Kaitlyn Albertoli Założyciel Buzz Solutions – Seria wywiadów

Kaitlyn Albertoli jest założycielem Buzz Solutions, firmy AI, która dostarcza wykrywanie awarii aktywów i analitykę predykcyjną dla inspekcji linii energetycznych, zapewniając znaczne oszczędności w zapobieganiu awariom linii, przerwom w dostawie prądu i pożarom wywołanym przez awarie infrastruktury sieciowej.

Buzz Solutions została założona w ramach kursu Stanford Launchpad w 2017 roku, mogłabyś podzielić się niektórymi szczegółami na temat tych wczesnych dni?

Zaczęliśmy Buzz Solutions, aby rozwiązać krytyczną potrzebę, która pojawiła się we wczesnych dniach inspekcji infrastruktury energetycznej. W tym przełomowym momencie, firmy energetyczne zaczęły gromadzić więcej danych wizualnych, aby zapewnić dokładne i częste inspekcje. Od samego początku, spędziliśmy wiele czasu na badaniu bolączek firm energetycznych, a także na zrozumieniu ich krótko- i długoterminowych wizji programów inspekcji.

Uznając, że każda firma energetyczna ma swoje własne metody inspekcji i rutynowe procesy, stało się jasne, że najlepszym punktem wejścia na rynek było opracowanie bardzo dokładnych i elastycznych algorytmów opartych na sztucznej inteligencji. W ciągu pierwszych dwóch lat, naszym celem było stworzenie najdokładniejszych i najłatwiejszych w przeszkoleniu algorytmów na rynku, które firmy energetyczne mogłyby wdrożyć bezpośrednio do swoich istniejących systemów. W sierpniu 2019 roku wprowadziliśmy oficjalnie produkt Buzz Solutions PowerAI na rynek energetyczny.

Firmy energetyczne są zobowiązane do inspekcji wszystkich linii przesyłowych i rozdzielczych, dlaczego jest to taki problem dla tradycyjnych metod inspekcji ręcznej?

Ponieważ firmy energetyczne są zobowiązane do przeprowadzania częstszych inspekcji, poziom gromadzenia danych wzrasta lawinowo. Firmy energetyczne gromadzą 5-10 razy więcej danych niż dawniej, często gromadząc setki tysięcy i miliony zdjęć rocznie. Obecny proces analizy tych danych jest wykonywany ręcznie, przez linemenów i techników polowych, co jest bardzo czasochłonnym i nie skalowalnym procesem. Im częstsze są inspekcje, tym proces ręczny staje się droższy, bardziej czasochłonny i naraża na większe ryzyko awarii infrastruktury z powodu nieprzetworzonych danych w odpowiednim czasie.

Jaki rodzaj danych wizualnych jest gromadzony w terenie?

Obecnie w terenie gromadzone są zdjęcia i strumienie wideo za pomocą dronów, helikopterów, samolotów z napędem stałym i nawet urządzeń naziemnych do gromadzenia danych. Drony stają się coraz bardziej powszechne jako środek inspekcji, ponieważ mogą latać bliżej struktur i gromadzić zdjęcia z różnych kątów, co nie jest możliwe z samolotami załogowymi. Drony mogą gromadzić obrazy różnych komponentów elektrycznych, struktur sieciowych, otaczającej roślinności i lokalizacji. To umożliwia bardziej kompleksową inspekcję, dzięki czemu firma energetyczna może lepiej zrozumieć stan każdego komponentu infrastruktury dla linii przesyłowych i rozdzielczych oraz stacji transformatorowych.

Jaki rodzaj oszczędności kosztów jest widoczny przy analizie tych obrazów za pomocą sztucznej inteligencji w porównaniu z analizą ręczną?

Analiza obrazów za pomocą sztucznej inteligencji zapewnia znaczne oszczędności kosztów, które wzrastają z czasem. Sztuczna inteligencja zapewnia bezpośrednie, początkowe oszczędności kosztów o około 50% w porównaniu z analizą ręczną, a z czasem te oszczędności wzrastają wykładniczo, ponieważ sztuczna inteligencja śledzi trendy i staje się coraz mądrzejsza. To umożliwia bardziej ukierunkowane i poinformowane inspekcje oraz zapewnia linemenom dodatkowe oszczędności, dostarczając lepsze informacje, aby mogli szybciej i wyraźniej zaplanować ścieżkę konserwacji.

Technologia Buzz Solutions może zidentyfikować, co należy naprawić w ciągu zaledwie kilku godzin, mogłabyś omówić sztuczną inteligencję, która umożliwia to?

Algoritmy PowerAI Machine Vision są szkolone do wykrywania określonej listy anomalii dla infrastruktury energetycznej. Spędziliśmy dwa lata na budowaniu tych algorytmów od podstaw i agregowaniu różnorodnych zestawów danych z różnych geografii i czasów, aby nauczyć sztuczną inteligencję obejmowania tych awarii. Mamy przewagę, ponieważ nasza sztuczna inteligencja została przeszkolona na rzeczywistych obrazach, a nie “syntetycznych” obrazach, a nasza dokładność wykrywania i przewidywania awarii sprzętu jest znacznie wyższa niż średnia branżowa. To oznacza, że firmy energetyczne mogą naprawić problemy znacznie szybciej i efektywniej.

Dodatkowo, nasza sztuczna inteligencja wykorzystuje sztuczną inteligencję z ludzkim uczestnictwem, gdzie technicy polowi i inżynierowie wprowadzają dane z powrotem do sztucznej inteligencji, umożliwiając modelowi stanie się mądrzejszym i bardziej personalizowanym z czasem. Kompletna lista trybów awarii, które algorytmy PowerAI wykrywają dzisiaj, została pochodząca z największych potrzeb, które firmy energetyczne wyraziły.

Mogłabyś omówić system analityki predykcyjnej, który jest używany i korzyści, które oferuje?

Buzz śledzi trendy i awarie aktywów firm energetycznych w czasie, pomagając systemom sztucznej inteligencji i uczenia maszynowego stać się silniejszymi, bardziej personalizowanymi i wydajniejszymi. To również popycha systemy do pochodzenia wniosków z tych trendów i przewidywania obszarów, które mogą być bardziej podatne na potencjalne awarie, czyli “gorące punkty”. To jest miejsce, w którym prawdziwy potencjał systemu analityki predykcyjnej wchodzi w grę i umożliwia firmom energetycznym lepsze zrozumienie, gdzie i kiedy ich sprzęt może ulec awarii.

Mogłabyś omówić swoje plany dotyczące również celu sektora wiatrowego i słonecznego?

Do tej pory Buzz skupił się na staniu się najdokładniejszym i najbardziej skutecznym rozwiązaniem sztucznej inteligencji w przestrzeni inspekcji energetycznej. Powiedzmy, że istnieją inne obszary infrastruktury, w tym generacja energii odnawialnej, gdzie analityka inspekcji jest potrzebna i bardzo wartościowa. Buzz planuje rozszerzyć się poza przestrzeń inspekcji T&D i ogłosi więcej konkretnych planów rozszerzenia rynku, gdy dodamy nowe przypadki użycia do naszego portfolio.

Jak optymalizacja sektora energetycznego pomaga w walce z zmianą klimatu?

Buzz Solutions pomaga w wysiłkach związanych z zrównoważonym rozwojem i pomaga w niektórych z największych problemów związanych ze zmianą klimatu, które mamy dzisiaj, umożliwiając zmniejszenie katastrof spowodowanych przez awarie sieci, zmniejszenie emisji i zwiększenie niezawodności sieci. Nasze wykrywanie awarii oparte na sztucznej inteligencji zmniejsza pożary wywołane przez awarie aktywów, gdy powiadamiamy firmy energetyczne o awariach i roślinności zakłócającej infrastrukturę.

Dodatkowo, nasze systemy wskazują typowe obszary awarii (“gorące punkty”). Przewidziane obszary “gorących punktów” umożliwiają ukierunkowane inspekcje, zamiast helikopterów lecących bez celu przez setki mil. Inspekcje ukierunkowane pomagają firmom energetycznym zmniejszyć emisje dwutlenku węgla i prowadzą do przewidywalnych reakcji zamiast reakcji następczych. Nasza technologia umożliwia bardziej odporną i stabilną sieć, pozwalając na efektywną penetrację źródeł energii odnawialnej do infrastruktury sieciowej.

Mogłabyś omówić swoją ogólną wizję cyfrowej transformacji sektora energetycznego?

Buzz Solutions jest na czele cyfrowej transformacji procesu inspekcji i konserwacji dla firm energetycznych. Chociaż gromadzenie większej ilości danych jest ważne, jeszcze ważniejsze jest skuteczne zarządzanie danymi i pochodzenie wniosków z tych informacji. To jest miejsce, w którym Buzz jest szczególnie wartościowy.

Nasze rozwiązanie PowerAI nie tylko zapewnia szybkie informacje o bieżącym stanie infrastruktury, ale także śledzi te dane i powiadamia firmę energetyczną o obszarach, które stanowią największe ryzyko dla sieci. PowerAI umożliwia szybsze ulepszanie komponentów i bardziej efektywną ścieżkę w kierunku modernizacji sieci. Cyfrowa transformacja w sektorze umożliwiła bezproblemowe gromadzenie danych, ale siła danych polega na tym, aby przekształcić surowe dane w spójny obraz i pochodzenie konkretnych wniosków z tych informacji.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Buzz Solutions.