Este es el panorama de las empresas de servicios públicos en 2020:
El cambio climático agrava las condiciones meteorológicas extremas, como los incendios forestales. Estas catástrofes amenazan las infraestructuras de las compañías eléctricas, como las líneas de transmisión y distribución, los postes y las torres, de los que dependen los clientes para obtener energía. Como consecuencia, los cortes de electricidad son cada vez más frecuentes, bien porque la infraestructura está dañada, bien porque las compañías eléctricas cortan el suministro de forma preventiva para evitar, por ejemplo, que la electricidad que fluye de una línea eléctrica caída pueda causar más daños. En ambos casos, la seguridad tanto del público como del personal de la empresa disminuye. El descontento de los clientes aumenta. Los costes de mantener el statu quo y de realizar reparaciones y mantenimiento de infraestructuras básicas siguen encareciéndose.
Y para colmo, la capacidad de prever y gestionar estas catástrofes -que afectan a todo, desde la gestión de activos y la integridad de las infraestructuras hasta los riesgos medioambientales y la confianza de los consumidores- se ve constantemente desbordada por un volumen de datos de inspección que es sencillamente demasiado grande para que lo gestionen seres humanos por sí solos. ¿De qué sirven las inspecciones si hay demasiados datos que procesar, organizar y convertir en algo útil?
Es un nuevo año y una nueva década. Con ello llega una nueva oportunidad para que las empresas de servicios públicos redefinan y modernicen el modo en que supervisan sus activos de infraestructuras. El camino a seguir consiste en recopilar y procesar datos de inspección mediante un enfoque holístico de los datos impulsado por la IA y la automatización de las inspecciones.
Creación de un círculo de automatización de la inspección:
Las compañías eléctricas tienen un conjunto específico de necesidades de inspección. Planifican las rutas de vuelo de las misiones con distintos vehículos (drones, helicópteros o aeronaves de ala fija), armados con varios tipos de sensores -color (RGB), térmicos, hiperespectrales, LiDAR o alguna combinación de los cuatro- para capturar distintos conjuntos de datos sobre el terreno. Estos drones o aeronaves recorren sus trayectorias de vuelo, recopilando información sobre todo tipo de datos, desde el estado físico de las líneas y postes de transmisión hasta los daños medioambientales y meteorológicos, pasando por la proximidad de vegetación que, de estar cerca de un cable con corriente, podría provocar un incendio.
Pero estos vuelos producen miles y miles de imágenes, hasta petabytes de datos sin procesar que son demasiado laboriosos y requieren demasiado tiempo como para que los seres humanos los analicen, por no hablar de sacar conclusiones. Este es el núcleo de la necesidad de automatizar las inspecciones y la razón por la que las empresas de servicios públicos tendrán que implementar herramientas de automatización basadas en IA y aprendizaje automático en sus flujos de trabajo de datos.
Estos enfoques basados en IA y ML proporcionan una inspección y un análisis de datos rápidos y profundos, escaneando imágenes más rápidamente que cualquier ser humano. Todo ello sirve para establecer patrones en los conjuntos de datos, crear líneas de base y contexto, y organizar los datos en flujos de trabajo más intuitivos y procesables. La recopilación de datos sólo es útil en la medida en que la información recopilada pueda comprenderse y utilizarse. Ahora que hemos alcanzado un punto de inflexión en el que hay más datos de los que una sola persona podría gestionar, la IA y el ML se han convertido en ingredientes esenciales para las prácticas de gestión de datos de las empresas de servicios públicos.
Al obtener estas conclusiones más útiles y constructivas a partir de datos más fáciles de gestionar, las empresas de servicios públicos pueden reajustar sus necesidades y procesos de inspección en función de lo que necesiten evaluar en la siguiente ruta de vuelo, con lo que se inicia de nuevo el círculo completo de este proceso de automatización de inspecciones.
Un enfoque holístico:
Igual de importante que la automatización es la necesidad de adoptar un enfoque holístico de la recopilación y gestión de datos. Las organizaciones de TI en general -y esto se aplica a muchos sectores, no sólo a las empresas de servicios públicos- han sufrido históricamente el problema del silo de datos. Es decir, diferentes conjuntos de datos, generados a partir de distintas fuentes, almacenados en bases de datos dispares con poca o ninguna superposición o comunicación entre los equipos que los poseen. Como resultado, la organización en su conjunto acaba acumulando niveles redundantes de datos o tomando medidas que no tienen en cuenta el panorama general, porque los responsables de la toma de decisiones no pueden ver ese panorama general.
Al adoptar un enfoque más holístico sobre cómo se recopilan y procesan los datos de inspección, las empresas de servicios públicos pueden garantizar desde el principio que toda la información se agrupa, independientemente de la fuente de los datos o del equipo que los maneje. Todo está consolidado. Esto tiene dos ventajas inmediatas. Por un lado, los datos consolidados y organizados hacen que la información sea mucho más fácil de obtener y de buscar para futuras consultas.
Además, este enfoque holístico del almacenamiento y el análisis de datos genera flujos de trabajo y acciones que tienen en cuenta toda la información disponible, no sólo a la que tiene acceso un equipo o una persona concretos. Esto crea un enfoque más informado y completo para inspeccionar los activos de infraestructura de servicios públicos, en comparación con el sistema fragmentario que se construye en torno al uso de diferentes herramientas con formas separadas, a veces contradictorias, de recopilar, almacenar y procesar la información de inspección.
Conseguir tres objetivos clave mediante la automatización de las inspecciones:
Las empresas de servicios públicos se enfrentan a una amplia gama de retos en la gestión de datos: sobrecarga de información, errores humanos, falta de herramientas objetivas para la toma de decisiones, falta de coordinación eficaz entre los equipos en el lugar de trabajo, lentitud en la recopilación de datos y largos procesos de análisis de datos. Todos estos problemas se ven agravados por la utilización de herramientas de gestión de datos dispares que simplemente no funcionan bien juntas.
La adopción de un enfoque holístico de los datos, construido en torno a un círculo de automatización de las inspecciones, elimina los escollos de múltiples sistemas aislados y agiliza el proceso de recopilación de datos. Un conjunto de datos, organizados y priorizados en flujos de trabajo más intuitivos, proporciona la información y los próximos pasos que las empresas de servicios públicos necesitan para reducir costes, aumentar la seguridad (tanto para el público como para su propio personal) y tomar decisiones mejor informadas. A fin de cuentas, estos son los tres objetivos que todas las empresas de servicios públicos persiguen con sus prácticas de gestión de datos, y un sistema de análisis holístico de datos y automatización de inspecciones cumple los tres requisitos.
Ilkka Hiidenheimo, Director General, Sharper Shape
