prioriteetidena.

Ees on veel palju tööd, kuid ühel päeval vaatame sellele ajale tagasi kui veelahelikule perioodile, hetkele, mil tööstuse juhid astusid üles, et investeerida meie energiavõrgu tulevikku ja tuua kommunaalteenused kaasaegsesse ajastusse.