Kaitlyn Albertoli Fundadora da Buzz Solutions – Série de Entrevistas

Kaitlyn Albertoli é a fundadora da Buzz Solutions, uma empresa de inteligência artificial que fornece detecção de falhas de ativos e análise preditiva para inspeções de linhas de energia, proporcionando economias críticas na prevenção de linhas caídas, apagões e incêndios florestais causados por falhas na infraestrutura da grade.

A Buzz Solutions foi fundada como parte do curso Stanford Launchpad em 2017, pode compartilhar alguns detalhes sobre esses primeiros dias?

Nós começamos a Buzz Solutions para atender a uma necessidade crítica que surgiu durante os primeiros dias de inspeções de infraestrutura de utilidades de energia. Durante esse período crucial, as empresas de utilidades começaram a coletar mais dados visuais para garantir e permitir inspeções minuciosas e frequentes. Desde o início, passamos muito tempo analisando os pontos fracos das utilidades, bem como entendendo a visão de curto e longo prazo para seus programas de inspeção.

Reconhecendo que cada utilidade tem seus próprios meios únicos de inspeção e processo de rotina, ficou claro que o melhor ponto de entrada no mercado era através de algoritmos de inteligência artificial altamente precisos e flexíveis. Nos dois primeiros anos, nossa missão foi construir os algoritmos mais precisos e facilmente retreináveis do mercado que as empresas de utilidades pudessem implantar diretamente em seus sistemas existentes. Lançamos o produto oficial Buzz Solutions PowerAI no mercado de utilidades em agosto de 2019.

As utilidades são obrigadas a inspecionar toda a infraestrutura de transmissão e distribuição, por que isso é um problema para os métodos de inspeção manuais legados?

À medida que as utilidades são obrigadas a realizar inspeções mais frequentes, os níveis de coleta de dados estão aumentando exponencialmente. As empresas de utilidades estão coletando 5-10 vezes mais dados do que os níveis históricos, muitas vezes coletando centenas de milhares e milhões de imagens anualmente. O processo de análise atual desses dados é feito manualmente, com linhas e técnicos de campo, o que é um processo altamente tedioso e não escalável. À medida que as inspeções se tornam mais frequentes, o processo manual se torna mais caro, demorado e propenso a falhas de infraestrutura devido à demora na análise dos dados.

Que tipo de dados de processamento visual é capturado no campo?

Imagens e fluxos de vídeo são atualmente capturados no campo usando drones, helicópteros, aeronaves de asa fixa e até mesmo captura de dados baseada em solo. Os drones estão se tornando um meio mais comum de inspeção porque podem voar mais perto das estruturas e coletar imagens de vários ângulos que não são possíveis com aeronaves tripuladas. Os drones podem capturar imagens visuais de vários componentes elétricos, estruturas de grade de energia, vegetação circundante e locais. Isso permite uma inspeção mais abrangente, para que uma utilidade possa entender melhor a saúde de cada componente de infraestrutura para linhas de energia e subestações de T&D.

Que tipo de economia é vista ao analisar essas imagens com inteligência artificial em vez de análise manual?

Analisar imagens com inteligência artificial fornece uma economia tremenda, que continua a aumentar com o tempo. A inteligência artificial fornece uma economia direta e inicial de cerca de 50% em comparação com a análise manual, e com o tempo, essas economias aumentam exponencialmente à medida que a inteligência artificial rastreia tendências e se torna mais inteligente com o tempo. Isso permite inspeções mais direcionadas e informadas e fornece aos linhas adicionais economias ao fornecer informações mais claras e rápidas para que eles possam planejar um caminho para a manutenção.

A tecnologia da Buzz Solutions pode identificar o que precisa ser consertado em apenas algumas horas, pode discutir a inteligência artificial usada para permitir isso?

Os algoritmos de visão de máquina da PowerAI são treinados para detectar uma lista específica de anomalias para infraestrutura de utilidades. Passamos dois anos construindo esses algoritmos do zero e agregando conjuntos de dados variados em diferentes geografias e cronogramas para treinar a inteligência artificial para abranger essas falhas. Uma vantagem que temos é que treinamos nossa inteligência artificial com imagens reais em vez de “imagens sintéticas” e nossa precisão na identificação e previsão de falhas de equipamentos ou problemas é significativamente maior do que a média da indústria. Isso significa que as utilidades podem consertar problemas muito mais rapidamente e de forma eficiente.

Além disso, nossa inteligência artificial aproveita o human-in-the-loop treinamento, onde os técnicos de campo e engenheiros alimentam dados de volta na inteligência artificial, permitindo que o modelo se torne mais inteligente e personalizado com o tempo. A lista abrangente de modos de falha que os algoritmos da PowerAI detectam hoje foram derivados das maiores necessidades expressas pelas utilidades.

Pode discutir o sistema de análise preditiva usado e os benefícios que ele oferece?

A Buzz Solutions rastreia tendências e falhas de ativos de utilidades ao longo do tempo, ajudando a inteligência artificial e os sistemas de aprendizado de máquina a se tornarem mais fortes, personalizados e eficientes. Isso também impulsiona os sistemas a derivar insights dessas tendências e prever áreas que podem ser mais propensas a falhas, ou “pontos quentes”. É aqui que o verdadeiro potencial de um sistema de análise preditiva entra em jogo e permite que as utilidades tenham uma visão mais clara de onde e quando seus equipamentos podem falhar.

Pode discutir seus planos para também atingir o setor de energia eólica e solar?

Até o momento, a Buzz Solutions se concentrou em se tornar a solução de inteligência artificial mais precisa e eficaz no espaço de inspeção de utilidades. No entanto, há muitas outras áreas de infraestrutura, incluindo geração de energia renovável, onde a análise de inspeção é necessária e é muito valiosa. A Buzz Solutions tem planos para expandir além do espaço de inspeção de T&D e fará anúncios sobre algumas dessas expansões de mercado mais concretas à medida que adicionamos novos casos de uso ao nosso portfólio.

Como a otimização do setor de energia ajuda a combater as mudanças climáticas?

A Buzz Solutions ajuda nos esforços de sustentabilidade e auxilia em alguns dos maiores problemas climáticos que enfrentamos hoje, permitindo desastres de grade reduzidos, emissões reduzidas e confiabilidade de grade aumentada. Nossa detecção de falhas baseada em inteligência artificial reduz incêndios florestais causados por ativos defeituosos, pois alertamos as utilidades para falhas e vegetação que invade a infraestrutura.

Além disso, nossos sistemas sinalizam áreas comuns de falha (“pontos quentes”). Áreas de “pontos quentes” pré-determinadas permitem inspeções direcionadas, em vez de helicópteros voando aleatoriamente por centenas de milhas. Inspeções direcionadas ajudam as utilidades a reduzir as emissões de carbono e promover respostas preditivas em vez de ações reativas. Nossa tecnologia permite uma grade mais resiliente e estável, permitindo a penetração eficiente de recursos de energia renovável na infraestrutura da grade.

Pode discutir sua visão geral da transformação digital do setor de utilidades?

A Buzz Solutions está à frente da transformação digital do fluxo de trabalho de inspeção e manutenção para utilidades de energia. Embora a coleta de mais dados seja importante, é ainda mais significativo gerenciar com sucesso os dados e derivar insights ações dessas informações. É aqui que a Buzz Solutions é particularmente valiosa.

Não apenas nossa solução PowerAI fornece insights rápidos sobre a saúde atual da infraestrutura, mas também rastreia esses dados e alerta uma utilidade para uma área que apresenta o maior risco potencial para a grade. O PowerAI permite a atualização mais rápida de componentes e um caminho mais eficiente para a modernização da grade. A transformação digital no setor permitiu a coleta de dados sem interrupções, mas o poder dos dados está em ser capaz de transformar os dados brutos em uma imagem coesa e derivar insights específicos dessas informações.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Buzz Solutions.