Gerçek Ortaklıklar Bulmak: Hizmet Şirketleri Yapay Zeka Sağlayıcılarını Nasıl Değerlendiriyor?

Enerji dünyası, daha akıllı, daha temiz teknolojilerin yükselişine yer açmak için bir asırdan uzun bir süre önce tasarlanan sistemleri yeniden düşünerek büyük bir değişim geçiriyor. Heyecan verici bir dönem - hemen hemen her endüstri bir şekilde elektrikleniyor, elektrikli araçlar (EV'ler) pazarda ilgi görüyor ve genellikle sahaların yakınında bulunan "küçük ölçekli enerji kaynakları" olan Dağıtılmış Enerji Kaynaklarını (DER'ler) desteklemek için aktif bir geçiş var. çatı güneş panelleri ve pil depolama gibi elektrik kullanımı. Bu sonuncusu büyük bir anlaşma ve Uluslararası Enerji Birliği (IEA) DER'lerin hızla yaygınlaşmasının "yalnızca elektriğin üretilme biçimini değil, aynı zamanda ticareti, teslimi ve tüketimini de değiştireceğine" dikkat çekiyor.

Bir gözlemci için, tüm bu değişim olumlu, sürdürülebilir ve gecikmiş. Ancak pratik olarak konuşursak, yenilenebilir enerji ve elektrifikasyonun hızlı ivmesi ek stres yaratıyor ve şebekemizin sınırlarını zorluyor. Yenilenebilir enerjiden gelen baskının yanı sıra, dünyanın enerji sistemleri, devam eden iklim değişikliğiyle ilgili aşırı hava olaylarından kaynaklanan kritik zorluklarla da karşı karşıyadır – Avrupa'daki kuraklıklar, Hindistan'daki sıcak hava dalgaları, ABD'deki şiddetli kış fırtınaları – bunların tümü teftiş ve bakımda katlanarak artışa neden oluyor. ve onarım maliyetleri. Kamu hizmeti sektöründeki liderler artık şebeke modernizasyonunu, güvenilirliğini ve dayanıklılığını artırmaya odaklanmış durumdadır.

Bir Fotoğraf Çekin, Daha Uzun Ömürlü Olsun

Kamu hizmeti şirketleri için ekipmanları genellikle en önemli varlıklarıdır ve sürekli, titiz bir bakım gerektirir. Bu bakımın gerçekleştirilmesi, kamu hizmetlerinin operasyonel anormallikleri tespit etmek için analiz edebildiği sabit bir veri akışına (genellikle görüntü biçiminde) bağlıdır. Bu verilerin toplanması, insansız hava araçları ve sabit kanatlı uçaklardan sahada fiziksel olarak yürüyen hat işçilerine kadar birçok şekilde yapılır. İHA'lar/drone'lar ve yüksek çözünürlüklü helikopter kameraları gibi yeni teknolojilerle, veri miktarı astronomik olarak arttı. Birçok kamu hizmeti şirketiyle yaptığımız görüşmelerden, kamu hizmetlerinin son yıllarda topladıkları veri miktarının şu anda 5-10 katı kadar topladığını biliyoruz.

Tüm bu veriler, zaten yavaş olan denetim iş döngüsünü daha da yavaşlatıyor. Kamu hizmetleri, ortalama olarak, teftiş verilerini analiz etmek için yılda 6-8 aylık çalışma saatine eşdeğer harcıyor. (Yılda 10 milyon görüntü toplayan bir kamu hizmeti kuruluşundan West Coast kamu hizmeti müşteri görüşmesi tarafından sağlanmıştır) Bu bolluğun en büyük nedeni, bu analizin hala büyük ölçüde manuel olarak yapılması ve bir şirket her yıl milyonlarca inceleme görüntüsü yakaladığında, sürecin çılgınca ölçeklenemez hale gelmesidir. Anormallikleri analiz etmek o kadar zaman alıcıdır ki, gerçekte gözden geçirildikleri zaman verilerin çoğu güncelliğini yitirir, bu da en iyi ihtimalle yanlış bilgilere ve en kötü ihtimalle tekrarlanan denetimlere veya tehlikeli koşullara yol açar. Bu, yüksek riskleri olan büyük bir sorundur. Analistler tahmini elektrik sektörünün ağ arızaları, zorunlu kapatmalar ve toplu felaketler nedeniyle her yıl 170 milyar dolar kaybettiğini.

Yapay Zeka Destekli Altyapı Denetimleri ile Geleceğin Hizmetini Oluşturmak

Şebekemizi daha güvenilir ve dayanıklı hale getirmek iki şeye ihtiyaç duyacaktır; para ve zaman. Neyse ki, yeni teknoloji ve yeniliklerin denetim sürecini kolaylaştırmaya yardımcı olabileceği yer burasıdır. Yapay zekanın (AI) ve makine öğreniminin (ML) kamu hizmetleri sektörü üzerindeki etkisi abartılamaz. AI/ML, veri açısından zengin bu ortamda tam anlamıyla evindedir ve veri hacmi büyüdükçe, AI'nın dağlarca bilgiyi anlamlı içgörülere dönüştürme yeteneği de gelişir. Yardımcı Dalışa göre, "[AI/ML]'nin manuel incelemelere dayanan mevcut yöntemden çok daha hızlı ve daha güvenli bir şekilde arıza riski taşıyan ekipmanı belirleme potansiyeline sahip olduğu konusunda sektörde zaten geniş bir anlaşma var."

Bu teknolojinin vaadi tartışılmaz olsa da, kendi özelleştirilmiş AI/ML programınızı kurum içinde oluşturmak, komplikasyonlar ve engellerle dolu, yavaş, emek yoğun bir süreçtir. Bu zorluklar, birçok kamu hizmeti şirketinin harici danışmanlardan ve satıcılardan ek destek aramasına neden oldu.

Potansiyel AI/ML İş Ortağını Değerlendirirken Dikkate Alınması Gereken 3 Şey

Bir AI/ML ortağı ararken, eylemler kelimelerden daha önemlidir. Ay'ı vaat edebilecek pek çok becerikli şirket var, ancak kamu hizmeti liderleri, etkiyi doğru bir şekilde değerlendirmek için birkaç önemli ölçütü incelemelidir. En önemlileri arasında satıcının aşağıdakileri nasıl tanımladığı/sunduğu yer alır:

Modelin Zaman İçinde Büyümesi – Çeşitli veri kümeleri (analiz edilecek çok sayıda anormallik içeren veriler) oluşturmak önemli miktarda zaman alır (genellikle birkaç yıl) ve belirli türdeki anormallikler, başarılı bir yapay zeka modeli eğitmek için yeterince yüksek bir sıklıkta ortaya çıkmaz. Örneğin, bir algoritmayı çürüme, ağaçkakan delikleri veya paslanmış amortisörler gibi şeyleri tespit edecek şekilde eğitmek, bunlar bölgenizde sık meydana gelmiyorsa zor olabilir. Bu nedenle, AI/ML satıcısına yalnızca veri kümelerinin miktarını değil, aynı zamanda kalite ve çeşitliliğini de sorduğunuzdan emin olun.

hız – Vakit nakittir ve saygın herhangi bir AI/ML satıcısı, tekliflerinin inceleme sürecini nasıl hızlandırdığını açıkça gösterebilmelidir. Örneğin, Buzz Solutions, New York Power Authority (NYPA) ile ortaklık kurdu inceleme ve analiz için gereken süreyi önemli ölçüde azaltmak üzere tasarlanmış yapay zeka tabanlı bir platform sunmak. Sonuç, varlık görüntülerini önceden aylarca almak yerine saatler veya günler içinde analiz edebilen bir programdı. Bu zaman tasarrufu, NYPA bakım gruplarının onarımlara öncelik vermesini ve arıza olasılığını azaltmasını sağladı.

Kalite/Doğruluk – AI/ML programları için gerçek verilerin yokluğunda, şirketler bazen boşlukları doldurmak için sentetik verileri (yani bilgisayar algoritmaları tarafından yapay olarak oluşturulan verileri) tamamlarlar. Bu popüler bir uygulamadır ve analistler öngörüyor yapay zekanın geliştirilmesinde kullanılan tüm verilerin %60'ının 2024'e kadar sentetik (gerçek yerine) olacağını. Ancak sentetik veriler teorik senaryolar için iyi olsa da, ihtiyaç duyduğunuz gerçek dünya ortamlarında iyi performans göstermez. gerçek dünya verileri (ve insan-in-the-loop müdahaleler) kendi kendini düzeltmek için. Bölmenin mantıklı olduğundan emin olmak için satıcıdan gerçek ve sentetik verilerin karışımını istemeyi düşünün.

Ve unutmayın, partnerinizi seçtikten sonra iş bitmez. Gartner'dan yeni bir fikir, "düzenli tutmak"AI Pişirme" olaylar - her birinin güçlü ve zayıf yönlerini değerlendirmek için "komutlu demolar ve kontrollü bir ortamda ortak bir veri kümesi kullanarak tedarikçileri yan yana görmenizi sağlayan hızlı tempolu, bilgilendirici oturumlar" olarak tanımlandı. Bu süreç, AI/ML algoritmalarının ölçeklenebilirliği ve güvenilirliği ile doğrudan ilgili olan ve daha sonra yardımcı iş hedefleriyle hizalanan net ölçümler oluşturur.

Hizmet Sektörünün Geleceğine Güç Vermek

Daha verimli iş akışı entegrasyonlarından gelişmiş yapay zeka anormallik tespitine kadar, kamu hizmeti sektörü birkaç yıl öncesine göre çok daha parlak bir yolda. Yine de bu yeniliğin devam etmesi gerekecek, özellikle T&D teftiş zorunlulukları 2030 yılına kadar ikiye katlanacak ve hükümet enerji altyapısı bakım ve savunmasını duyurdu en yüksek ulusal güvenlik öncelikleri olarak

Önümüzde daha çok iş var ama bir gün geriye dönüp bu zamana bir dönüm noktası olarak bakacağız, endüstri liderlerinin enerji şebekemizin geleceğine yatırım yapmak ve kamu hizmetlerini modern çağa getirmek için adım attığı bir an.