Encontrando parcerias reais: como as empresas de serviços públicos estão avaliando os fornecedores de inteligência artificial

O mundo da energia está passando por grandes mudanças, repensando os sistemas projetados há mais de um século para abrir espaço para o surgimento de tecnologias mais inteligentes e limpas. É um momento empolgante – praticamente todos os setores estão se eletrificando de alguma forma, os veículos elétricos (EVs) estão ganhando força no mercado e há uma transição ativa para apoiar os Recursos de Energia Distribuída (DERs), “recursos de energia de pequena escala” geralmente situados perto de locais de uso de eletricidade, como painéis solares no telhado e armazenamento em bateria. Esse último é um grande negócio, e como o Associação Internacional de Energia (AIE) aponta, a rápida expansão dos DERs “transformará não apenas a forma como a eletricidade é gerada, mas também como ela é comercializada, entregue e consumida” daqui para frente.

Para um observador, toda essa mudança é positiva, sustentável e há muito esperada. Mas, na prática, a rápida aceleração da energia renovável e da eletrificação está criando estresse adicional e forçando os limites de nossa rede. Juntamente com a pressão das energias renováveis, os sistemas de energia do mundo também enfrentam desafios críticos de eventos climáticos extremos relacionados às mudanças climáticas em curso – secas na Europa, ondas de calor na Índia, fortes tempestades de inverno nos EUA – tudo resultando em um aumento exponencial na inspeção, manutenção , e custos de reparo. Os líderes no setor de serviços públicos agora estão focados em aumentar a modernização, confiabilidade e resiliência da rede.

Tire uma foto, vai durar mais

Para empresas de serviços públicos, seus equipamentos costumam ser o ativo mais importante e requerem manutenção constante e meticulosa. A execução dessa manutenção depende de um fluxo constante de dados (geralmente na forma de imagens) que as concessionárias podem analisar para detectar anomalias operacionais. A coleta desses dados é feita de várias maneiras, desde drones e aeronaves de asa fixa até trabalhadores de linha caminhando fisicamente pelo local. E com novas tecnologias como UAVs/drones e câmeras de helicóptero de alta resolução, a quantidade de dados aumentou astronomicamente. Sabemos, por nossas conversas com muitas empresas de serviços públicos, que os serviços públicos estão reunindo 5 a 10 vezes a quantidade de dados que coletaram nos últimos anos.

Todos esses dados estão tornando o já lento ciclo de trabalho das fiscalizações ainda mais lento. Em média, as concessionárias gastam o equivalente a 6-8 meses de horas de trabalho por ano analisando dados de inspeção. (Fornecida pela entrevista com o cliente da West Coast, coletando 10 milhões de imagens por ano) Um grande motivo para esse excesso é que essa análise ainda é feita manualmente e, quando uma empresa captura milhões de imagens de inspeção a cada ano, o processo se torna extremamente inescalável. A análise de anomalias consome tanto tempo que a maioria dos dados está desatualizada no momento em que é realmente revisada, levando a informações imprecisas na melhor das hipóteses e inspeções repetidas ou condições perigosas na pior das hipóteses. Este é um grande problema, com altos riscos. estimativa dos analistas que o setor de energia perde $ 170 bilhões a cada ano devido a falhas de rede, desligamentos forçados e desastres em massa.

Construindo o utilitário do futuro com inspeções de infraestrutura baseadas em IA

Tornar a nossa rede mais fiável e resiliente exigirá duas coisas – dinheiro e tempo. Felizmente é aqui que as novas tecnologias e inovações podem ajudar a agilizar o processo de inspeção. O impacto da inteligência artificial (IA) e da aprendizagem automática (ML) no setor dos serviços públicos não pode ser exagerado. A IA/ML se adapta perfeitamente a esse ambiente rico em dados e, à medida que o volume de dados aumenta, a capacidade da IA ​​de traduzir montanhas de informações em insights significativos melhora. De acordo com o Utility Dive, já existe “um amplo consenso na indústria de que [AI/ML] tem o potencial de identificar equipamentos com risco de falha de uma maneira muito mais rápida e segura do que o método atual”, que depende de inspeções manuais.

Embora a promessa dessa tecnologia seja indiscutível, criar seu próprio programa personalizado de IA/ML internamente é um processo lento e trabalhoso, repleto de complicações e obstáculos. Esses desafios fizeram com que muitas empresas de serviços públicos buscassem suporte adicional de consultores e fornecedores externos.

3 coisas a considerar ao avaliar um potencial parceiro de IA/ML

Ao procurar um parceiro AI/ML, as ações são mais importantes do que as palavras. Existem muitas empresas inteligentes por aí que podem prometer a lua, mas os líderes de serviços públicos devem se aprofundar em várias métricas importantes para avaliar com precisão o impacto. Entre as mais importantes está a forma como o fornecedor descreve/entrega:

Crescimento do modelo ao longo do tempo – Construir conjuntos de dados variados (dados com muitas anomalias para analisar) leva um tempo significativo (geralmente vários anos) e certos tipos de anomalias não ocorrem com uma frequência alta o suficiente para treinar um modelo de IA bem-sucedido. Por exemplo, treinar um algoritmo para identificar coisas como podridão, buracos de pica-pau ou amortecedores enferrujados pode ser um desafio se eles não ocorrerem com frequência em sua região. Portanto, certifique-se de perguntar ao fornecedor de IA/ML não apenas sobre a quantidade de seus conjuntos de dados, mas também sobre sua qualidade e variedade.

Velocidade – Tempo é dinheiro, e qualquer fornecedor respeitável de AI/ML deve ser capaz de mostrar claramente como sua oferta acelera o processo de inspeção. Por exemplo, A Buzz Solutions fez parceria com a New York Power Authority (NYPA) para fornecer uma plataforma baseada em IA projetada para reduzir significativamente o tempo necessário para inspeção e análise. O resultado foi um programa capaz de analisar imagens de ativos em horas ou dias, em vez dos meses que levava antes. Essa economia de tempo permitiu que os grupos de manutenção da NYPA priorizassem os reparos e reduzissem o potencial de falha.

Qualidade/Precisão – Na ausência de dados reais para programas de IA/ML, as empresas por vezes complementam dados sintéticos (ou seja, dados que foram criados artificialmente por algoritmos informáticos) para preencher lacunas. É uma prática popular e analistas prevêem que 60% de todos os dados usados ​​no desenvolvimento da IA ​​serão sintéticos (em vez de reais) até 2024. Mas, embora os dados sintéticos sejam bons para cenários teóricos, eles não funcionam bem em ambientes do mundo real onde você precisa dados do mundo real (e humano no circuito intervenções) para se autocorrigir. Considere pedir ao fornecedor sua mistura de dados reais e sintéticos para garantir que a divisão faça sentido.

E lembre-se, o trabalho não termina depois que você seleciona seu parceiro. Uma nova ideia do Gartner está se mantendo regular “IA Bake-Off” eventos – descritos como “sessões informativas de ritmo acelerado que permitem que você veja fornecedores lado a lado usando demonstrações com script e um conjunto de dados comum em um ambiente controlado” para avaliar os pontos fortes e fracos de cada um. Esse processo estabelece métricas claras que estão diretamente relacionadas à escalabilidade e confiabilidade dos algoritmos de IA/ML que se alinham aos objetivos de negócios da concessionária.

Impulsionando o futuro da indústria de serviços públicos

De integrações de fluxo de trabalho mais eficientes à sofisticada detecção de anomalias de IA, o setor de serviços públicos está em um caminho muito mais brilhante do que alguns anos atrás. Essa inovação precisará continuar, especialmente porque os mandatos de inspeção de T&D devem dobrar até 2030 e o governo anunciou manutenção de infraestrutura de energia e defesa como principais prioridades de segurança nacional.

Há mais trabalho pela frente, mas um dia olharemos para trás como um período divisor de águas, um momento em que os líderes da indústria se empenharam para investir no futuro de nossa rede de energia e trazer serviços públicos para a era moderna.