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 biaya yang kritis dalam mencegah jatuhnya saluran listrik, pemadaman listrik, dan kebakaran hutan yang disebabkan oleh kegagalan infrastruktur grid.

Buzz Solutions didirikan sebagai bagian dari kursus Stanford Launchpad pada tahun 2017, bisa Anda berbagi beberapa detail tentang hari-hari awal ini?

Kami memulai Buzz Solutions untuk menangani kebutuhan kritis yang muncul selama hari-hari awal inspeksi infrastruktur utilitas listrik. Selama waktu 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 nyeri utilitas, serta memahami visi jangka pendek dan panjang untuk program inspeksi mereka.

Menyadari 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 resmi Buzz Solutions PowerAI ke pasar utilitas pada Agustus 2019.

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

Karena utilitas diwajibkan untuk melakukan inspeksi 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 ini 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, memakan waktu, dan meningkatkan risiko kegagalan infrastruktur karena data tidak diproses dalam waktu yang tepat.

Jenis data pemrosesan visual apa yang ditangkap di lapangan?

Gambar dan aliran video saat ini ditangkap di lapangan menggunakan drone, helikopter, pesawat sayap tetap, dan bahkan perangkat pengumpulan data berbasis tanah. Drone menjadi lebih umum digunakan sebagai sarana inspeksi karena dapat terbang lebih dekat ke struktur dan mengumpulkan gambar dari berbagai sudut yang tidak mungkin dilakukan dengan pesawat berawak. Drone dapat mengumpulkan 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 saluran listrik dan gardu listrik.

Jenis penghematan biaya apa 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, 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 dan memberikan linemen penghematan tambahan dengan menyediakan 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, bisa Anda diskusikan 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 ini. Kelebihan yang kami miliki adalah bahwa kami melatih AI dengan gambar nyata bukan “sintetis” dan akurasi kami dalam mendeteksi 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 pelatihan human-in-the-loop, di mana teknisi lapangan dan insinyur memberikan data kembali ke AI sehingga model menjadi lebih pintar dan lebih dipersonalisasi seiring waktu. Daftar kesalahan yang dilacak oleh algoritma PowerAI saat ini telah diperoleh dari kebutuhan terbesar yang diungkapkan oleh utilitas.

Bisa Anda diskusikan 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 mendapatkan wawasan dari tren ini dan memprediksi area yang mungkin rentan terhadap kesalahan yang lebih tinggi, yaitu “hotspot”. Ini adalah tempat potensi sebenarnya dari sistem analisis prediktif dan memungkinkan utilitas memiliki wawasan yang lebih baik tentang di mana dan kapan peralatan mereka mungkin gagal.

Bisa Anda diskusikan 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 lain dari infrastruktur, termasuk pembangkit energi terbarukan, di mana analitik inspeksi diperlukan dan sangat berharga. Buzz memiliki rencana untuk memperluas diri di luar 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 terkait yang kami hadapi hari 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 memperingatkan utilitas tentang kegagalan dan vegetasi yang mendekati infrastruktur.

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

Bisa Anda diskusikan 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 data lebih banyak sangat penting, itu bahkan lebih penting untuk mengelola data dengan sukses dan mendapatkan wawasan yang dapat ditindaklanjuti dari informasi tersebut. Ini adalah tempat di mana Buzz sangat berharga.

Tidak hanya solusi PowerAI kami menyediakan wawasan yang cepat tentang kesehatan infrastruktur saat ini, tetapi juga melacak data ini dan memperingatkan utilitas tentang area yang paling berisiko bagi 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 mulus, tetapi kekuatan data adalah kemampuan untuk mengubah data mentah menjadi gambaran yang kohesif dan mendapatkan wawasan spesifik dari informasi tersebut.

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