Kaitlyn Albertoli Oprichter van Buzz Solutions – Interviewreeks

Kaitlyn Albertoli is de oprichter van Buzz Solutions, een AI-bedrijf dat assetfoutdetectie en voorspellende analyse biedt voor inspecties van hoogspanningslijnen, waardoor kritische besparingen worden behaald bij het voorkomen van omgevallen lijnen, stroomuitval en door branden veroorzaakte bosbranden als gevolg van falende netwerkinfrastructuur.

Buzz Solutions is opgericht als onderdeel van de Stanford Launchpad-opleiding 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 inspecties van elektriciteitsnetwerken. Tijdens deze cruciale periode begonnen nutsbedrijven meer visuele gegevens te verzamelen om grondige en frequente inspecties te waarborgen. 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 inspectie en routineproces 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 in de markt te bouwen, die nutsbedrijven rechtstreeks in hun bestaande systemen konden inzetten. We lanceerden het officiële Buzz Solutions PowerAI-product in de nutssector in augustus 2019.

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

Naarmate nutsbedrijven vaker inspecties uitvoeren, nemen de hoeveelheden verzamelde gegevens explosief toe. 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 tot een groter risico van infrastructuuruitval als gevolg van niet-tijdig verwerkte gegevens.

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

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

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

Het analyseren van afbeeldingen met AI levert aanzienlijke kostenbesparingen op, 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 doelgerichte, geïnformeerde inspecties mogelijk en biedt linemen extra besparingen door betere informatie te bieden, zodat ze een pad naar onderhoud kunnen plannen.

De technologie van Buzz Solutions kan bepalen wat er 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 van anomalieën voor nutsinfrastructuur te detecteren. We hebben twee jaar besteed aan het van scratch bouwen van deze algoritmen en het aggregaat van gevarieerde datasets uit 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 branche. Dit betekent dat nutsbedrijven problemen veel sneller en efficiënter kunnen verhelpen.

Daarnaast 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 van foutmodi die de PowerAI-algoritmen vandaag detecteren, is afgeleid van de grootste behoeften die nutsbedrijven hebben geuit.

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

Buzz volgt trends en storingen van nutsassets in de loop van de tijd, waardoor de AI- en machine learning-systemen sterker, meer gepersonaliseerd en efficiënter worden. Dit zet de systemen ertoe aan om inzichten te ontlenen aan deze trends en gebieden te voorspellen die mogelijk meer fouten zullen vertonen, oftewel “hotspots”. Dit is waar het echte potentieel van een predictief analysesysteem tot zijn recht komt en nutsbedrijven in staat stelt om beter inzicht te krijgen in waar en wanneer hun apparatuur mogelijk zal falen.

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

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

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

Buzz Solutions ondersteunt duurzaamheidsinspanningen en helpt bij enkele van de grootste klimaatgerelateerde problemen van vandaag door netwerkgerelateerde rampen te verminderen, emissies te verminderen en de netwerkbetrouwbaarheid te verhogen. Onze AI-gebaseerde foutdetectie vermindert bosbranden die worden veroorzaakt door defecte assets, aangezien we nutsbedrijven waarschuwen voor storingen en vegetatie die de infrastructuur binnendringen.

Daarnaast markeren onze systemen gemeenschappelijke foutgebieden (“hot spots”). Vooraf bepaalde hot spot-gebieden maken gerichte inspecties mogelijk in plaats van helikopters die honderden kilometers zinloos vliegen. Gerichte inspecties helpen nutsbedrijven om koolstofemissies te verminderen en voorspellende reacties in plaats van reactieve acties te stimuleren. Onze technologie maakt een meer veerkrachtig en stabiel netwerk mogelijk, waardoor een efficiënte penetratie van hernieuwbare energieresources in de netwerkinfrastructuur wordt gefaciliteerd.

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 actiegerichte inzichten te ontlenen aan deze informatie. Dit is waar Buzz bijzonder waardevol is.

Onze oplossing PowerAI biedt niet alleen snelle inzichten in de huidige gezondheid van de infrastructuur, maar volgt deze gegevens ook en waarschuwt een nutsbedrijf voor een gebied dat het meeste risico vormt voor het netwerk. PowerAI maakt het mogelijk om componenten sneller te upgraden en een meer efficiënte weg naar netwerkmodernisering te bieden. Digitale transformatie in de sector heeft het mogelijk gemaakt om gegevens naadloos te verzamelen, maar de kracht van de gegevens ligt in het omzetten van ruwe gegevens in een samenhangend beeld en specifieke inzichten te ontlenen aan deze informatie.

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