Trouver de vrais partenariats : comment les entreprises de services publics évaluent les fournisseurs d'intelligence artificielle

Le monde de l'énergie subit des changements massifs, repensant les systèmes conçus il y a plus d'un siècle pour faire place à l'essor de technologies plus intelligentes et plus propres. C'est une période passionnante - pratiquement toutes les industries s'électrifient d'une manière ou d'une autre, les véhicules électriques (VE) gagnent du terrain sur le marché et il y a une transition active pour soutenir les ressources énergétiques distribuées (DER), des « ressources énergétiques à petite échelle » généralement situées à proximité des sites. de l'utilisation de l'électricité, comme les panneaux solaires sur les toits et le stockage des batteries. Ce dernier est un gros problème, et comme le Association internationale de l'énergie (AIE) souligne, l'expansion rapide des DER « transformera non seulement la façon dont l'électricité est produite, mais aussi la façon dont elle est échangée, livrée et consommée » à l'avenir.

Pour un observateur, tout ce changement est positif, durable et attendu depuis longtemps. Mais en pratique, l'accélération rapide des énergies renouvelables et de l'électrification crée un stress supplémentaire et repousse les limites de notre réseau. Parallèlement à la pression des énergies renouvelables, les systèmes électriques mondiaux sont également confrontés à des défis critiques liés aux événements météorologiques extrêmes liés au changement climatique en cours - sécheresses en Europe, vagues de chaleur en Inde, violentes tempêtes hivernales aux États-Unis - entraînant une augmentation exponentielle des inspections, de la maintenance , et les frais de réparation. Les leaders du secteur des services publics se concentrent désormais sur l'augmentation de la modernisation, de la fiabilité et de la résilience du réseau.

Prenez une photo, elle durera plus longtemps

Pour les entreprises de services publics, leur équipement est souvent leur atout le plus important et nécessite un entretien constant et méticuleux. L'exécution de cet entretien dépend d'un flux constant de données (généralement sous forme d'images) que les services publics peuvent analyser pour détecter les anomalies opérationnelles. La collecte de ces données se fait de plusieurs manières, des drones et des aéronefs à voilure fixe aux travailleurs de ligne marchant physiquement sur le site. Et avec les nouvelles technologies comme les UAV/drones et les caméras d'hélicoptère haute résolution, la quantité de données a augmenté de façon astronomique. Nous savons, grâce à nos conversations avec de nombreuses entreprises de services publics, que les services publics recueillent désormais 5 à 10 fois la quantité de données qu'ils ont recueillies ces dernières années.

Toutes ces données ralentissent encore le cycle de travail déjà lent des inspections. En moyenne, les services publics passent l'équivalent de 6 à 8 mois d'heures de travail par an à analyser les données d'inspection. (Fourni par l'entretien avec un client de West Coast Utility collectant 10 millions d'images par an) Une grande raison de cette surabondance est que cette analyse est encore largement effectuée manuellement, et lorsqu'une entreprise capture des millions d'images d'inspection chaque année, le processus devient extrêmement inévolutif. L'analyse des anomalies prend tellement de temps que la plupart des données sont obsolètes au moment où elles sont réellement examinées, ce qui conduit au mieux à des informations inexactes et au pire à des inspections répétées ou à des conditions dangereuses. C'est un gros problème, avec des risques élevés. Estimation des analystes que le secteur de l'électricité perd 170 milliards de dollars chaque année en raison de pannes de réseau, d'arrêts forcés et de catastrophes de masse.

Construire l'utilitaire du futur avec des inspections d'infrastructure alimentées par l'IA

Rendre notre réseau plus fiable et plus résilient nécessitera deux choses : de l’argent et du temps. Heureusement, c’est là que les nouvelles technologies et innovations peuvent contribuer à rationaliser le processus d’inspection. L’impact de l’intelligence artificielle (IA) et de l’apprentissage automatique (ML) sur le secteur des services publics ne peut être surestimé. L'IA/ML s'adapte parfaitement à cet environnement riche en données, et à mesure que le volume de données augmente, la capacité de l'IA à traduire des montagnes d'informations en informations significatives s'améliore. Selon Utility Dive, il existe « déjà un large consensus dans l'industrie sur le fait que [IA/ML] a le potentiel d'identifier les équipements à risque de défaillance d'une manière beaucoup plus rapide et plus sûre que la méthode actuelle » qui repose sur des inspections manuelles.

Bien que la promesse de cette technologie soit incontestée, la création de votre propre programme d'IA/ML personnalisé en interne est un processus lent et laborieux, semé d'embûches et d'obstacles. Ces défis ont amené de nombreuses entreprises de services publics à rechercher une assistance supplémentaire auprès de consultants et de fournisseurs externes.

3 choses à considérer lors de l'évaluation d'un partenaire potentiel d'IA/ML

Lorsque vous recherchez un partenaire IA/ML, les actions comptent plus que les mots. Il existe de nombreuses entreprises astucieuses qui pourraient promettre la lune, mais les responsables des services publics devraient approfondir plusieurs mesures importantes pour évaluer avec précision l'impact. Parmi les plus importants, il y a la façon dont le fournisseur décrit/fournit :

Croissance du modèle au fil du temps – Construire des ensembles de données variés (données qui ont beaucoup d'anomalies à analyser) prend beaucoup de temps (souvent plusieurs années) et certains types d'anomalies ne se produisent pas avec une fréquence suffisamment élevée pour former un modèle d'IA réussi. Par exemple, former un algorithme pour repérer des choses comme la pourriture, les trous de pics ou les amortisseurs rouillés peut être difficile s'ils ne se produisent pas souvent dans votre région. Assurez-vous donc de demander au fournisseur d'IA/ML non seulement la quantité de ses ensembles de données, mais également leur qualité et leur variété.

Vitesse – Le temps, c'est de l'argent, et tout fournisseur d'IA/ML réputé devrait être en mesure de montrer clairement comment son offre accélère le processus d'inspection. Par exemple, Buzz Solutions s'est associé à la New York Power Authority (NYPA) pour fournir une plate-forme basée sur l'IA conçue pour réduire considérablement le temps nécessaire à l'inspection et à l'analyse. Le résultat était un programme qui pouvait analyser les images d'actifs en heures ou en jours, au lieu des mois qu'il avait pris auparavant. Ce gain de temps a permis aux groupes de maintenance de la NYPA de hiérarchiser les réparations et de réduire le risque de panne.

Qualité/Précision – En l’absence de données réelles pour les programmes d’IA/ML, les entreprises complètent parfois des données synthétiques (c’est-à-dire des données artificiellement créées par des algorithmes informatiques) pour combler les lacunes. C'est une pratique populaire, et les analystes prédisent que 60% de toutes les données utilisées dans le développement de l'IA seront synthétiques (au lieu de réelles) d'ici 2024. Mais si les données synthétiques sont bonnes pour les scénarios théoriques, elles ne fonctionnent pas bien dans les environnements réels où vous avez besoin données du monde réel (et humain dans la boucle interventions) pour s'autocorriger. Envisagez de demander au fournisseur son mélange de données réelles et synthétiques pour vous assurer que la séparation a du sens.

Et rappelez-vous, le travail ne s'arrête pas une fois que vous avez choisi votre partenaire. Une nouvelle idée de Gartner tient régulièrement »Cuisson de l'IA» événements – décrits comme des « sessions informatives rapides qui vous permettent de voir les fournisseurs côte à côte à l'aide de démos scénarisées et d'un ensemble de données commun dans un cadre contrôlé » pour évaluer les forces et les faiblesses de chacun. Ce processus établit des mesures claires qui sont directement liées à l'évolutivité et à la fiabilité des algorithmes AI/ML qui s'alignent ensuite sur les objectifs commerciaux des services publics.

Alimenter l'avenir de l'industrie des services publics

Des intégrations de flux de travail plus efficaces à la détection sophistiquée des anomalies de l'IA, le secteur des services publics est sur une voie beaucoup plus brillante qu'il y a quelques années à peine. Cette innovation devra cependant se poursuivre, d'autant plus que les mandats d'inspection T&D devraient doubler d'ici 2030 et le gouvernement a annoncé la maintenance des infrastructures énergétiques et la défense comme priorités absolues en matière de sécurité nationale.

Il reste encore du travail à faire, mais un jour nous considérerons cette période comme une période décisive, un moment où les leaders de l'industrie se sont mobilisés pour investir dans l'avenir de notre réseau énergétique et faire entrer les services publics dans l'ère moderne.