Hľadanie skutočných partnerstiev: Ako spoločnosti poskytujúce služby hodnotia predajcov umelej inteligencie

Svet energetiky prechádza masívnymi zmenami, prehodnocuje systémy navrhnuté pred viac ako storočím, aby vytvorili priestor pre vzostup inteligentnejších a čistejších technológií. Je to vzrušujúce obdobie – prakticky každé odvetvie sa nejakým spôsobom elektrifikuje, elektrické vozidlá (EV) získavajú trhovú trakciu a dochádza k aktívnemu prechodu na podporu distribuovaných energetických zdrojov (DER), „malých energetických zdrojov“, ktoré sa zvyčajne nachádzajú v blízkosti lokalít. spotreby elektrickej energie, ako sú strešné solárne panely a skladovanie batérií. To posledné je veľká vec a ako Medzinárodná energetická asociácia (IEA) poukazuje na to, že rýchle rozšírenie DER „zmení nielen spôsob výroby elektriny, ale aj to, ako sa s ňou obchoduje, dodáva a spotrebúva“.

Pre pozorovateľa je táto zmena pozitívna, udržateľná a dlho očakávaná. Ale prakticky povedané, rýchle zrýchlenie obnoviteľnej energie a elektrifikácie vytvára ďalší stres a zaťažuje limity našej siete. Spolu s tlakom obnoviteľných zdrojov energie svetové energetické systémy čelia aj kritickým výzvam v dôsledku extrémnych poveternostných udalostí súvisiacich s prebiehajúcou zmenou klímy – suchá v Európe, vlny horúčav v Indii, silné zimné búrky v USA – to všetko vedie k exponenciálnemu nárastu kontroly a údržby. a náklady na opravu. Lídri v sektore verejných služieb sa teraz laserovo zameriavajú na zvyšovanie modernizácie siete, spoľahlivosti a odolnosti.

Odfoťte sa, vydrží dlhšie

Pre energetické spoločnosti je ich vybavenie často najdôležitejším aktívom a vyžaduje si neustálu starostlivú údržbu. Vykonanie tejto údržby závisí od stáleho prúdu údajov (zvyčajne vo forme obrázkov), ktoré môžu obslužné programy analyzovať na zistenie prevádzkových anomálií. Zhromažďovanie týchto údajov sa vykonáva mnohými spôsobmi, od dronov a lietadiel s pevnými krídlami až po pracovníkov na linke, ktorí fyzicky chodia po mieste. A s novou technológiou, ako sú UAV/drony a vrtuľníkové kamery s vysokým rozlíšením, sa obrovské množstvo údajov astronomicky zvýšilo. Z našich rozhovorov s mnohými energetickými spoločnosťami vieme, že energetické spoločnosti v súčasnosti zhromažďujú 5-10-násobok množstva údajov, ktoré nazbierali v posledných rokoch.

Všetky tieto údaje ešte viac spomaľujú už aj tak pomalý pracovný cyklus kontrol. V priemere strávia energetické spoločnosti 6 až 8 mesiacov pracovného času ročne analýzou údajov z inšpekcií. (Poskytuje rozhovor so zákazníkom služby West Coast zo služby, ktorá zbiera 10 miliónov snímok ročne) Veľkým dôvodom tohto prebytku je, že táto analýza sa stále z veľkej časti vykonáva manuálne, a keď spoločnosť každý rok zachytí milióny inšpekčných snímok, proces sa stáva úplne neškálovateľným. Analýza anomálií je v skutočnosti taká časovo náročná, že väčšina údajov je zastaraná v čase, keď sú skutočne preskúmané, čo vedie v najlepšom prípade k nepresným informáciám a v najhoršom prípade k opakovaným kontrolám alebo nebezpečným podmienkam. Ide o veľký problém s vysokými rizikami. Analytici odhadujú že energetický sektor prichádza každý rok o 170 miliárd dolárov v dôsledku zlyhaní siete, nútených odstávok a hromadných katastrof.

Budovanie užitočnosti budúcnosti pomocou inšpekcií infraštruktúry poháňanej AI

Urobiť našu sieť spoľahlivejšou a odolnejšou si bude vyžadovať dve veci – peniaze a čas. Našťastie práve tu môžu nové technológie a inovácie pomôcť zefektívniť proces kontroly. Vplyv umelej inteligencie (AI) a strojového učenia (ML) na sektor verejných služieb nemožno preceňovať. AI/ML je v tomto prostredí bohatom na údaje ako doma a ako sa objem údajov zväčšuje, schopnosť AI prekladať hory informácií do zmysluplných prehľadov sa zlepšuje. Podľa Utility Dive, v tomto odvetví „už existuje široká zhoda, že [AI/ML] má potenciál identifikovať zariadenia ohrozené zlyhaním spôsobom, ktorý je oveľa rýchlejší a bezpečnejší ako súčasná metóda“, ktorá sa spolieha na manuálne kontroly.

Zatiaľ čo prísľub tejto technológie je nesporný, vytvorenie vlastného interného programu AI/ML je pomalý, pracovne náročný proces plný komplikácií a prekážok. Tieto výzvy spôsobili, že mnohé energetické spoločnosti vyhľadali dodatočnú podporu od externých konzultantov a predajcov.

3 veci, ktoré treba zvážiť pri hodnotení potenciálneho partnera AI/ML

Pri hľadaní partnera pre AI/ML sú činy dôležitejšie ako slová. Existuje veľa úhľadných spoločností, ktoré by mohli sľúbiť Mesiac, ale lídri verejných služieb by mali prejsť na niekoľko dôležitých metrík, aby presne vyhodnotili vplyv. Medzi najdôležitejšie patrí, ako predajca popisuje/doručuje:

Rast modelu v priebehu času – Vytváranie rôznych množín údajov (údaje, ktoré obsahujú veľa anomálií na analýzu) trvá značné množstvo času (často niekoľko rokov) a určité typy anomálií sa nevyskytujú s dostatočnou frekvenciou na trénovanie úspešného modelu AI. Napríklad trénovanie algoritmu na rozpoznanie vecí ako hniloba, diery po ďatli alebo zhrdzavené tlmiče môže byť náročné, ak sa vo vašom regióne nevyskytujú často. Nezabudnite sa teda spýtať predajcu AI/ML nielen na množstvo ich súborov údajov, ale aj na ich kvalitu a rozmanitosť.

Rýchlosť – Čas sú peniaze a každý renomovaný predajca AI/ML by mal byť schopný jasne ukázať, ako ich ponuka zrýchľuje proces kontroly. Napríklad, Buzz Solutions spolupracuje s New York Power Authority (NYPA) poskytnúť platformu založenú na AI navrhnutú tak, aby výrazne skrátila čas potrebný na kontrolu a analýzu. Výsledkom bol program, ktorý dokázal analyzovať obrázky aktív v hodinách alebo dňoch, namiesto mesiacov, ktoré predtým trval. Táto úspora času umožnila skupinám údržby NYPA uprednostniť opravy a znížiť potenciál zlyhania.

Kvalita/Presnosť – Pri absencii skutočných údajov pre programy AI/ML spoločnosti niekedy dopĺňajú syntetické údaje (tj údaje, ktoré boli umelo vytvorené počítačovými algoritmami), aby vyplnili medzery. Je to populárna prax a analytici predpovedajú že 60 % všetkých údajov použitých pri vývoji AI bude syntetických (namiesto skutočných) už v roku 2024. Ale zatiaľ čo syntetické údaje sú dobré pre teoretické scenáre, nefungujú dobre v reálnych prostrediach, kde potrebujete údaje z reálneho sveta (a human-in-the-loop zásahy) na sebaupravovanie. Zvážte, či požiadate predajcu o ich kombináciu skutočných a syntetických údajov, aby ste sa uistili, že rozdelenie dáva zmysel.

A pamätajte, že práca nekončí, keď si vyberiete partnera. Nový nápad od Gartner pravidelne organizuje “AI Bake-Off” udalosti – opísané ako „rýchle, informatívne stretnutia, ktoré vám umožňujú vidieť predajcov vedľa seba pomocou skriptovaných ukážok a spoločného súboru údajov v kontrolovanom prostredí“ na vyhodnotenie silných a slabých stránok každého z nich. Tento proces stanovuje jasné metriky, ktoré priamo súvisia so škálovateľnosťou a spoľahlivosťou algoritmov AI/ML, ktoré sú potom v súlade s obchodnými cieľmi v oblasti služieb.

Energia budúcnosti odvetvia verejných služieb

Od efektívnejších integrácií pracovného toku až po sofistikovanú detekciu anomálií AI je odvetvie služieb na oveľa lepšej ceste ako pred niekoľkými rokmi. Táto inovácia však bude musieť pokračovať, najmä preto, že mandáty na inšpekcie T&D sa do roku 2030 zdvojnásobia a vláda oznámila údržbu a obranu energetickej infraštruktúry ako hlavné priority národnej bezpečnosti.

Pred nami je ešte viac práce, ale jedného dňa sa obzrieme späť na túto dobu ako na prelomové obdobie, na moment, keď lídri v tomto odvetví pristúpili k investíciám do budúcnosti našej energetickej siete a priviedli verejné služby do modernej éry.