Kaitlyn Albertoli Oprichter van Buzz Solutions – Interviewreeks

Kaitlyn Albertoli is de oprichter van Buzz Solutions, een AI-bedrijf dat asset-foutdetectie en voorspellende analyse biedt voor powerline-inspecties, waardoor kritische besparingen worden behaald bij het voorkomen van uitgevallen lijnen, stroomstoringen en door de mislukte grid-infrastructuur veroorzaakte bosbranden.

Buzz Solutions is opgericht als onderdeel van de Stanford Launchpad-cursus in 2017, kunt u enkele details delen over deze vroege dagen?

We zijn Buzz Solutions begonnen om een kritische behoefte aan te pakken die ontstond tijdens de vroege dagen van de inspectie van de infrastructuur van nutsbedrijven. Tijdens deze cruciale periode begonnen nutsbedrijven meer visuele gegevens te verzamelen om grondige en frequente inspecties mogelijk te maken. Vanaf het begin hebben we veel tijd besteed aan het onderzoeken van de pijnpunten van nutsbedrijven, evenals het begrijpen van de korte en langetermijnvisie voor hun inspectieprogramma’s.

Het werd duidelijk dat elk nutsbedrijf zijn eigen unieke manier van inspecteren en routineprocessen heeft, en dat de beste toegang tot de markt was via zeer nauwkeurige en flexibele AI-gebaseerde algoritmen. In de eerste twee jaar was onze missie om de meest nauwkeurige en gemakkelijk opnieuw te trainen algoritmen op de markt te bouwen die nutsbedrijven rechtstreeks in hun bestaande systemen konden implementeren. We lanceerden het officiële Buzz Solutions PowerAI-product op de nutsmarkt in augustus 2019.

Nutsbedrijven zijn verplicht om alle transmissie- en distributie-infrastructuur te inspecteren, waarom is dit zo’n probleem voor de legacy-manuele inspectiemethoden?

Aangezien nutsbedrijven verplicht zijn om vaker inspecties uit te voeren, stijgen de gegevensverzamelingen enorm. Nutsbedrijven verzamelen 5-10 keer meer gegevens dan historisch, vaak honderdduizenden en miljoenen afbeeldingen per jaar. Het huidige analyseproces van deze gegevens gebeurt handmatig, met linemen en veldtechnici, wat een zeer tijdrovend en niet schaalbaar proces is. Naarmate inspecties vaker worden uitgevoerd, wordt het handmatige proces duurder, tijdrovender en leidt het tot een groter risico van infrastructuuruitval vanwege de vertraging in de verwerking van gegevens.

Welk type visuele verwerking van gegevens wordt in het veld vastgelegd?

Afbeeldingen en videostreams worden momenteel in het veld vastgelegd met behulp van drones, helikopters, vaste-vleugelvliegtuigen en zelfs grondgebaseerde gegevensverzameling. Drones worden een meer gebruikelijke methode voor inspectie omdat ze dichter bij structuren kunnen vliegen en afbeeldingen vanuit verschillende hoeken kunnen verzamelen die niet mogelijk zijn met bemande vliegtuigen. Drones kunnen visuele beelden van verschillende elektrische componenten, powergrid-structuren, omliggende vegetatie en locaties vastleggen. Dit maakt een meer uitgebreide inspectie mogelijk, zodat een nutsbedrijf de gezondheid van elke infrastructuurcomponent voor zowel T&D-powerlijnen als onderstations beter kan begrijpen.

Welk type kostenbesparingen worden behaald door het analyseren van deze afbeeldingen met AI in plaats van handmatige analyse?

Het analyseren van afbeeldingen met AI biedt aanzienlijke kostenbesparingen, die in de loop van de tijd alleen maar toenemen. AI biedt een directe, initiële kostenbesparing van ongeveer 50% in vergelijking met handmatige analyse, en met de tijd nemen deze besparingen exponentieel toe omdat de AI trends volgt en slimmer wordt. Dit maakt gerichtere, geïnformeerde inspecties mogelijk en biedt linemen aanvullende besparingen door betere informatie te bieden, zodat ze een pad naar onderhoud kunnen plannen.

De technologie van Buzz Solutions kan bepalen wat moet worden gerepareerd in slechts een paar uur, kunt u de AI bespreken die wordt gebruikt om dit mogelijk te maken?

PowerAI Machine Vision-algoritmen zijn getraind om een specifieke lijst met afwijkingen voor nutsbedrijfsinfrastructuur te detecteren. We hebben twee jaar besteed aan het van scratch opbouwen van deze algoritmen en het aggregaat van gevarieerde datasets uit verschillende geografische gebieden en tijdslijnen om de AI te trainen om deze fouten te omvatten. Een voordeel dat we hebben, is dat we onze AI hebben getraind met echte afbeeldingen in plaats van “synthetische” afbeeldingen, en onze nauwkeurigheid bij het identificeren en voorspellen van apparatuurfouten of -problemen is aanzienlijk hoger dan het gemiddelde in de industrie. Dit betekent dat nutsbedrijven problemen veel sneller en efficiënter kunnen verhelpen.

Bovendien maakt onze AI gebruik van human-in-the-loop-training, waarbij veldtechnici en ingenieurs gegevens terugvoeren naar de AI, waardoor het model slimmer en meer gepersonaliseerd wordt in de loop van de tijd. De uitgebreide lijst met storingen die de PowerAI-algoritmen vandaag detecteren, is afgeleid van de grootste behoeften die nutsbedrijven hebben uitgesproken.

Kunt u de voorspellende analysesysteem bespreken die wordt gebruikt en de voordelen die het biedt?

Buzz volgt trends en storingen van nutsbedrijfsassets in de loop van de tijd, waardoor de AI en machine learning-systemen sterker, meer gepersonaliseerd en efficiënter worden. Dit zorgt er ook voor dat de systemen inzichten kunnen afleiden uit deze trends en kunnen voorspellen welke gebieden mogelijk meer storingen zullen vertonen, oftewel “hotspots”. Dit is waar het echte potentieel van een voorspellend analysesysteem tot zijn recht komt en nutsbedrijven beter inzicht geeft in waar en wanneer hun apparatuur mogelijk zal falen.

Kunt u uw plannen bespreken om ook de wind- en zonnenergiesector te targeten?

Tot nu toe heeft Buzz zich gericht op het worden van de meest nauwkeurige en effectieve AI-oplossing in de nutsinspectieruimte. Dat gezegd hebbende, zijn er veel andere gebieden van infrastructuur, waaronder hernieuwbare energiegewinning, waar inspectieanalyse nodig is en waardevol is. Buzz heeft plannen om uit te breiden buiten de T&D-inspectieruimte en zal aankondigingen doen over enkele van deze meer concrete marktuitbreidingen naarmate we nieuwe use cases toevoegen aan ons portfolio.

Hoe draagt het optimaliseren van de energiesector bij aan het bestrijden van klimaatverandering?

Buzz Solutions ondersteunt duurzaamheidsgerichte inspanningen en helpt bij enkele van de grootste klimaatgerelateerde problemen waar we vandaag mee te maken hebben, door het mogelijk te maken om grid-geïnduceerde rampen, emissies en een betrouwbaardere grid te verminderen. Onze AI-gebaseerde foutdetectie vermindert bosbranden veroorzaakt door defecte assets, omdat we nutsbedrijven waarschuwen voor storingen en vegetatie die de infrastructuur binnendringt.

Bovendien markeren onze systemen gemeenschappelijke foutgebieden (“hot spots”). Vooraf bepaalde hot spot-gebieden maken gerichte inspecties mogelijk in plaats van dat helikopters doelloos honderden mijlen vliegen. Gerichte inspecties helpen nutsbedrijven om koolstofemissies te verminderen en voorspellende reacties in plaats van reactieacties te stimuleren. Onze technologie maakt een meer veerkrachtige en stabiele grid mogelijk, waardoor een efficiënte penetratie van hernieuwbare energieresources op de grid-infrastructuur wordt mogelijk gemaakt.

Kunt u uw algemene visie op de digitale transformatie van de nutssector bespreken?

Buzz Solutions staat aan de vooravond van de digitale transformatie van de inspectie- en onderhoudsworkflow voor nutsbedrijven. Terwijl het verzamelen van meer gegevens belangrijk is, is het nog belangrijker om deze gegevens succesvol te beheren en actiegebonden inzichten te verkrijgen uit deze informatie. Dit is waar Buzz bijzonder waardevol is.

Niet alleen biedt onze oplossing PowerAI snelle inzichten in de huidige gezondheid van de infrastructuur, maar het volgt deze gegevens ook en waarschuwt een nutsbedrijf voor een gebied dat het meeste potentieel risico voor het grid vormt. PowerAI maakt een snellere upgrading van componenten mogelijk en een meer efficiënte weg naar grid-modernisering. De digitale transformatie in de sector heeft een naadloze gegevensverzameling mogelijk gemaakt, maar de kracht van de gegevens ligt in het omzetten van de ruwe gegevens in een samenhangend beeld en het verkrijgen van specifieke inzichten uit deze informatie.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Buzz Solutions bezoeken.