Buzz Solutions raccoglie 20 milioni di dollari nella serie A per espandere l’intelligenza della griglia alimentata da AI

Buzz Solutions ha raccolto 20 milioni di dollari in un round di finanziamento serie A sovrascritto mentre le aziende di servizi pubblici cercano modi più veloci per ispezionare, mantenere e rafforzare le infrastrutture energetiche sempre più complesse.

S3 Ventures ha guidato il round, con un investimento significativo da GoPoint Ventures. Gli investitori esistenti HearstLab e Blackhorn Ventures hanno anche partecipato. Buzz Solutions ha affermato che il capitale sosterrà lo sviluppo del prodotto, l’espansione del team di mercato e le implementazioni più approfondite con i clienti dei servizi pubblici.

La società con sede a Palo Alto sviluppa software di intelligenza artificiale che analizza i dati di ispezione visiva raccolti da infrastrutture come linee elettriche, stazioni di trasformazione e impianti solari su scala utility. I suoi clienti includono Dominion Energy (D ), American Electric Power (AEP ) e l’Autorità per l’energia elettrica di New York.

Superare l’ispezione della griglia oltre la revisione manuale delle immagini

Le aziende di servizi pubblici hanno sempre più adottato droni, elicotteri, aerei a ali fisse, telecamere termiche e altri sistemi di imaging per ispezionare le infrastrutture. Queste tecnologie possono raccogliere molto più dati rispetto alle ispezioni tradizionali sul campo, ma creano anche una nuova sfida: elaborare migliaia o addirittura milioni di immagini abbastanza velocemente da influenzare le decisioni di manutenzione.

La piattaforma PowerAI di Buzz Solutions è progettata per affrontare questo collo di bottiglia. Ingerisce immagini da programmi di ispezione aerea e terrestre, abbina le immagini con strutture specifiche, identifica potenziali difetti e aiuta a classificare i problemi in base alla loro gravità.

La piattaforma può analizzare immagini RGB e termiche per problemi come pali danneggiati, traverse deteriorate, trasformatori surriscaldati, intrusioni di vegetazione, danni agli isolatori e nidi di uccelli. I risultati possono quindi essere inviati in sistemi di informazione geografica, piattaforme di gestione degli ordini di lavoro e software di gestione degli asset attraverso integrazioni e interfacce di programmazione delle applicazioni.

Questo flusso di lavoro è importante perché l’identificazione di un difetto è solo una parte della gestione delle infrastrutture. Le aziende di servizi pubblici devono anche determinare dove si trova l’asset interessato, valutare con quale urgenza richiede attenzione, assegnare il lavoro e tenere traccia della condizione di quell’asset nel tempo.

PowerAI combina la visione computerizzata con la supervisione umana

Buzz Solutions afferma che i suoi modelli sono stati tarati utilizzando oltre un decennio di immagini di servizi pubblici e non solo su set di dati di dimostrazione più piccoli. La piattaforma attualmente include oltre 50 modelli di intelligenza artificiale e può elaborare oltre 5,8 immagini al secondo, in base ai dati pubblicati dalla società.

PowerAI include anche la funzionalità di revisione umana human-in-the-loop. Gli ispettori possono convalidare le rilevazioni, correggere gli output del modello e migliorare l’accuratezza mentre il sistema incontra ulteriori tipi di infrastrutture e condizioni operative.

Questa combinazione di automazione e revisione umana è particolarmente rilevante negli ambienti dei servizi pubblici, dove i falsi positivi possono creare lavoro di campo non necessario, mentre un difetto mancato può contribuire a guasti di attrezzature, interruzioni o rischi per la sicurezza.

Buzz offre diverse versioni della piattaforma. Le aziende di servizi pubblici possono iniziare con la gestione centralizzata dei dati di ispezione e la revisione manuale prima di passare all’analisi delle immagini automatizzata, alla mappatura del sistema di informazione geografica, all’analisi avanzata e alle integrazioni con i sistemi di gestione degli ordini di lavoro e degli asset.

Estendere la piattaforma in tutta la griglia

PowerAI era inizialmente focalizzato sulle infrastrutture di trasmissione e distribuzione, ma Buzz Solutions ha esteso la piattaforma alle stazioni di trasformazione e ai parchi solari su scala utility.

Per le reti di distribuzione, il software può associare le immagini di ispezione con singoli pali e strutture prima di analizzarle per hardware danneggiato, problemi di trasformatori o rischi di vegetazione. I team di trasmissione possono utilizzare la piattaforma in modo simile per inventariare gli asset e monitorare i cambiamenti di condizione in tutta la rete.

Alle stazioni di trasformazione, la società utilizza immagini da telecamere fisse e droni attraccati per monitorare gli eventi di sicurezza, le preoccupazioni per la sicurezza e le condizioni degli equipaggiamenti. I video ottici e termici possono essere analizzati per eventi come l’ingresso non autorizzato, fumo, fuoco o firme di calore anormali, con avvisi consegnati attraverso dashboard, e-mail o messaggi di testo. I dispiegamenti possono essere basati su cloud o installati in loco, a seconda dei requisiti operativi e di sicurezza informatica di un’azienda di servizi pubblici.

L’offerta solare applica la visione computerizzata alle immagini RGB e termiche raccolte dai droni. È destinata ad aiutare gli operatori a identificare i punti caldi, le crepe dei pannelli e gli spegnimenti delle stringhe prima che questi problemi riducano materialmente la produzione.

I dispiegamenti dei servizi pubblici vanno oltre i piccoli progetti pilota

Buzz Solutions ha affermato che il numero dei suoi clienti è triplicato durante l’ultimo anno, mentre il fatturato è aumentato del 400%. La società ha anche pubblicato diversi esempi di aziende di servizi pubblici che applicano la piattaforma a programmi di ispezione più grandi.

Dominion Energy ha utilizzato PowerAI per elaborare 74.000 immagini che coprono circa 47.000 torri di trasmissione in tre ore e mezza, secondo Buzz Solutions. AEP Texas ha utilizzato la piattaforma per analizzare oltre 88.000 immagini mentre lavora per ridurre i cicli di ispezione in un territorio di distribuzione esposto a uragani e incendi boschivi.

L’Autorità per l’energia elettrica di New York ha integrato i risultati dell’ispezione con Esri, IBM Maximo e i suoi sistemi multimediali interni. Buzz Solutions riferisce che l’azienda di servizi pubblici ha ridotto il tempo di analisi manuale del 70%, consentendo di valutare grandi volumi di immagini di ispezione in ore o giorni invece di mesi.

Questi dispiegamenti illustrano il più ampio cambiamento che sta avvenendo attualmente nei programmi di intelligenza artificiale dei servizi pubblici. Invece di valutare modelli isolati, alcune aziende di servizi pubblici stanno iniziando a collegare direttamente l’analisi dell’intelligenza artificiale con i record degli asset, le priorità di manutenzione e i sistemi operativi esistenti.

La crescente domanda di elettricità aggiunge urgenza

Il finanziamento arriva mentre gli Stati Uniti entrano in un periodo di rinnovata crescita della domanda di elettricità. L’Amministrazione dell’energia degli Stati Uniti ha riferito che il consumo di elettricità nazionale è aumentato in media del 2,1% all’anno negli ultimi cinque anni, con la domanda dei server dei data center che emerge come un contributo significativo.

L’agenzia prevede che il consumo di elettricità continuerà ad aumentare fino al 2050, invertendo più di un decennio di domanda relativamente piatta.

I data center dell’intelligenza artificiale sono solo una fonte di pressione. Le aziende di servizi pubblici devono anche collegare la generazione rinnovabile, supportare l’elettrificazione dei trasporti e dell’industria e mantenere le infrastrutture che potrebbero aver funzionato per decenni.

La costruzione di nuova capacità di generazione e trasmissione rimane essenziale, ma le aziende di servizi pubblici devono anche estrarre più affidabilità dalle infrastrutture esistenti. L’identificazione precoce di attrezzature deteriorate potrebbe consentire ai team di manutenzione di affrontare i problemi prima che diventino interruzioni, incidenti di sicurezza o riparazioni di emergenza costose.

Il futuro della gestione della griglia assistita dall’AI

Il significato più ampio di piattaforme come PowerAI risiede nel modo in cui potrebbero cambiare la gestione delle infrastrutture da parte delle aziende di servizi pubblici nel tempo. Oggi, molti programmi di ispezione rimangono periodici e reattivi, con asset esaminati su orari fissi o dopo tempeste, interruzioni e guasti di attrezzature. Man mano che i dati visivi diventano più facili da raccogliere e analizzare, le aziende di servizi pubblici potrebbero essere in grado di passare a una manutenzione più continua e basata sul rischio.

In quel modello, l’intelligenza artificiale aiuterebbe a identificare cambiamenti sottili nella condizione degli asset, a confrontare le immagini attuali con le ispezioni precedenti e a evidenziare gli equipaggiamenti che sembrano deteriorarsi più velocemente del previsto. I piani di manutenzione potrebbero quindi essere basati meno sull’età o sui cicli di ispezione routine e più sulla condizione reale e sul profilo di rischio di ogni asset.

La tecnologia potrebbe anche diventare più preziosa man mano che le aziende di servizi pubblici dispiegano flotte più grandi di droni, telecamere fisse, sensori termici e altri sistemi di monitoraggio. Senza un’analisi automatizzata, il volume di dati generati da questi strumenti potrebbe sopraffare i team di ispezione. I sistemi di intelligenza artificiale potrebbero sempre più servire come strato di filtro, dirigendo gli esperti umani verso le immagini, gli asset e le anomalie più probabili di richiedere attenzione.

Nel tempo, queste capacità potrebbero sostenere rappresentazioni digitali più dettagliate della griglia, combinando ispezioni visive con dati meteorologici, storie di interruzioni, condizioni di vegetazione e registri di manutenzione. Ciò potrebbe consentire alle aziende di servizi pubblici di modellare come singoli difetti potrebbero influenzare reti più ampie e priorizzare le riparazioni in base al loro impatto potenziale sull’affidabilità e la sicurezza pubblica.

Il cambiamento introdurrà anche importanti domande sull’accuratezza del modello, la sicurezza informatica, la trasparenza e la responsabilità. Le aziende di servizi pubblici dovranno capire perché un sistema ha segnalato un particolare asset, quanto è fiducioso in quella valutazione e quando è richiesta una revisione umana. Poiché le decisioni coinvolgono infrastrutture critiche, le raccomandazioni dell’intelligenza artificiale probabilmente rimarranno parte di un processo supervisionato piuttosto che diventare completamente autonome.

Se queste sfide possono essere affrontate, la visione computerizzata potrebbe evolversi da uno strumento per la revisione delle immagini di ispezione a un componente più centrale della pianificazione e della manutenzione della griglia. L’impatto a lungo termine non sarebbe necessariamente meno ispettori, ma un cambiamento in come viene utilizzato il loro tempo, con maggiore attenzione diretta verso gli asset e le posizioni in cui l’intervento potrebbe fare la differenza più grande.