Kaitlyn Albertoli Grundare av Buzz Solutions – Intervjuserie

Kaitlyn Albertoli är grundare av Buzz Solutions, ett AI-företag som tillhandahåller tillgångsfelupptäckt och prediktiv analys för kraftledningsinspektioner, vilket ger kritiska besparingar för att förhindra nedfallna linjer, strömavbrott och eldsvådor som orsakas av felaktig nätinfrastruktur.

Buzz Solutions grundades som en del av Stanford Launchpad-kursen 2017, kan du dela några detaljer om dessa tidiga dagar?

Vi startade Buzz Solutions för att hantera ett kritiskt behov som uppstod under de tidiga dagarna av inspektioner av kraftverksinfrastruktur. Under denna avgörande tid började kraftföretagen att samla in mer visuell data för att säkerställa och möjliggöra grundliga och frekventa inspektioner. Från början tillbringade vi en stor del av tiden med att undersöka de smärtgränser som kraftföretagen hade, samt förstå deras kort- och långsiktiga vision för sina inspektionsprogram. 

Vi insåg att varje kraftföretag har sin egen unika metod för inspektion och rutinmässig process, och det blev tydligt att den bästa ingångspunkten på marknaden var genom högprecisions- och flexibla AI-drivna algoritmer. Under de två första åren var vår mission att bygga de mest precisa och lättåterutbildade algoritmerna på marknaden som kraftföretagen kunde distribuera direkt till sina befintliga system. Vi lanserade den officiella Buzz Solutions PowerAI-produkten på kraftmarknaden i augusti 2019.

Kraftföretag är skyldiga att inspektera all överförings- och distributionsinfrastruktur, varför är detta så problematiskt för de traditionella manuella inspektionsmetoderna? 

Som kraftföretag är skyldiga att utföra mer frekventa inspektioner, ökar datamängderna lavinartat. Kraftföretagen samlar in 5-10 gånger mer data än tidigare, ofta insamlande hundratusentals och miljoner bilder årligen. Den nuvarande analysprocessen av denna data görs manuellt, med linjemän och fälttekniker, vilket är en mycket tråkig och oskalbar process. När inspektionerna blir mer frekventa, blir den manuella processen dyrare, tidskrävande och medför en ökad risk för infrastrukturfel på grund av att data inte bearbetas i tid. 

Vilken typ av visuell bearbetningsdata samlas in i fältet?

Bilder och videoflöden samlas för närvarande in i fältet med hjälp av drönare, helikoptrar, flygplan och även markbaserad datainsamling. Drönare blir allt vanligare som inspektionsmetod eftersom de kan flyga närmare strukturer och samla in bilder från olika vinklar som inte är möjliga med bemannade flygplan. Drönare kan samla in visuell information om olika elektriska komponenter, kraftnätsstrukturer, omgivande vegetation och platser. Detta möjliggör en mer omfattande inspektion, så att ett kraftföretag bättre kan förstå tillståndet för varje infrastrukturkomponent för både T&D-kraftledningar och transformatorstationer. 

Vilken typ av kostnadsbesparingar kan ses genom att analysera dessa bilder med AI jämfört med manuell analys?

Att analysera bilder med AI ger enorma kostnadsbesparingar, som ökar över tiden. AI ger en direkt, initial kostnadsbesparing på cirka 50% jämfört med manuell analys, och med tiden ökar besparingarna exponentiellt när AI spårar trender och blir smartare över tiden. Det möjliggör mer riktade, informerade inspektioner och ger linjemännen ytterligare besparingar genom att tillhandahålla bättre information så att de kan planera en väg till underhåll. 

Buzz Solutions-tekniken kan identifiera vad som behöver åtgärdas på bara några timmar, kan du diskutera den AI som används för att möjliggöra detta?

PowerAI Machine Vision-algoritmer är tränade för att upptäcka en specifik lista med avvikelser för kraftverksinfrastruktur. Vi tillbringade två år med att bygga dessa algoritmer från scratch och samla in varierande datamängder över geografier och tidsramar för att träna AI för att omfatta dessa fel. En fördel vi har är att vi tränade vår AI med riktiga bilder istället för “syntetiska” bilder, och vår noggrannhet för att identifiera och förutsäga utrustningsfel eller problem är betydligt högre än branschgenomsnittet. Det betyder att kraftföretag kan åtgärda problem mycket snabbare och effektivare. 

Dessutom använder vår AI human-in-the-loop-träning, där fälttekniker och ingenjörer matar tillbaka data till AI, vilket gör att modellen blir smartare och mer personlig över tiden. Den omfattande listan med felmoder som PowerAI-algoritmerna upptäcker idag har hämtats från de största behoven som kraftföretag har uttryckt.

Kan du diskutera det prediktiva analysystem som används och de fördelar det erbjuder?

Buzz spårar kraftföretags tillgångstrender och fel över tiden, vilket hjälper AI- och maskinlärningssystemen att bli starkare, mer personliga och effektivare. Detta gör också att systemen kan hämta insikter från dessa trender och förutsäga områden som kan vara benägna att ha högre felbenägenhet, det vill säga “varma fläckar”. Det är här den verkliga potentialen för ett prediktivt analysystem kommer in i spel och möjliggör att kraftföretag har bättre insikt i var och när deras utrustning kan gå fel. 

Kan du diskutera dina planer att också rikta dig mot vind- och solsektorn?

Hittills har Buzz fokuserat på att bli den mest precisa och effektiva AI-lösningen inom kraftinspektionsområdet. Det sagt, finns det många andra områden inom infrastruktur, inklusive förnybar energiproduktion, där inspektionsanalys behövs och är mycket värdefull. Buzz har planer på att expandera bortom T&D-inspektionsområdet och kommer att meddela mer om dessa marknadsexpansioner när det finns nya användningsfall som vi lägger till i vår portfölj. 

Hur bidrar optimering av kraftsektorn till att bekämpa klimatförändringar?

Buzz Solutions bidrar till hållbarhetsinriktade insatser och hjälper till att lösa några av de största klimatrelaterade problemen vi står inför idag genom att möjliggöra minskade nätrelaterade katastrofer, minskade utsläpp och ökad nätverkstillförlitlighet. Vår AI-baserade felupptäckt minskar bränder som orsakas av felaktiga tillgångar, eftersom vi varnar kraftföretag för fel och vegetation som tränger in på infrastrukturen. 

Dessutom flaggar våra system vanliga felområden (“varma fläckar”). Förutbestämda varma fläckar möjliggör riktade inspektioner istället för att helikoptrar flyger slumpmässigt i hundratals mil. Riktade inspektioner hjälper kraftföretag att minska koldioxidutsläpp och främja prediktiva åtgärder istället för reaktiva åtgärder. Vår teknik möjliggör ett mer motståndskraftigt och stabilt nät, vilket möjliggör en effektiv penetration av förnybara energikällor i nätinfrastrukturen.

Kan du diskutera din övergripande vision för digital transformation av kraftsektorn?

Buzz Solutions är i framkanten av den digitala transformationen av inspektions- och underhållsarbetsflödet för kraftföretag. Medan insamling av mer data är viktigt, är det ännu viktigare att lyckas hantera data och hämta handlingsbara insikter från den informationen. Det är här Buzz är särskilt värdefull. 

Inte bara tillhandahåller vår lösning PowerAI snabba insikter i den nuvarande hälsan hos infrastrukturen, utan det spårar också denna data och varnar kraftföretaget för ett område som utgör den största risken för nätet. PowerAI möjliggör en snabbare uppgradering av komponenter och en mer effektiv väg mot nätmodernisering. Digital transformation inom sektorn har möjliggjort en sömlös datainsamling, men kraften i data ligger i att kunna omvandla rådata till en sammanhängande bild och hämta specifika insikter från den informationen. 

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Buzz Solutions.