13.12.2019

Jak obniżyć koszty usuwania awarii dzięki sztucznej inteligencji? Case study

Avatar
isolution

Obniżenie kosztów usuwania awarii dróg, rur, czy linii wysokiego napięcia? Tak, to możliwe dzięki sztucznej inteligencji.

Czy wprowadzanie innowacji w firmie musi wiązać się z dużymi kosztami? Nie, jeśli zapewnimy sobie wsparcie silnego zespołu, zastosujemy zwinną metodykę pracy i dobrze określimy problem, który chcemy rozwiązać. W tym artykule opowiem o tym, jak razem z kilkuosobowym zespołem R&D zaproponowaliśmy rozwiązanie problemu, który potencjalnie może kilkukrotnie zmniejszyć u naszego Klienta nakłady związane z naprawą usterek.

Sztuczna inteligencja w branży ciepłowniczej, case study

Niedawno miałam przyjemność wspólnie z zespołem zmierzyć się w praktyce z wyzwaniem, w ramach którego udało nam się znaleźć optymalną metodę analizy danych przestrzennych, które od jakiegoś czasu zbierał nasz klient – jedna z największych w Polsce firm z branży ciepłowniczej.

Zaczęliśmy od małej próbki, projektu typu Proof of Concept, w ramach którego mieliśmy sprawdzić, czy uda nam się dzięki automatyzacji procesu wesprzeć ekspertów w wykrywaniu na podstawie zdjęć termicznych drobnych usterek, niewidocznych na pierwszy rzut oka.

To doskonały przykład na to, że innowacja nie musi wiązać się z czasochłonną i kosztowną reorganizacją całej firmy. Można zacząć od prostej optymalizacji, lub automatyzacji prostych czynności, dzięki którym można odciążyć zespół.

Wyzwanie

W przypadku naszego Klienta proces, z którym mieliśmy do czynienia był jednym z tych, którego unowocześnienie miało bardzo dużą wartość biznesową. Stąd pomysł na zautomatyzowanie procesu wykrywania usterek poprzez wykorzystanie algorytmów sztucznej inteligencji.

Drobne usterki generują duże straty ciepła, a co za tym idzie wysokie koszty ich obsługi. Do tej pory wykrywanie usterek sieci odbywało się na dwa sposoby:

  • Duże awarie zgłaszane były na podstawie fizycznych oględzin
  • Małe usterki, które nie były widoczne na zewnątrz, wykrywane były na podstawie manualnej analizy zdjęć termicznych.

W praktyce analiza polegała na przeglądaniu przez eksperta wszystkich zdjęć zrobionych z drona w celu wykrycia anomalii cieplnych. Proces ten trwał miesiącami, co wpływało również na długi czas potrzebny do wykrycia awarii.

Naszym zadaniem było częściowe zautomatyzowanie tego procesu, czyli wytypowanie miejsc z potencjalnymi usterkami, które ekspert zatwierdzi lub odrzuci.

Efekt

W ramach realizowanego projektu udało nam się:

  • Uzyskać skuteczność wykrywania potwierdzonych awarii na poziomie ponad 90% .
  • Ułatwić pracę eksperta dzięki wskazaniu konkretnych miejsc z potencjalną usterką.
  • Skrócić czas analizy dostępnych danych z 3 miesięcy pracy 3-osobowego zespołu do 3 dni pracy 1 eksperta.

Jeśli chcesz dowiedzieć się:

  • w jaki sposób podeszliśmy do rozwiązania tego problemu,
  • jakie funkcjonalności zawierał system przygotowany dla klienta,
  • kto z Isolution brał udział w projekcie,
  • jakie korzyści daje inwestowanie w AI,

pobierz pełną wersję case study poniżej!

Możesz też umówić się na rozmowę z jednym z naszych specjalistów i porozmawiać o tym projekcie oraz poradzić się w kwestii wdrożenia rozwiązań AI w swojej firmie.

Katarzyna Roszczewska, Data Scientist w Isolution

Wpisz swoję dane, po chwili otrzymasz case study:)

Zapisz się na nasz newsletter