Kaitlyn Albertoli Pendiri Buzz Solutions – Seri Wawancara

Kaitlyn Albertoli adalah pendiri Buzz Solutions, sebuah perusahaan AI yang menyediakan deteksi kerusakan aset dan analitik prediktif untuk inspeksi saluran listrik, menyediakan penghematan kritis dalam mencegah saluran listrik yang jatuh, gangguan listrik, dan kebakaran hutan yang disebabkan oleh kegagalan infrastruktur grid.

Buzz Solutions didirikan sebagai bagian dari kursus Stanford Launchpad pada 2017, bisakah Anda membagikan beberapa detail tentang hari-hari awal tersebut?

Kami memulai Buzz Solutions untuk menangani kebutuhan kritis yang muncul selama hari-hari awal inspeksi infrastruktur utilitas listrik. Selama waktu yang penting ini, perusahaan utilitas mulai mengumpulkan lebih banyak data visual untuk memastikan dan memungkinkan inspeksi yang menyeluruh dan sering. Dari awal, kami menghabiskan banyak waktu untuk memahami titik-titik nyeri utilitas, serta memahami visi jangka pendek dan panjang untuk program inspeksi mereka.

Mengakui bahwa setiap utilitas memiliki cara inspeksi dan proses rutin yang unik, menjadi jelas bahwa titik masuk terbaik ke pasar adalah melalui algoritma AI yang akurat dan fleksibel. Dalam dua tahun pertama, misi kami adalah membangun algoritma yang paling akurat dan mudah dilatih kembali di pasar yang dapat diterapkan utilitas langsung ke sistem yang ada. Kami meluncurkan produk PowerAI Buzz Solutions resmi ke pasar utilitas pada Agustus 2019.

Utilitas diwajibkan untuk memeriksa semua infrastruktur transmisi dan distribusi, mengapa ini menjadi masalah bagi metode inspeksi manual legacy?

Karena utilitas diwajibkan untuk melakukan inspeksi yang lebih sering, tingkat pengumpulan data melonjak. Perusahaan utilitas mengumpulkan 5-10 kali data dari tingkat sejarah, seringkali mengumpulkan ratusan ribu dan jutaan gambar setiap tahun. Proses analisis data saat ini dilakukan secara manual, dengan linemen dan teknisi lapangan, yang merupakan proses yang sangat melelahkan dan tidak dapat diskalakan. Ketika inspeksi menjadi lebih sering, proses manual menjadi lebih mahal, waktu-intensif, dan rentan terhadap kegagalan infrastruktur karena data tidak diproses dalam waktu yang tepat.

Jenis apa pengolahan data visual yang ditangkap di lapangan?

Gambar dan aliran video saat ini ditangkap di lapangan menggunakan drone, helikopter, pesawat sayap tetap, dan bahkan peralatan pengumpulan data berbasis tanah. Drone menjadi sarana inspeksi yang lebih umum karena dapat terbang lebih dekat ke struktur dan mengumpulkan gambar dari berbagai sudut yang tidak mungkin dengan pesawat berawak. Drone dapat menangkap citra visual dari berbagai komponen listrik, struktur grid daya, vegetasi sekitar, dan lokasi. Ini memungkinkan inspeksi yang lebih menyeluruh, sehingga utilitas dapat lebih memahami kesehatan setiap komponen infrastruktur untuk baik saluran listrik T&D dan gardu induk.

Jenis apa penghematan biaya yang dilihat dengan menganalisis gambar-gambar ini dengan AI versus analisis manual?

Menganalisis citra dengan AI menyediakan penghematan biaya yang luar biasa, yang terus meningkat seiring waktu. AI menyediakan penghematan biaya langsung, awal sekitar 50% dibandingkan dengan analisis manual, dan seiring waktu, penghematan tersebut meningkat secara eksponensial karena AI melacak tren dan menjadi lebih pintar seiring waktu. Ini memungkinkan inspeksi yang lebih terarah, terinformasi, dan menyediakan linemen dengan penghematan tambahan dengan memberikan informasi yang lebih baik sehingga mereka dapat merencanakan jalur pemeliharaan dengan lebih jelas dan cepat.

Teknologi Buzz Solutions dapat mengidentifikasi apa yang perlu diperbaiki dalam beberapa jam, bisakah Anda membahas AI yang digunakan untuk memungkinkan ini?

Algoritma PowerAI Machine Vision dilatih untuk mendeteksi daftar anomali spesifik untuk infrastruktur utilitas. Kami menghabiskan dua tahun membangun algoritma ini dari awal dan mengumpulkan dataset yang beragam di seluruh geografi dan timeline untuk melatih AI untuk mencakup kesalahan-kesalahan ini. Kelebihan yang kami miliki adalah bahwa kami melatih AI dengan gambar nyata bukan “sintetis” dan akurasi kami dalam mengidentifikasi dan memprediksi kesalahan peralatan atau masalah jauh lebih tinggi daripada rata-rata industri. Ini berarti bahwa utilitas dapat memperbaiki masalah dengan lebih cepat dan efisien.

Selain itu, AI kami menggunakan human-in-the-loop pelatihan, di mana teknisi lapangan dan insinyur memberikan umpan balik data ke AI sehingga model menjadi lebih pintar dan lebih dipersonalisasi seiring waktu. Daftar komprehensif mode kegagalan yang algoritma PowerAI deteksi saat ini telah berasal dari kebutuhan terbesar yang utilitas ungkapkan.

Bisakah Anda membahas sistem analisis prediktif yang digunakan dan manfaat yang ditawarkannya?

Buzz melacak tren aset utilitas dan kegagalan seiring waktu, pada akhirnya membantu AI dan sistem pembelajaran mesin menjadi lebih kuat, lebih dipersonalisasi, dan lebih efisien. Ini juga mendorong sistem untuk menghasilkan wawasan dari tren ini dan memprediksi area yang mungkin rentan terhadap kesalahan yang lebih tinggi, yaitu “Hotspots”. Ini adalah tempat potensi sebenarnya dari sistem analisis prediktif datang dan memungkinkan utilitas memiliki wawasan yang lebih baik tentang di mana dan kapan peralatan mereka mungkin gagal.

Bisakah Anda membahas rencana Anda untuk juga menargetkan sektor angin dan surya?

Sampai saat ini, Buzz telah fokus menjadi solusi AI yang paling akurat dan efektif di ruang inspeksi utilitas. Namun, ada banyak area infrastruktur lainnya, termasuk pembangkit energi terbarukan, di mana analitik inspeksi diperlukan dan sangat berharga. Buzz memiliki rencana untuk memperluas beyond ruang inspeksi T&D, dan akan mengumumkan beberapa ekspansi pasar yang lebih konkrit karena ada kasus penggunaan baru yang kami tambahkan ke portofolio kami.

Bagaimana mengoptimalkan sektor listrik membantu dengan perubahan iklim?

Buzz Solutions membantu dalam upaya berkelanjutan dan membantu dengan beberapa masalah iklim terbesar yang kita hadapi saat ini dengan memungkinkan bencana grid yang berkurang, emisi yang berkurang, dan keandalan grid yang meningkat. Deteksi kesalahan AI kami mengurangi kebakaran hutan yang disebabkan oleh aset yang rusak karena kami memberi tahu utilitas tentang kegagalan dan vegetasi yang mengancam infrastruktur.

Selain itu, sistem kami membantu mengidentifikasi area umum kesalahan (“hot spots”). Area “hot spot” yang telah ditentukan sebelumnya memungkinkan inspeksi yang lebih terarah daripada helikopter yang terbang tanpa tujuan selama ratusan mil. Inspeksi yang terarah membantu utilitas mengurangi emisi karbon dan memungkinkan respons prediktif bukan tindakan reaktif. Teknologi kami memungkinkan grid yang lebih tangguh dan stabil, memungkinkan penetrasi sumber daya energi terbarukan yang efisien di infrastruktur grid.

Bisakah Anda membahas visi Anda tentang transformasi digital sektor utilitas?

Buzz Solutions berada di garis depan transformasi digital alur kerja inspeksi dan pemeliharaan untuk utilitas listrik. Sementara pengumpulan lebih banyak data penting, lebih penting lagi untuk berhasil mengelola data dan menghasilkan wawasan yang dapat ditindaklanjuti dari informasi tersebut. Ini adalah tempat Buzz sangat berharga.

Tidak hanya solusi kami PowerAI menyediakan wawasan cepat tentang kesehatan infrastruktur saat ini, tetapi juga melacak data ini dan memberi tahu utilitas tentang area yang paling berpotensi membahayakan grid. PowerAI memungkinkan peningkatan komponen yang lebih cepat dan jalur yang lebih efisien menuju modernisasi grid. Transformasi digital di sektor ini telah memungkinkan pengumpulan data yang lancar, tetapi kekuatan data adalah kemampuan untuk mengubah data mentah menjadi gambaran yang kohesif dan menghasilkan wawasan spesifik dari informasi tersebut.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Buzz Solutions.