A Buzz Solutions Levanta $20 Milhões em Série A para Expandir Inteligência de Grade Impulsionada por IA

Buzz Solutions levantou $20 milhões em uma rodada de financiamento de Série A super-subscrita à medida que as empresas de serviços públicos buscam maneiras mais rápidas de inspecionar, manter e fortalecer a infraestrutura de energia cada vez mais complexa.

S3 Ventures liderou a rodada, com um investimento significativo de GoPoint Ventures. Os investidores existentes HearstLab e Blackhorn Ventures também participaram. A Buzz Solutions disse que o capital apoiará o desenvolvimento de produtos, a expansão da equipe de marketing e implantações mais profundas com clientes de serviços públicos.

A empresa com sede em Palo Alto desenvolve software de inteligência artificial que analisa dados de inspeção visual coletados de infraestrutura, como linhas de transmissão, subestações e instalações de energia solar em escala de utilidade. Seus clientes incluem Dominion Energy (D ), American Electric Power (AEP ) e a New York Power Authority.

Levando a Inspeção de Grade Além da Revisão Manual de Imagens

As empresas de serviços públicos vêm adotando cada vez mais drones, helicópteros, aeronaves de asa fixa, câmeras térmicas e outros sistemas de imagem para inspecionar a infraestrutura. Essas tecnologias podem coletar muito mais dados do que as inspeções de campo tradicionais, mas também criam um novo desafio: processar milhares ou até milhões de imagens rapidamente o suficiente para influenciar as decisões de manutenção.

A plataforma PowerAI da Buzz Solutions é projetada para resolver esse gargalo. Ela ingere imagens de programas de inspeção aérea e terrestre, associa imagens a estruturas específicas, identifica possíveis defeitos e ajuda a classificar problemas com base em sua gravidade.

A plataforma pode analisar imagens em RGB e térmicas para problemas, como postes danificados, cruzetas deterioradas, transformadores superaquecidos, invasão de vegetação, danos a isoladores e ninhos de pássaros. Os resultados podem ser enviados para sistemas de informações geográficas, plataformas de ordens de serviço e software de gerenciamento de ativos por meio de integrações e interfaces de programação de aplicações.

Esse fluxo de trabalho é importante porque identificar um defeito é apenas uma parte do gerenciamento de infraestrutura. As empresas de serviços públicos também devem determinar onde o ativo afetado está localizado, avaliar a urgência com que ele precisa de atenção, atribuir trabalho e acompanhar a condição desse ativo ao longo do tempo.

PowerAI Combina Visão Computacional com Supervisão Humana

A Buzz Solutions afirma que seus modelos foram ajustados usando mais de uma década de imagens de utilidades, e não apenas treinados em conjuntos de dados de demonstração menores. A plataforma atualmente inclui mais de 50 modelos de inteligência artificial e pode processar mais de 5,8 imagens por segundo, com base em números publicados pela empresa.

O PowerAI também inclui capacidades de revisão humana. Os inspetores podem validar detecções, corrigir saídas de modelo e melhorar a precisão à medida que o sistema encontra tipos e condições operacionais adicionais de infraestrutura.

Essa combinação de automação e revisão humana é particularmente relevante em ambientes de utilidades, onde falsos positivos podem criar trabalho de campo desnecessário, enquanto um defeito perdido pode contribuir para falhas de equipamento, interrupções ou riscos de segurança.

A Buzz oferece várias versões da plataforma. As empresas de serviços públicos podem começar com o gerenciamento centralizado de dados de inspeção e revisão manual antes de se mover em direção à análise de imagem automatizada, mapeamento de sistema de informações geográficas, análise avançada e integrações com sistemas de trabalho e gerenciamento de ativos.

Estendendo a Plataforma em Toda a Grade

O PowerAI foi inicialmente focado em infraestrutura de transmissão e distribuição, mas a Buzz Solutions expandiu a plataforma para subestações e energia solar em escala de utilidade.

Para redes de distribuição, o software pode associar imagens de inspeção a postes e estruturas individuais antes de analisá-las para hardware danificado, problemas de transformador ou riscos de vegetação. As equipes de transmissão podem usar a plataforma de forma semelhante para inventariar ativos e monitorar alterações de condição em redes grandes.

Nas subestações, a empresa usa imagens de câmeras fixas e drones acoplados para monitorar eventos de segurança, preocupações de segurança e condições de equipamento. Vídeos ópticos e térmicos podem ser analisados para eventos, como entrada não autorizada, fumaça, fogo ou assinaturas de calor anormais, com alertas entregues por meio de painéis, e-mail ou mensagens de texto. As implantações podem ser baseadas em nuvem ou instaladas localmente, dependendo dos requisitos operacionais e de segurança cibernética da empresa de serviços públicos.

A oferta de energia solar aplica visão computacional a imagens RGB e térmicas coletadas por drones. Ela é projetada para ajudar os operadores a identificar pontos quentes, rachaduras de painel e falhas de string antes que esses problemas reduzam materialmente a saída.

Implantações de Utilidades Vão Além de Pequenos Projetos Piloto

A Buzz Solutions disse que o número de clientes triplicou durante o ano passado, enquanto a receita aumentou 400%. A empresa também publicou vários exemplos de empresas de serviços públicos aplicando a plataforma a programas de inspeção maiores.

A Dominion Energy usou o PowerAI para processar 74.000 imagens que cobriam aproximadamente 47.000 torres de transmissão em três horas e meia, de acordo com a Buzz Solutions. A AEP Texas usou a plataforma para analisar mais de 88.000 imagens à medida que trabalha para encurtar os ciclos de inspeção em um território de distribuição exposto a furacões e incêndios florestais.

A New York Power Authority integrou os resultados da inspeção com o Esri, IBM Maximo e seus sistemas de mídia internos. A Buzz Solutions relata que a empresa de serviços públicos reduziu o tempo de análise manual em 70%, permitindo que grandes volumes de imagens de inspeção sejam avaliados em horas ou dias, em vez de meses.

Essas implantações ilustram a mudança mais ampla que está ocorrendo agora em programas de inteligência artificial de utilidades. Em vez de avaliar modelos isolados, algumas empresas de serviços públicos estão começando a conectar a análise de IA diretamente com registros de ativos, prioridades de manutenção e sistemas operacionais existentes.

Aumento da Demanda de Eletricidade Adiciona Urgência

O financiamento chega à medida que os Estados Unidos entram em um período de crescimento renovado da demanda de eletricidade. A Administração de Informações de Energia dos EUA relatou que o consumo de eletricidade nacional aumentou em média 2,1% ao ano nos últimos cinco anos, com a demanda de servidores de centros de dados surgindo como um contribuinte importante.

A agência espera que o consumo de eletricidade continue aumentando até 2050, revertendo mais de uma década de demanda relativamente plana.

Os centros de dados de inteligência artificial são apenas uma fonte de pressão. As empresas de serviços públicos também devem conectar geração de energia renovável, apoiar a elettrificação de transporte e indústria e manter a infraestrutura que pode ter sido operada por décadas.

Construir nova capacidade de geração e transmissão continua sendo essencial, mas as empresas de serviços públicos também devem extrair mais confiabilidade da infraestrutura existente. A identificação mais precoce de equipamentos deteriorados poderia permitir que as equipes de manutenção abordem problemas antes que se tornem interrupções, incidentes de segurança ou reparos de emergência caros.

O Futuro do Gerenciamento de Grade Assistido por IA

A importância mais ampla de plataformas como o PowerAI reside em como elas podem mudar a forma como as empresas de serviços públicos gerenciam a infraestrutura ao longo do tempo. Hoje, muitos programas de inspeção permanecem periódicos e reativos, com ativos examinados em horários fixos ou após tempestades, interrupções e falhas de equipamento. À medida que os dados visuais se tornam mais fáceis de coletar e analisar, as empresas de serviços públicos podem se mover em direção a um gerenciamento de manutenção mais contínuo e baseado em riscos.

Nesse modelo, a inteligência artificial ajudaria a identificar alterações sutis na condição do ativo, comparar a imagem atual com inspeções anteriores e destacar o equipamento que parece estar se deteriorando mais rapidamente do que o esperado. Os cronogramas de manutenção poderiam ser baseados menos na idade ou nos ciclos de inspeção e mais na condição real e no perfil de risco de cada ativo.

A tecnologia também pode se tornar mais valiosa à medida que as empresas de serviços públicos implantam frotas maiores de drones, câmeras fixas, sensores térmicos e outros sistemas de monitoramento. Sem análise automatizada, o volume de dados gerado por essas ferramentas pode sobrecarregar as equipes de inspeção. Os sistemas de IA podem servir cada vez mais como uma camada de filtragem, direcionando especialistas humanos para as imagens, ativos e anomalias mais prováveis de exigir atenção.

Com o tempo, essas capacidades podem apoiar representações digitais mais detalhadas da grade, combinando inspeções visuais com dados climáticos, histórico de interrupções, condições de vegetação e registros de manutenção. Isso permitiria que as empresas de serviços públicos modelassem como defeitos individuais podem afetar redes mais amplas e priorizassem reparos com base em seu impacto potencial na confiabilidade e segurança pública.

A mudança também introduzirá questões importantes sobre a precisão do modelo, segurança cibernética, transparência e responsabilidade. As empresas de serviços públicos precisarão entender por que um sistema sinalizou um ativo específico, quão confiante está nessa avaliação e quando a revisão humana é necessária. Como as decisões envolvem infraestrutura crítica, as recomendações de IA provavelmente permanecerão parte de um processo supervisionado, em vez de se tornarem totalmente autônomas.

Se esses desafios puderem ser abordados, a visão computacional pode evoluir de uma ferramenta para revisar imagens de inspeção para um componente mais central do planejamento e manutenção da grade. O impacto a longo prazo não seria necessariamente menos inspetores, mas uma mudança na forma como seu tempo é usado, com mais atenção direcionada aos ativos e locais onde a intervenção pode fazer a maior diferença.