Kaitlyn Albertoli Buzz Solutionsin perustaja – Haastattelusarja

Kaitlyn Albertoli on Buzz Solutionsin perustaja, Buzz Solutions on tekoälyyritys, joka tarjoaa vikailmoituksia ja ennustavaa analytiikkaa voimalinjojen tarkastuksiin, mikä mahdollistaa kriittiset säästöt estämällä kaatuneita linjoja, sähkökatkoja ja sytyttämällä metsäpaloja vikaisen verkkoinfrastruktuurin vuoksi.

Buzz Solutions perustettiin osana Stanford Launchpad -kurssia vuonna 2017, voitko kertoa jotain yksityiskohtia varhaisista päivistä?

Aloimme Buzz Solutionsin ratkaisemaan kriittistä tarvetta, joka nousi esiin sähköyhtiöiden infrastruktuurin tarkastelun alkuvaiheessa. Tuona ratkaisevana aikana sähköyhtiöt alkoivat kerätä enemmän visuaalista dataa, jotta voivat varmistaa ja mahdollistaa perusteelliset ja toistuvat tarkastelut. Alusta alkaen vietimme paljon aikaa ymmärtääksemme sähköyhtiöiden haasteita sekä ymmärtääksemme niiden tarkasteluohjelmien lyhyen ja pitkän aikavälin visioita.

Tunnistettuamme, että jokaisella sähköyhtiöllä on oma yksilöllinen tarkastelumenetelmänsä ja -prosessinsa, selvisi, että paras markkinoille pääsy oli korkean tarkkuuden ja joustavan tekoälyalgoritmien kautta. Ensimmäisten kahden vuoden aikana tehtävämme oli kehittää markkinoiden tarkin ja helpoimmin uudelleen koulutettavissa oleva algoritmi, jonka sähköyhtiöt voivat ottaa suoraan käyttöön olemassa oleviin järjestelmiinsä. Lanseerasimme virallisen Buzz Solutions PowerAI -tuotteen sähköyhtiömarkkinoille elokuussa 2019.

Sähköyhtiöt on velvoitettu tarkastamaan kaikkia siirtolinjoja ja jakelulinjoja, miksi tämä on ongelma perinteisille manuaalisille tarkastelumenetelmille?

Kun sähköyhtiöt joutuvat suorittamaan useammin tarkasteluja, datan kerääminen kasvaa räjähdysmäisesti. Sähköyhtiöt keräävät 5-10 kertaa enemmän dataa kuin historiallisesti, usein keräämällä satoja tuhansia ja miljoonia kuvia vuosittain. Tämän datan analyysi tehdään manuaalisesti, linjamiehillä ja kenttäteknikoilla, mikä on erittäin työlääs ja mittava prosessi. Kun tarkastelut tehdään useammin, manuaalinen prosessi tulee kalliimmaksi, aikaa vievemmäksi ja alttiimmaksi infrastruktuurin vikojen riskille, koska dataa ei käsitellä ajallaan.

Mitä visuaalista prosessointidataa kerätään kenttätyössä?

Kuvia ja videovirtoja kerätään kenttätyössä käyttäen drooneja, helikoptereita, kiinteäsiipisiä lentokoneita ja jopa maanpäällisiä tietokoneita. Droonit ovat yleistyviä tarkastelumenetelmiä, koska ne voivat lentää lähempänä rakenteita ja kerätä kuvia eri kulmista, joita ei ole mahdollista saavuttaa miehitetyillä lentokoneilla. Droonit voivat kerätä visuaalista kuvaa erilaisista sähkökomponenteista, voimaverkkojen rakenteista, ympäröivästä kasvillisuudesta ja sijainneista. Tämä mahdollistaa kattavamman tarkastelun, jotta sähköyhtiö voi paremmin ymmärtää kunkin infrastruktuurikomponentin terveydentilaa sekä siirtolinjojen ja alueiden osalta.

Mitä kustannussäästöjä saavutetaan analysoimalla näitä kuvia tekoälyllä verrattuna manuaaliseen analyysiin?

Kuvien analysointi tekoälyllä tarjoaa valtavat kustannussäästöt, jotka kasvavat ajan myötä. Tekoäly tarjoaa suoran, alkujaan 50 prosentin kustannussäästön verrattuna manuaaliseen analyysiin, ja ajan myötä nämä säästöt kasvavat eksponentiaalisesti, kun tekoäly seuraa trendejä ja tulee älykkäämmäksi ajan myötä. Tämä mahdollistaa kohdennetummat ja informoidummat tarkastelut ja antaa linjamiehille lisää säästöjä antamalla heille parempaa tietoa, jotta he voivat suunnitella tehokkaamman ylläpitopolun.

Buzz Solutionsin teknologia voi tunnistaa, mitä on korjattava vain muutamassa tunnissa, voitko keskustella tekoälystä, jota käytetään tämän mahdollistamiseen?

PowerAI Machine Vision -algoritmit on koulutettu tunnistamaan tietty luettelo poikkeamia sähköyhtiöiden infrastruktuurissa. Vietimme kaksi vuotta rakentamassa näitä algoritmeja alusta alkaen ja keräämällä erilaisia tietoja eri maantieteellisistä alueista ja aikajanoista kouluttaaksemme tekoälyä käsittämään nämä virheet. Meillä on etu, että koulutimme tekoälymme oikeilla kuvilla eikä “synteettisillä” kuvilla, ja meidän virheiden ja ennustevirheiden tunnistamisen tarkkuus on merkittävästi korkeampi kuin alan keskiarvo. Tämä tarkoittaa, että sähköyhtiöt voivat korjata ongelmia nopeammin ja tehokkaammin.

Lisäksi meidän tekoäly hyödyntää human-in-the-loop -koulutusta, jossa kenttäteknikot ja insinöörit antavat dataa takaisin tekoälyyn, jotta malli voi tulla älykkäämmäksi ja henkilökohtaisemmaksi ajan myötä. Laaja luettelo virhetiloja, joita PowerAI-algoritmit tunnistavat tänään, on johdettu suurimmista tarpeista, joita sähköyhtiöt ovat ilmaisseet.

Voitko keskustella ennustavan analyysijärjestelmästä, jota käytetään, ja sen tarjoamista hyödyistä?

Buzz seuraa sähköyhtiöiden omaisuuden trendejä ja virheitä ajan myötä, mikä auttaa tekoälyä ja koneoppimisjärjestelmiä tulemaan vahvemmaksi, henkilökohtaisemmaksi ja tehokkaammaksi. Tämä myös pakottaa järjestelmiä johtamaan oivalluksia näistä trendeistä ja ennustamaan alueita, jotka voivat olla alttiimpia virheille, eli “kuumia kohtia”. Tässä on todellinen potentiaali ennustavan analyysijärjestelmän toiminnassa, ja se mahdollistaa sähköyhtiöiden saada paremman ymmärryksen siitä, missä ja milloin heidän laitteistonsa voi vikautua.

Voitko keskustella suunnitelmistasi myös tuulelle ja aurinkoenergialle?

Toistaiseksi Buzz on keskittynyt tullakseen tarkin ja tehokkain tekoälyratkaisu sähköyhtiöiden tarkastelualueella. Sanotaan, että on monia muita alueita, kuten uusiutuvan energian tuotanto, joissa tarvitaan tarkasteluanalytiikkaa ja joissa se on erittäin arvokasta. Buzz aikoo laajentaa toimintaansa sähköyhtiöiden tarkastelualueen ulkopuolelle, ja ilmoitamme lisää konkreteista markkinoiden laajentumisesta, kun meillä on uusia käyttötarkoituksia, joita lisätään portfolioomme.

Miten sähkösektorin optimointi auttaa ilmastonmuutoksen torjunnassa?

Buzz Solutions edistää kestävän kehityksen pyrkimyksiä ja auttaa joitakin suurimmista ilmastonmuutokseen liittyvistä ongelmista, joita kohtaamme tänään, mahdollistamalla vähennetyt verkkoon aiheutuneet onnettomuudet, päästöt ja parantamalla verkon luotettavuutta. Meidän tekoälyperäiset virhelokuvat vähentävät metsäpaloja, jotka syntyvät viallisista laitteista, kun ilmoitamme sähköyhtiöille virheistä ja kasvillisuuden aiheuttamista vaaroista infrastruktuurissa.

Lisäksi järjestelmämme tunnistaa yleisiä vikakohtia (“kuumia kohtia”). Ennaltamääritetyt kuuma-alueet mahdollistavat kohdennetut tarkastelut sen sijaan, että helikopterit lentävät satunnaisesti satoja mailia. Kohdennetut tarkastelut auttavat sähköyhtiöitä vähentämään hiilidioksidipäästöjä ja edistämään ennaltaehkäiseviä toimia reaktiivisten toimien sijaan. Meidän teknologiamme mahdollistaa kestävämmän ja vakaamman verkon, jolloin uusiutuvan energian tuotannon tehokas integrointi verkkoinfrastruktuuriin on mahdollista.

Voitko keskustella visiostasi sähköyhtiöiden digitaalisen muutoksen osalta?

Buzz Solutions on sähköyhtiöiden tarkastelu- ja ylläpitoprosessin digitaalisen muutoksen edelläkävijä. Vaikka datan kerääminen on tärkeää, on vielä tärkeämpää hallita dataa onnistuneesti ja johtaa toimintaa tästä tiedosta. Tässä Buzz on erityisen arvokas.

Meidän ratkaisumme PowerAI tarjoaa nopeita oivalluksia infrastruktuurin nykyisestä terveydentilasta, ja se myös seuraa tätä dataa ja ilmoittaa sähköyhtiöille alueista, jotka aiheuttavat suurimman riskin verkolle. PowerAI mahdollistaa nopeamman komponenttien päivittämisen ja tehokkaamman polun verkon modernisointiin. Digitaalinen muutos alan parissa on mahdollistanut vaivattoman datan keräämisen, mutta datan voima on kyky muuttaa raakadata yhtenäiseksi kuvaksi ja johtaa tarkkaa oivallusta tästä tiedosta.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Buzz Solutions -sivustolla.