Buzz Solutions pozyskał 20 milionów dolarów w rundzie A, aby rozszerzyć sztuczną inteligencję w zarządzaniu siecią

Buzz Solutions pozyskał 20 milionów dolarów w rundzie A jako część finansowania, podczas gdy przedsiębiorstwa użyteczności publicznej szukają szybszych sposobów inspekcji, konserwacji i wzmacniania coraz bardziej skomplikowanej infrastruktury energetycznej.

S3 Ventures poprowadził rundę, z znaczącym zaangażowaniem GoPoint Ventures. Istniejący inwestorzy HearstLab i Blackhorn Ventures również brali udział. Buzz Solutions powiedział, że kapitał wesprze rozwój produktu, rozszerzenie zespołu marketingowego i głębsze wdrożenia z klientami użyteczności publicznej.

Palo Alto-based company rozwija oprogramowanie sztucznej inteligencji, które analizuje dane wizualnej inspekcji zebrane z infrastruktury, takiej jak linie energetyczne, stacje transformatorowe i instalacje słoneczne na dużą skalę. Jego klienci obejmują Dominion Energy (D ), American Electric Power (AEP ) i Nowy Jork Power Authority.

Przenoszenie inspekcji sieci poza ręczną inspekcję obrazu

Przedsiębiorstwa użyteczności publicznej coraz częściej przyjmują drony, śmigłowce, samoloty z napędem stałym, kamery termowizyjne i inne systemy obrazowania w celu inspekcji infrastruktury. Te technologie mogą zbierać o wiele więcej danych niż tradycyjne inspekcje w terenie, ale również tworzą nowe wyzwanie: przetwarzanie tysięcy lub nawet milionów obrazów wystarczająco szybko, aby wpłynąć na decyzje dotyczące konserwacji.

Platforma PowerAI Buzz Solutions została zaprojektowana w celu rozwiązania tego problemu. Przyjmuje obrazy z programów inspekcji naziemnych i powietrznych, dopasowuje obrazy do konkretnych struktur, identyfikuje potencjalne wady i pomaga klasyfikować problemy według ich ciężkości.

Platforma może analizować obrazy RGB i termowizyjne w celu identyfikacji problemów, takich jak uszkodzone słupy, starzejące się poprzecznice, przegrzane transformatory, wtargnięcie roślinności, uszkodzenia izolatorów i gniazda ptaków. Wyniki mogą być następnie wysłane do systemów informacji geograficznej, platform zarządzania zamówieniami i oprogramowania do zarządzania aktywami za pośrednictwem integracji i interfejsów programistycznych.

Ten przepływ pracy jest ważny, ponieważ identyfikacja wady jest tylko jedną częścią zarządzania infrastrukturą. Przedsiębiorstwa użyteczności publicznej muszą również określić, gdzie znajduje się dotknięty aktyw, ocenić, jak pilnie wymaga uwagi, przypisać pracę i śledzić stan tego aktywa w czasie.

PowerAI łączy sztuczną inteligencję z nadzorem ludzkim

Buzz Solutions twierdzi, że jego modele zostały dostosowane za pomocą ponad dekady obrazów użyteczności publicznej, a nie wyłącznie na mniejszych zbiorach demonstracyjnych. Platforma zawiera obecnie ponad 50 modeli sztucznej inteligencji i może przetwarzać ponad 5,8 obrazów na sekundę, na podstawie danych opublikowanych przez firmę.

PowerAI zawiera również funkcję przeglądu ludzkiego. Inspektorzy mogą potwierdzać wykrycia, poprawiać dane wyjściowe modelu i poprawiać dokładność, gdy system napotyka dodatkowe typy infrastruktury i warunki operacyjne.

To połączenie automatyzacji i przeglądu ludzkiego jest szczególnie istotne w środowiskach użyteczności publicznej, gdzie fałszywe pozytywy mogą tworzyć niepotrzebną pracę w terenie, podczas gdy pominięta wada może przyczynić się do awarii sprzętu, przerw w dostawie energii lub ryzyka bezpieczeństwa.

Buzz oferuje kilka wersji platformy. Przedsiębiorstwa użyteczności publicznej mogą zacząć od scentralizowanego zarządzania danymi inspekcji i ręcznej inspekcji, zanim przejdą do automatycznej analizy obrazu, mapowania systemu informacji geograficznej, zaawansowanej analityki i integracji z systemami zarządzania pracą i aktywami.

Rozszerzanie platformy na sieć

PowerAI początkowo koncentrował się na infrastrukturze transmisyjnej i dystrybucyjnej, ale Buzz Solutions rozszerzył platformę na stacje transformatorowe i instalacje słoneczne na dużą skalę.

Dla sieci dystrybucyjnych oprogramowanie może kojarzyć obrazy inspekcji z poszczególnymi słupami i strukturami, zanim je przeanalizuje pod kątem uszkodzonego sprzętu, problemów z transformatorami lub ryzyka roślinności. Zespoły transmisyjne mogą podobnie wykorzystywać platformę do inwentaryzacji aktywów i monitorowania zmian stanu w sieciach o dużych rozmiarach.

W stacjach transformatorowych firma wykorzystuje obrazy z kamer stałych i dronów cumowanych do monitorowania zdarzeń bezpieczeństwa, problemów bezpieczeństwa i stanu sprzętu. Obrazy optyczne i termowizyjne mogą być analizowane w celu identyfikacji zdarzeń, takich jak nieautoryzowany dostęp, dym, ogień lub nieprawidłowe sygnatury cieplne, z alertami dostarczanymi za pośrednictwem pulpitu, poczty e-mail lub wiadomości tekstowych. Wdrożenia mogą być oparte na chmurze lub instalowane lokalnie, w zależności od wymagań operacyjnych i bezpieczeństwa przedsiębiorstwa użyteczności publicznej.

Oferta słoneczna wykorzystuje sztuczną inteligencję do analizy obrazów RGB i termowizyjnych zebranych przez drony. Ma ona pomóc operatorom w identyfikacji gorących punktów, pęknięć paneli i awarii łańcuchów przed tym, jak te problemy znacząco zmniejszą wydajność.

Wdrożenia przedsiębiorstw użyteczności publicznej wykraczają poza małe pilotaże

Buzz Solutions powiedział, że liczba jego klientów potroiła się w ciągu ostatniego roku, a przychody wzrosły o 400%. Firma opublikowała również kilka przykładów przedsiębiorstw użyteczności publicznej, które wykorzystują platformę do większych programów inspekcji.

Dominion Energy wykorzystał PowerAI do przetworzenia 74 000 obrazów obejmujących około 47 000 wież transmisyjnych w ciągu trzech i pół godziny, według Buzz Solutions. AEP Texas wykorzystał platformę do analizy ponad 88 000 obrazów, podczas gdy pracował nad skróceniem cykli inspekcji w terenie narażonym na huragany i pożary.

Nowy Jork Power Authority zintegrował wyniki inspekcji z Esri, IBM Maximo i swoimi wewnętrznymi systemami multimedialnymi. Buzz Solutions podaje, że przedsiębiorstwo użyteczności publicznej zmniejszyło czas ręcznej analizy o 70%, umożliwiając ocenę dużych ilości obrazów inspekcji w ciągu kilku godzin lub dni, a nie miesięcy.

Te wdrożenia ilustrują szerszy trend, który obecnie występuje w programach sztucznej inteligencji przedsiębiorstw użyteczności publicznej. Zamiast oceniania izolowanych modeli, niektóre przedsiębiorstwa użyteczności publicznej zaczynają łączyć analizę sztucznej inteligencji bezpośrednio z rekordami aktywów, priorytetami konserwacji i istniejącymi systemami operacyjnymi.

Rosnący popyt na energię elektryczną dodaje pilności

Finansowanie pochodzi w momencie, gdy Stany Zjednoczone wkraczają w okres odnowionego wzrostu popytu na energię elektryczną. Amerykańska Agencja Informacji Energetycznej (U.S. Energy (USEG )) poinformowała, że krajowe zużycie energii elektrycznej wzrosło średnio o 2,1% rocznie w ciągu ostatnich pięciu lat, przy czym popyt na serwery centrów danych stał się głównym czynnikiem.

Agencja oczekuje, że zużycie energii elektrycznej będzie nadal rosło do 2050 roku, odwracając ponad dekadę względnie płaskiego popytu.

Centra danych sztucznej inteligencji to tylko jeden z czynników nacisku. Przedsiębiorstwa użyteczności publicznej muszą również podłączyć odnawialne źródła energii, wspierać elektryfikację transportu i przemysłu oraz utrzymywać infrastrukturę, która może działać od dziesięcioleci.

Budowanie nowych mocy wytwórczych i transmisyjnych pozostaje niezbędne, ale przedsiębiorstwa użyteczności publicznej muszą również wydobyć więcej niezawodności z istniejącej infrastruktury. Wczesne identyfikowanie pogarszającego się sprzętu mogłoby pozwolić zespołom konserwacyjnym na rozwiązanie problemów, zanim staną się one awariami, incydentami bezpieczeństwa lub drogimi naprawami awaryjnymi.

Przyszłość zarządzania siecią z użyciem sztucznej inteligencji

Szersze znaczenie platform, takich jak PowerAI, leży w tym, jak mogą one zmienić sposób, w jaki przedsiębiorstwa użyteczności publicznej zarządzają infrastrukturą w czasie. Dziś wiele programów inspekcji pozostaje okresowymi i reaktywnymi, z aktywami badanymi według ustalonych harmonogramów lub po burzach, awariach i awariach sprzętu. W miarę jak dane wizualne stają się łatwiejsze do zbierania i analizowania, przedsiębiorstwa użyteczności publicznej mogą przechodzić w kierunku bardziej ciągłego, opartego na ryzyku utrzymania.

W tym modelu sztuczna inteligencja pomoże zidentyfikować subtelne zmiany stanu aktywów, porównać bieżące obrazy z poprzednimi inspekcjami i wyróżnić sprzęt, który wydaje się pogarszać szybciej niż oczekiwano. Harmonogramy konserwacji mogą być następnie oparte mniej na wieku lub cyklu inspekcji i bardziej na rzeczywistym stanie i profilu ryzyka każdego aktywa.

Technologia ta może również stać się bardziej wartościowa, gdy przedsiębiorstwa użyteczności publicznej wdrożą większe floty dronów, kamery stałe, czujniki termowizyjne i inne systemy monitorowania. Bez automatycznej analizy objętość danych generowanych przez te narzędzia mogłaby przytłoczyć zespoły inspekcji. Systemy sztucznej inteligencji mogą coraz częściej służyć jako warstwa filtrująca, kierująca ekspertów ludzkich w kierunku obrazów, aktywów i anomalii, które najprawdopodobniej wymagają uwagi.

W czasie te możliwości mogą wspierać bardziej szczegółowe cyfrowe reprezentacje sieci, łącząc inspekcje wizualne z danymi pogodowymi, historią awarii, stanem roślinności i rekordami konserwacji. Mogłoby to umożliwić przedsiębiorstwom użyteczności publicznej modelowanie, w jaki sposób poszczególne wady mogą wpłynąć na szersze sieci, i priorytetowo traktować naprawy na podstawie ich potencjalnego wpływu na niezawodność i bezpieczeństwo publiczne.

Zmiana ta również wprowadzi ważne pytania dotyczące dokładności modelu, bezpieczeństwa, przejrzystości i odpowiedzialności. Przedsiębiorstwa użyteczności publicznej muszą zrozumieć, dlaczego system wyróżnił dany aktyw, jak pewny jest w tej ocenie i kiedy wymagany jest przegląd ludzki. Ponieważ decyzje dotyczą krytycznej infrastruktury, zalecenia sztucznej inteligencji najprawdopodobniej pozostaną częścią nadzorowanego procesu, a nie staną się w pełni autonomiczne.

Jeśli te wyzwania mogą być rozwiązane, wizja komputerowa mogłaby ewoluować z narzędzia do przeglądania obrazów inspekcji w bardziej centralny składnik planowania i utrzymania sieci. Długoterminowy wpływ niekoniecznie oznaczałby mniej inspektorów, ale zmianę w tym, jak ich czas jest wykorzystywany, z większą uwagą skierowaną w kierunku aktywów i lokalizacji, w których interwencja mogłaby mieć największy wpływ.