多くの電力会社は、標準的な送電線、植生、および資産の検査から生成された膨大な量のデータを収集し、分析する過程で、手作業による慣行を実施し、データ管理へのアプローチでまだ空回りしている。しかし最近になって、このような時代遅れの手法ではもはや済まされないことが明らかになってきた。山火事のような継続的な災害は増加の一途をたどっており、2019年だけでもカリフォルニア州で6,190件の火災が発生し、影響を受けた地域社会は電力会社にさらなる要求をしている。ドローンのような近代化されたソリューションは、顧客が期待するより良い結果を提供するのに役立つが、それはデータ管理について考え、処理し、活用する新しい方法と組み合わされている場合に限られる。
価値あるデータを収集・生成できる新技術を導入するだけでは十分ではない。電力会社が地域により良いサービスを提供するために、より効果的な行動をもたらすには、長期的な処理アプローチと、そのプロセスをサポートする新しいワークフローが必要だ。
オートメーションがもたらす新時代
何十年もの間、ユーティリティ企業は、ユーティリティ・インフラとその周辺環境の画像を撮影し、肉眼ですべてを判断する手作業による検査を従業員に頼ってきた。例えば、有人ヘリコプターによる検査は、遠く離れた場所からユーティリティの送電線を分析するために行われていた。特定の届きにくい場所にアクセスできないことで、重要な詳細や領域が見落とされ、情報に基づかない意思決定が行われることになる。
手作業によるプロセスは一貫性のないデータ生成につながるため、自動化の活用がより重視されるようになっている。テクノロジーが進化するにつれ、データ量も増加し、それを処理する企業のサポート体制も強化される必要がある。ドローンによるユーティリティ検査プロセスでは、クローズアップ検査に通常必要とされる労力を大幅に削減する自動化機能が導入され、変化が見え始めている。その結果、高精細画像と驚くほど詳細で一貫性のある再現可能な検査データにより、結果が大幅に改善されることになる。
機械学習とAIの役割
価値があろうとなかろうと、データを集めるのは簡単だ。本当のコツは、そのデータをどのように効果的に使うかを考え、適切に分析・管理することだ。ドローン検査の例では、検査から収集されるデータ量は時にペタバイトに及ぶこともあり、そのすべてを手作業で分析するのは不可能に近い。幸いなことに、AIと機械学習機能を活用することで、収集したデータの管理と処理のストレスを軽減することができる。
送電線付近の植生や危険な樹木などの検査エリアから得られたドローン撮影のハイパースペクトルデータは、電力会社のデータ管理システム内のデータベースにアップロードすることができる。そこで機械学習ベースのツールが素早く分析を行い、何千枚もの撮影画像をふるいにかけ、特定されたパターンに基づいて結論を導き出すことができる。その上、これらの結論は、より直感的で実用的な形でデータを提示するのに役立ち、電力会社のアナリストは解読するためにデータの壁を与えられることはない。その代わりに、インフラをさらに改善するために取るべき明確で具体的な行動のリストが与えられる。
もちろん、容量の問題や、貴重な情報をすべて保存するための帯域幅の確保という問題は常にある。このような大規模なデータセットを持つことは素晴らしいことだが、確かに圧倒される可能性があり、負荷の軽減のためにバックアップ・ソリューションが必要になることもある。クラウド環境の導入は、このような検査データの保存に必要な無限のスケーラビリティを提供するだけでなく、分析が必要になったときにアクセスできるよう、最大数年間保存できる容量を提供するためにも不可欠である。
あらゆるビッグデータ管理プロセスの根底にあるテーマは、特に公益事業会社がインフラから収集する膨大な量のデータに関連する場合、すべてエンパワーメントと、よりインテリジェントに作業できる効果的なツールを専門家に提供することに結びつきます。ドローン技術の活用は非常に大きなメリットだが、複雑な情報を明確でシンプルなだけでなく、実行可能なものに変えるには、AIや機械学習のような機能や、より優れたワークフロープロセスが必要だ。このような変革はトップから始める必要があり、データ処理についてしっかりと把握し、その効果的な利用方法を熟知している最高データ責任者（CDO）をデータチームに装備することは、顧客により良いサービスを提供し、保護することを目指す公益企業に大きな助けとなるだろう。
