2020年の電力会社の展望はこうだ：
気候変動は山火事のような異常気象を悪化させる。こうした災害は、送電線や配電線、電柱や鉄塔など、顧客が電力を供給するために頼りにしている電力会社のインフラを脅かす。その結果、停電が頻発するようになる。インフラが損傷しているため、あるいは電力会社が、たとえば送電線がダウンして電気が流れ、さらに被害が拡大する可能性を防ぐために、先手を打って電力を遮断しているためである。いずれの場合も、一般市民と電力会社の従業員の安全性は低下する。顧客の不満は大きくなる。現状を維持し、基本的なインフラの修理やメンテナンスを行うためのコストは、より高くなり続ける。
さらに言えば、資産管理やインフラの完全性から環境リスクや消費者の信頼に至るまで、あらゆるものに影響を及ぼすこうした災害を予見し管理する能力は、人間だけでは処理しきれないほどの検査データ量に常に圧倒されている。データを処理し、整理し、実用的なものに活用するには、単にデータが多すぎるのであれば、検査に何の意味があるのだろうか？
新しい年であり、新しい10年である。それに伴い、公益事業会社はインフラ資産を監督する方法を再定義し、近代化する新たな機会が訪れる。前進への道は、AIと検査自動化によって推進される全体的なデータアプローチによる検査データの収集と処理にある。
検査自動化の輪を築く：
電力会社には特定の検査ニーズがある。彼らは、カラー（RGB）、サーマル、ハイパースペクトル、LiDAR、またはこれら4つの組み合わせなど、さまざまな種類のセンサーで武装したさまざまな車両（ドローン、ヘリコプター、固定翼機）でミッションの飛行経路を計画し、現場でさまざまなデータを取得する。これらのドローンや航空機は飛行経路に沿って進み、送電線や電柱の物理的な状態から、環境や天候によるダメージ、活線に近ければ火事になる可能性のある植生が近くにあるなど、あらゆる情報を収集する。
しかし、このような飛行では、何千、何万もの画像が生成され、最大でペタバイトもの生データが生成されるため、結論を導き出すことはおろか、人間がふるいにかけるにはあまりにも手間と時間がかかりすぎる。これが検査自動化の必要性の核心であり、公益事業会社がAIや機械学習ベースの自動化ツールをデータワークフローに導入しなければならない理由である。
これらのAIとML主導のアプローチは、高速で深いデータ検査と分析を提供し、人間よりも迅速に画像をスキャンする。これはすべて、データセット全体のパターンを確立し、ベースラインとコンテキストを作成し、より直感的で実用的なワークフローにデータを整理するためである。データ収集は、収集された情報が実際に理解され、行動に移せる程度までしか役に立たない。一人の人間が管理できる以上のデータが存在する転換点に達した今、AIとMLは公益企業のデータ管理業務に不可欠な要素となっている。
より簡単に管理できるデータから、より有用で建設的な結論を導き出すことで、ユーティリティ企業は、次の飛行経路で評価する必要があるものに基づいて、検査の必要性とプロセスを再調整することができる。
総合的なアプローチ：
自動化と同様に重要なのは、データの収集と管理に全体的なアプローチを採用する必要性である。一般的なIT組織は（これは公益企業に限らず多くの業界に当てはまることだが）、歴史的にデータ・サイロ問題に悩まされてきた。つまり、異なるソースから生成された異なるデータセットが、それらを所有するチーム間の重複やコミュニケーションがほとんどないまま、バラバラのデータベースに保存されているのだ。その結果、組織全体が冗長なレベルのデータを蓄積したり、全体像を考慮しない行動を取ったりすることになる。
検査データの収集と処理方法についてより包括的なアプローチをとることで、公益企業は、データのソースやそれを扱うチームに関係なく、最初からすべての情報がプールされていることを確認することができる。すべてが統合されます。これには2つのメリットがある。ひとつは、データが統合・整理されることで、将来参照するための情報がより簡単に入手・検索できるようになることです。
さらに、データの保存と分析に対するこの全体的なアプローチは、特定のチームや個人がたまたまアクセスできた情報だけでなく、利用可能なすべての情報を考慮に入れたワークフローとアクションを生成します。これは、ユーティリティ・インフラ資産を検査するための、より情報に基づいた包括的なアプローチを生み出します。これは、検査情報を収集、保存、処理するための別々の、時には相反する方法で、さまざまなツールを使用することを中心に構築された断片的なシステムと比較したものです。
検査の自動化により3つの主要目標を達成
公益事業者は、情報過多、ヒューマンエラー、客観的な意思決定ツールの欠如、職場のチーム間の効率的な連携の欠如、データ収集の遅れ、データ分析プロセスの長期化など、データ管理のさまざまな課題に直面している。これらの問題はすべて、単に相性の悪い異種のデータ管理ツールを利用している現状によって、さらに深刻化している。
検査自動化の輪を中心に構築された全体的なデータアプローチを採用することで、複数のサイロ化されたシステムの落とし穴がなくなり、データ収集プロセスが合理化されます。より直感的なワークフローに整理され、優先順位付けされた1つのデータプールは、コスト削減、安全性の向上（一般市民と自社の従業員の両方）、より良い情報に基づいた意思決定のために、公益事業会社が必要とする洞察と実行可能な次のステップを提供します。そして、全体的なデータ分析と検査の自動化システムは、この3つのボックスをすべて満たしています。
イルッカ・ハイデンヘイモCEO シャープシェイプ
