Buzz Solutions lève 20 millions de dollars en série A pour étendre l’intelligence de grille alimentée par l’IA

Buzz Solutions a levé 20 millions de dollars dans un tour de financement de série A surabonné, alors que les services publics recherchent des moyens plus rapides d’inspecter, de maintenir et de renforcer les infrastructures énergétiques de plus en plus complexes.

S3 Ventures a mené le tour, avec un investissement significatif de la part de GoPoint Ventures. Les investisseurs existants HearstLab et Blackhorn Ventures ont également participé. Buzz Solutions a déclaré que le capital servirait à soutenir le développement de produits, l’expansion de son équipe de commercialisation et des déploiements plus approfondis avec les clients des services publics.

La société basée à Palo Alto développe des logiciels d’intelligence artificielle qui analysent les données d’inspection visuelle collectées à partir d’infrastructures telles que des lignes électriques, des postes de transformation et des installations solaires à grande échelle. Ses clients comprennent Dominion Energy (D ), American Electric Power (AEP ) et la New York Power Authority.

Étendre l’inspection de la grille au-delà de la revue d’images manuelle

Les services publics ont de plus en plus adopté des drones, des hélicoptères, des avions à voilure fixe, des caméras thermiques et d’autres systèmes d’imagerie pour inspecter les infrastructures. Ces technologies peuvent collecter beaucoup plus de données que les inspections de terrain traditionnelles, mais elles créent également un nouveau défi : traiter des milliers ou même des millions d’images suffisamment rapidement pour influencer les décisions de maintenance.

La plate-forme PowerAI de Buzz Solutions est conçue pour résoudre ce goulet d’étranglement. Elle ingère des images provenant de programmes d’inspection aériens et terrestres, associe les images à des structures spécifiques, identifie les défauts potentiels et aide à classer les problèmes en fonction de leur gravité.

La plate-forme peut analyser les images RGB et thermiques pour détecter des problèmes tels que des poteaux endommagés, des croisillons en dégradation, des transformateurs surchauffés, des empiétements de végétation, des dommages aux isolateurs et des nids d’oiseaux. Les résultats peuvent ensuite être envoyés dans des systèmes d’information géographique, des plateformes de gestion de travail et des logiciels de gestion d’actifs via des intégrations et des interfaces de programmation d’applications.

Ce flux de travail est important car l’identification d’un défaut n’est qu’une partie de la gestion des infrastructures. Les services publics doivent également déterminer où se trouve l’actif affecté, évaluer l’urgence de l’attention requise, attribuer des tâches et suivre l’état de cet actif dans le temps.

PowerAI combine la vision par ordinateur avec une surveillance humaine

Buzz Solutions affirme que ses modèles ont été réglés à l’aide de plus d’une décennie d’images de services publics plutôt que d’être formés uniquement sur des jeux de données de démonstration plus petits. La plate-forme comprend actuellement plus de 50 modèles d’intelligence artificielle et peut traiter plus de 5,8 images par seconde, selon les chiffres publiés par la société.

PowerAI comprend également des capacités de révision humaine dans la boucle. Les inspecteurs peuvent valider les détections, corriger les sorties de modèle et améliorer la précision à mesure que le système rencontre des types d’infrastructures et des conditions de fonctionnement supplémentaires.

Cette combinaison d’automatisation et de révision humaine est particulièrement pertinente dans les environnements de services publics, où les faux positifs peuvent créer des travaux de terrain inutiles, tandis qu’un défaut manqué peut contribuer à des défaillances d’équipement, des pannes ou des risques de sécurité.

Buzz propose plusieurs versions de la plate-forme. Les services publics peuvent commencer par la gestion centralisée des données d’inspection et la révision manuelle avant de passer à l’analyse d’images automatisée, à la cartographie des systèmes d’information géographique, à l’analyse avancée et à l’intégration avec les systèmes de gestion de travail et d’actifs.

Étendre la plate-forme à l’ensemble de la grille

PowerAI était initialement axé sur les infrastructures de transmission et de distribution, mais Buzz Solutions a étendu la plate-forme aux postes de transformation et aux installations solaires à grande échelle.

Pour les réseaux de distribution, le logiciel peut associer les images d’inspection à des poteaux et des structures individuels avant de les analyser pour détecter des matériel endommagé, des problèmes de transformateurs ou des risques de végétation. Les équipes de transmission peuvent utiliser la plate-forme de la même manière pour inventorier les actifs et suivre les changements de condition sur de grands réseaux.

Aux postes de transformation, la société utilise des images provenant de caméras fixes et de drones amarrés pour surveiller les événements de sécurité, les préoccupations de sécurité et les conditions d’équipement. Les vidéos optiques et thermiques peuvent être analysées pour détecter des événements tels que l’accès non autorisé, la fumée, le feu ou des signatures de chaleur anormales, avec des alertes envoyées via des tableaux de bord, des e-mails ou des messages texte. Les déploiements peuvent être basés sur le cloud ou installés sur site, en fonction des exigences opérationnelles et de cybersécurité d’un service public.

L’offre solaire applique la vision par ordinateur aux images RGB et thermiques collectées par drone. Elle est conçue pour aider les exploitants à identifier les points chauds, les fissures de panneau et les pannes de chaîne avant que ces problèmes n’affectent matériellement la production.

Les déploiements des services publics dépassent les petits pilotes

Buzz Solutions a déclaré que son nombre de clients a triplé au cours de la dernière année, tandis que ses revenus ont augmenté de 400 %. La société a également publié plusieurs exemples de services publics utilisant la plate-forme pour des programmes d’inspection plus importants.

Dominion Energy a utilisé PowerAI pour traiter 74 000 images couvrant environ 47 000 tours de transmission en trois heures et demie, selon Buzz Solutions. AEP Texas a utilisé la plate-forme pour analyser plus de 88 000 images dans le cadre de ses efforts pour raccourcir les cycles d’inspection sur un territoire de distribution exposé aux ouragans et aux incendies de forêt.

La New York Power Authority a intégré les résultats d’inspection avec Esri, IBM Maximo et ses systèmes de médias internes. Buzz Solutions rapporte que le service public a réduit le temps d’analyse manuelle de 70 %, permettant ainsi l’évaluation de grands volumes d’images d’inspection en quelques heures ou jours plutôt qu’en mois.

Ces déploiements illustrent le changement plus large qui se produit actuellement dans les programmes d’intelligence artificielle des services publics. Plutôt que d’évaluer des modèles isolés, certains services publics commencent à relier directement l’analyse par intelligence artificielle aux enregistrements d’actifs, aux priorités de maintenance et aux systèmes opérationnels existants.

La demande croissante d’électricité ajoute de l’urgence

Le financement arrive alors que les États-Unis entrent dans une période de croissance renouvelée de la demande d’électricité. L’Administration de l’information sur l’énergie des États-Unis a rapporté que la consommation d’électricité nationale a augmenté en moyenne de 2,1 % par an au cours des cinq dernières années, la demande de serveurs de centres de données émergeant comme un contributeur majeur.

L’agence s’attend à ce que la consommation d’électricité continue d’augmenter jusqu’en 2050, inversant ainsi plus d’une décennie de demande relativement plate.

Les centres de données d’intelligence artificielle ne sont qu’une source de pression. Les services publics doivent également connecter la génération d’énergie renouvelable, soutenir l’électrification des transports et de l’industrie, répondre à des conditions météorologiques extrêmes et maintenir des infrastructures qui peuvent avoir fonctionné pendant des décennies.

La construction de nouvelles capacités de production et de transmission reste essentielle, mais les services publics doivent également tirer plus de fiabilité de leurs infrastructures existantes. L’identification plus précoce d’équipements en dégradation pourrait permettre aux équipes de maintenance de résoudre les problèmes avant qu’ils ne deviennent des pannes, des incidents de sécurité ou des réparations d’urgence coûteuses.

Le futur de la gestion de la grille assistée par l’IA

La signification plus large des plateformes telles que PowerAI réside dans la façon dont elles pourraient changer la gestion des infrastructures par les services publics au fil du temps. Aujourd’hui, de nombreux programmes d’inspection restent périodiques et réactifs, avec des actifs examinés sur des calendriers fixes ou après des tempêtes, des pannes et des défaillances d’équipement. À mesure que les données visuelles deviennent plus faciles à collecter et à analyser, les services publics pourraient être en mesure de passer à une maintenance plus continue et basée sur les risques.

Dans ce modèle, l’intelligence artificielle aiderait à identifier des changements subtils dans l’état des actifs, à comparer les images actuelles avec les inspections précédentes et à mettre en évidence les équipements qui semblent se dégrader plus rapidement que prévu. Les calendriers de maintenance pourraient alors être basés moins sur l’âge ou les cycles d’inspection réguliers et plus sur l’état réel et le profil de risque de chaque actif.

La technologie pourrait également devenir plus précieuse à mesure que les services publics déployeront des flottes plus importantes de drones, de caméras fixes, de capteurs thermiques et d’autres systèmes de surveillance. Sans analyse automatisée, le volume de données généré par ces outils pourrait submerger les équipes d’inspection. Les systèmes d’IA pourraient de plus en plus servir de couche de filtrage, dirigeant les experts humains vers les images, les actifs et les anomalies les plus susceptibles de nécessiter une attention.

Au fil du temps, ces capacités pourraient soutenir des représentations numériques plus détaillées de la grille, combinant les inspections visuelles avec les données météorologiques, les antécédents de pannes, les conditions de végétation et les dossiers de maintenance. Cela permettrait aux services publics de modéliser la façon dont des défauts individuels pourraient affecter des réseaux plus larges et de prioriser les réparations en fonction de leur impact potentiel sur la fiabilité et la sécurité publique.

Le changement introduira également des questions importantes sur la précision des modèles, la cybersécurité, la transparence et la responsabilité. Les services publics devront comprendre pourquoi un système a signalé un actif en particulier, à quel point il est confiant dans cette évaluation et quand une révision humaine est requise. Puisque les décisions impliquent des infrastructures critiques, les recommandations de l’IA sont susceptibles de rester partie d’un processus supervisé plutôt que de devenir entièrement autonomes.

Si ces défis peuvent être relevés, la vision par ordinateur pourrait évoluer d’un outil de révision d’images d’inspection à un composant plus central de la planification et de la maintenance de la grille. L’impact à long terme ne consisterait pas nécessairement en moins d’inspecteurs, mais en un changement dans la façon dont leur temps est utilisé, avec une attention plus grande accordée aux actifs et aux emplacements où l’intervention pourrait avoir le plus d’impact.