Estás leyendo la publicación: Encontrar asociaciones reales: cómo las empresas de servicios públicos están evaluando a los proveedores de inteligencia artificial
El mundo de la energía está experimentando un cambio masivo, repensando los sistemas diseñados hace más de un siglo para dar cabida al surgimiento de tecnologías más inteligentes y limpias. Es un momento emocionante: prácticamente todas las industrias se están electrificando de alguna manera, los vehículos eléctricos (EV) están ganando terreno en el mercado y hay una transición activa para respaldar los recursos de energía distribuida (DER), “recursos de energía a pequeña escala” que generalmente se encuentran cerca de los sitios. del uso de la electricidad, como paneles solares en los techos y almacenamiento de baterías. Este último es un gran problema, y como el Asociación Internacional de Energía (AIE) señala, la rápida expansión de los DER “transformará no solo la forma en que se genera la electricidad, sino también la forma en que se comercializa, entrega y consume” en el futuro.
Para un observador, todo este cambio es positivo, sostenible y desde hace mucho tiempo. Pero en términos prácticos, la rápida aceleración de la energía renovable y la electrificación está creando estrés adicional y tensando los límites de nuestra red. Junto con la presión de las energías renovables, los sistemas de energía del mundo también enfrentan desafíos críticos de eventos climáticos extremos relacionados con el cambio climático en curso: sequías en Europa, olas de calor en la India, tormentas de invierno severas en los EE. y costos de reparación. Los líderes en el sector de servicios públicos ahora se enfocan con láser en aumentar la modernización, la confiabilidad y la resiliencia de la red.
Toma una foto, durará más
Para las empresas de servicios públicos, su equipo suele ser su activo más importante y requiere un mantenimiento constante y meticuloso. Realizar este mantenimiento depende de un flujo constante de datos (generalmente en forma de imágenes) que las empresas de servicios públicos pueden analizar para detectar anomalías operativas. La recopilación de esos datos se realiza de muchas maneras, desde drones y aeronaves de ala fija, hasta trabajadores de línea que recorren físicamente el sitio. Y con la nueva tecnología como los UAV/drones y las cámaras de helicópteros de alta resolución, la gran cantidad de datos ha aumentado astronómicamente. Sabemos por nuestras conversaciones con muchas empresas de servicios públicos que las empresas de servicios públicos ahora están recopilando entre 5 y 10 veces la cantidad de datos que han recopilado en los últimos años.
Todos estos datos están haciendo que el ya lento ciclo de trabajo de las inspecciones sea aún más lento. En promedio, las empresas de servicios públicos gastan el equivalente de 6 a 8 meses de horas laborales por año analizando los datos de inspección. (Proporcionado por una entrevista con un cliente de la empresa de servicios públicos de la costa oeste que recopila 10 millones de imágenes por año) Una razón importante de este exceso es que este análisis todavía se realiza en gran medida de forma manual, y cuando una empresa captura millones de imágenes de inspección cada año, el proceso se vuelve tremendamente inescalable. El análisis de anomalías requiere tanto tiempo que, de hecho, la mayoría de los datos están desactualizados en el momento en que se revisan, lo que genera información inexacta en el mejor de los casos y, en el peor de los casos, inspecciones repetidas o condiciones peligrosas. Este es un gran problema, con altos riesgos. Estimación de los analistas que el sector eléctrico pierde $170 mil millones cada año debido a fallas en la red, cierres forzados y desastres masivos.
Construyendo la empresa de servicios públicos del futuro con inspecciones de infraestructura impulsadas por IA
Hacer que nuestra red sea más confiable y resistente requerirá dos cosas: dinero y tiempo. Afortunadamente, aquí es donde la nueva tecnología y la innovación pueden ayudar a optimizar el proceso de inspección. No se puede exagerar el impacto de la inteligencia artificial (IA) y el aprendizaje automático (ML) en el sector de los servicios públicos. AI/ML se siente como en casa en este entorno rico en datos y, a medida que aumenta el volumen de datos, mejora la capacidad de AI para traducir montañas de información en conocimientos significativos. Según Utility Dive“ya existe un amplio acuerdo en la industria de que [AI/ML] tiene el potencial de identificar equipos en riesgo de fallar de una manera mucho más rápida y segura que el método actual”, que se basa en inspecciones manuales.
Si bien la promesa de esta tecnología es indiscutible, la creación interna de su propio programa de IA/ML personalizado es un proceso lento y laborioso, plagado de complicaciones y obstáculos. Estos desafíos han provocado que muchas empresas de servicios públicos busquen apoyo adicional de consultores y proveedores externos.
3 cosas a tener en cuenta al evaluar un socio potencial de IA/ML
Al buscar un socio de IA/ML, las acciones importan más que las palabras. Hay muchas empresas astutas que podrían prometer la luna, pero los líderes de servicios públicos deberían profundizar en varias métricas importantes para evaluar con precisión el impacto. Entre los más importantes está cómo el proveedor describe/entrega:
Crecimiento del modelo a lo largo del tiempo – La creación de conjuntos de datos variados (datos que tienen muchas anomalías para analizar) lleva una cantidad significativa de tiempo (a menudo varios años) y ciertos tipos de anomalías no ocurren con una frecuencia lo suficientemente alta como para entrenar un modelo de IA exitoso. Por ejemplo, entrenar un algoritmo para detectar cosas como podredumbre, agujeros de pájaros carpinteros o amortiguadores oxidados puede ser un desafío si no ocurren con frecuencia en su región. Por lo tanto, asegúrese de preguntar al proveedor de AI/ML no solo sobre la cantidad de sus conjuntos de datos, sino también sobre su calidad y variedad.
Velocidad – El tiempo es dinero, y cualquier proveedor de AI/ML de confianza debería poder mostrar claramente cómo su oferta acelera el proceso de inspección. Por ejemplo, Buzz Solutions se asoció con la Autoridad de Energía de Nueva York (NYPA) para ofrecer una plataforma basada en IA diseñada para reducir significativamente el tiempo requerido para la inspección y el análisis. El resultado fue un programa que podía analizar imágenes de activos en horas o días, en lugar de meses antes. Este ahorro de tiempo permitió a los grupos de mantenimiento de la NYPA priorizar las reparaciones y reducir la posibilidad de fallas.
Calidad/Precisión – En ausencia de datos reales para los programas de IA/ML, las empresas a veces complementan los datos sintéticos (es decir, datos creados artificialmente por algoritmos informáticos) para llenar los vacíos. Es una práctica popular y los analistas predicen que el 60 % de todos los datos utilizados en el desarrollo de la IA serán sintéticos (en lugar de reales) para el 2024. Pero si bien los datos sintéticos son buenos para escenarios teóricos, no funcionan bien en entornos del mundo real en los que necesita datos del mundo real (y humano-en-el-bucle intervenciones) para autocorregirse. Considere pedirle al proveedor su combinación de datos reales y sintéticos para asegurarse de que la división tenga sentido.
Y recuerda, el trabajo no termina una vez que hayas seleccionado a tu pareja. Una nueva idea de Gartner está celebrando regularmente “Horneado de IA” eventos: descritos como “sesiones informativas de ritmo rápido que le permiten ver a los proveedores uno al lado del otro utilizando demostraciones con guión y un conjunto de datos común en un entorno controlado” para evaluar las fortalezas y debilidades de cada uno. Este proceso establece métricas claras que están directamente relacionadas con la escalabilidad y confiabilidad de los algoritmos de IA/ML que luego se alinean con los objetivos comerciales de los servicios públicos.
Impulsando el futuro de la industria de servicios públicos
Desde integraciones de flujo de trabajo más eficientes hasta la detección sofisticada de anomalías de IA, la industria de servicios públicos está en un camino mucho más brillante que hace unos años. Sin embargo, esta innovación deberá continuar, especialmente porque los mandatos de inspección de T&D se duplicarán para 2030 y el gobierno anunció mantenimiento y defensa de la infraestructura energética como máximas prioridades de seguridad nacional.
Hay más trabajo por delante, pero algún día recordaremos este momento como un punto de inflexión, un momento en que los líderes de la industria dieron un paso al frente para invertir en el futuro de nuestra red de energía y llevar los servicios públicos a la era moderna.
