Encontrando Parcerias Reais: Como as Empresas de Serviços Públicos Estão Avaliando Fornecedores de Inteligência Artificial

O mundo da energia está passando por uma mudança massiva, repensando sistemas projetados há mais de um século para dar lugar ao surgimento de tecnologias mais inteligentes e limpas. É um momento emocionante – praticamente todas as indústrias estão se electrificando de alguma forma, os veículos elétricos (VEs) estão ganhando tração no mercado e há uma transição ativa para apoiar Recursos Energéticos Distribuídos (REDs), “recursos energéticos de pequena escala” geralmente localizados perto dos locais de uso de eletricidade, como painéis solares no telhado e armazenamento de bateria. O último é um grande negócio, e como a Agência Internacional de Energia (AIE) destaca, a expansão rápida dos REDs “transformará não apenas a forma como a eletricidade é gerada, mas também como é comercializada, entregue e consumida” em frente.

Para um observador, todas essas mudanças são positivas, sustentáveis e tardias. Mas, na prática, a aceleração rápida da energia renovável e da eletrificação está criando estresse adicional e esticando os limites da nossa rede. Além da pressão dos 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, tempestades de inverno severas nos EUA – todos resultando em um aumento exponencial nos custos de inspeção, manutenção e reparo. Os líderes do setor de serviços públicos agora estão focados em aumentar a modernização da rede, confiabilidade e resiliência.

Tire uma Fotografia, Ela Durará Mais

Para as empresas de serviços públicos, seus equipamentos são frequentemente seus ativos mais importantes e exigem manutenção constante e meticulosa. Realizar essa manutenção depende de um fluxo constante de dados (geralmente na forma de imagens) que as empresas de serviços públicos possam analisar para detectar anomalias operacionais. Coletar esses dados é feito de muitas maneiras, desde drones e aeronaves de asa fixa até trabalhadores de linha que caminham 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 as empresas de serviços públicos agora estão coletando 5-10 vezes a quantidade de dados que coletaram nos últimos anos.

Todos esses dados estão tornando o ciclo de trabalho de inspeção já lento ainda mais lento. Em média, as empresas de serviços públicos gastam o equivalente a 6-8 meses de horas de trabalho por ano analisando dados de inspeção. (Fornecido por entrevista com cliente de serviços públicos da Costa Oeste que coleta 10 milhões de imagens por ano) Um grande motivo para isso é que essa análise ainda é feita principalmente manualmente, e quando uma empresa captura milhões de imagens de inspeção por ano, o processo se torna selvagemente inscalável. Analisar anomalias é tão demorado que a maior parte dos dados está desatualizada no momento em que é revisada, levando a informações imprecisas na melhor das hipóteses e inspeções repetidas ou condições perigosas na pior. Isso é um grande problema, com altos riscos. Analistas estimam que o setor de energia perde $170 bilhões por ano devido a falhas na rede, desligamentos forçados e desastres em massa.

Construindo a Empresa de Serviços Públicos do Futuro com Inspeções de Infraestrutura Impulsionadas por IA

Tornar nossa rede mais confiável e resiliente exigirá duas coisas – dinheiro e tempo. Felizmente, é aqui que a nova tecnologia e inovação podem ajudar a agilizar o processo de inspeção. O impacto da inteligência artificial (IA) e do aprendizado de máquina (ML) no setor de serviços públicos não pode ser superestimado. A IA/ML está em casa neste 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 há um amplo acordo na indústria de que a IA/ML “tem o potencial de identificar equipamentos em 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, construir seu próprio programa personalizado de IA/ML internamente é um processo lento e trabalhoso cheio de complicações e obstáculos. Esses desafios fizeram com que muitas empresas de serviços públicos buscassem apoio adicional de consultores e fornecedores externos.

3 Coisas a Considerar ao Avaliar um Parceiro Potencial de IA/ML

Ao procurar por um parceiro de IA/ML, as ações importam mais do que as palavras. Há muitas empresas astutas que podem prometer o mundo, mas os líderes dos serviços públicos devem se concentrar em vários métricas importantes para avaliar o impacto com precisão. Entre as mais importantes está como o fornecedor descreve/delivera:

Crescimento do Modelo ao Longo do Tempo – Construir conjuntos de dados variados (dados que têm muitas anomalias para analisar) leva um tempo significativo (geralmente vários anos) e certos tipos de anomalias não ocorrem com frequência suficiente para treinar um modelo de IA bem-sucedido. Por exemplo, treinar um algoritmo para detectar coisas como podridão, buracos de pica-pau ou amortecedores enferrujados pode ser desafiador se não ocorrerem com frequência suficiente 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 a qualidade e variedade.

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

Qualidade/Exatidão – Na ausência de dados reais para programas de IA/ML, as empresas às vezes suplementam dados sintéticos (ou seja, dados que foram criados artificialmente por algoritmos de computador) para preencher lacunas. É uma prática popular, e analistas preveem que 60% de todos os dados usados no desenvolvimento de IA serão sintéticos (em vez de reais) já em 2024. Mas, embora os dados sintéticos sejam bons para cenários teóricos, eles não se saem bem em ambientes do mundo real onde você precisa de dados do mundo real (e intervenções humanas no loop) para autocorrigir. Considere perguntar ao fornecedor sobre a mistura de dados reais versus sintéticos para garantir que a divisão faça sentido.

E lembre-se, o trabalho não termina assim que você selecionou seu parceiro. Uma nova ideia da Gartner é realizar eventos regulares de “Bake-Off de IA” – descrito como “sessões rápidas e informativas que permitem que você veja os fornecedores lado a lado usando demos scriptadas e um conjunto de dados comum em um ambiente controlado” para avaliar as forças e fraquezas de cada um. Esse processo estabelece métricas claras que estão diretamente relacionadas à escalabilidade e confiabilidade dos algoritmos de IA/ML que, por sua vez, alinham-se com os objetivos comerciais dos serviços públicos.

Impulsionando o Futuro da Indústria de Serviços Públicos

Desde integrações de fluxo de trabalho mais eficientes até detecção de anomalias de IA sofisticada, a indústria de serviços públicos está em um caminho muito mais brilhante do que há apenas alguns anos. Essa inovação precisará continuar, especialmente à medida que as exigências de inspeção de T&D estão programadas para dobrar até 2030 e o governo anunciou manutenção e defesa de infraestrutura de energia como prioridades de segurança nacional de topo.

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