Monitoring
Anomalie w danych z czujników
System automatycznie wykrywa odchylenia od normalnych wzorców pracy urządzenia lub instalacji, a alert trafia do zespołu, zanim problem przerodzi się w awarię lub wezwanie serwisu.
Branże · Energetyka i IoT
AI dla energetyki i IoT: dane z czujników, utrzymanie ruchu i eksploatacja
theBlue.ai buduje dedykowane systemy AI, które odczytują dane z czujników urządzeń i instalacji energetycznych, wykrywają anomalie i uszkodzone czujniki, klasyfikują stany pracy i działają bezpośrednio na urządzeniu tam, gdzie łączność jest ograniczona. Każdy system łączymy z Twoją platformą IoT, hurtownią danych i systemami serwisowymi albo z Twoimi własnymi aplikacjami, w chmurze, on-premise lub na brzegu sieci (edge).
AI w energetyce i IoT: dane z czujników i predykcyjne utrzymanie ruchu
AI w energetyce i IoT analizuje szeregi pomiarowe z instalacji, sieci i urządzeń. Wykrywa odchylenia od normalnej pracy, znajduje uszkodzone czujniki i klasyfikuje stany pracy.
W eksploatacji i utrzymaniu ruchu wspiera to nadzór nad rozproszonymi obiektami oraz planowanie wyjazdów serwisowych. Wyniki trafiają do systemu sterowania, oprogramowania utrzymania ruchu albo własnej platformy IoT.
Korzyść: nieprawidłowości widać wcześniej, serwis da się zaplanować zamiast czekać, a błędne pomiary rzadziej zaburzają analizy. O ingerencji w pracę instalacji nadal decyduje personel.
Przykład projektu · Globalny producent HVAC
Dane z czujników były zbierane, ale nikt ich nie analizował
Globalny producent systemów grzewczych i klimatyzacyjnych miał flotę urządzeń IoT, które bez przerwy przesyłały dane o temperaturze, ciśnieniu, wilgotności i przepływie powietrza. Utrzymanie ruchu miało charakter reaktywny, a uszkodzonego czujnika nikt nie zauważał, dopóki nie spowodował widocznego problemu. Zbudowaliśmy architekturę danych i pipeline'y uczenia maszynowego, które dziś te dane analizują.
5
Odrębnych zastosowań AI zrealizowanych w ramach współpracy
Auto
Wykrywanie anomalii zamiast ręcznego monitorowania czujników
Tryby
Grzanie, chłodzenie, czuwanie i odszranianie klasyfikowane automatycznie
Wybrane organizacje, dla których budowaliśmy rozwiązania
Co przejmuje AI
Dziewięć procesów, które AI przejmuje w energetyce i IoT
Firmy z branży energetycznej i IoT zbierają więcej danych, niż jakikolwiek zespół jest w stanie śledzić. AI przejmuje monitoring, planowanie utrzymania ruchu, eksploatację, prognozowanie, serwis terenowy i obsługę klienta.
Jakość danych
Wykrywanie uszkodzonych czujników
Korelacje między grupami czujników pokazują, który czujnik przestał podawać prawdziwe wartości, nawet gdy nie ma punktu odniesienia do porównania.
Eksploatacja
Klasyfikacja stanów pracy
Modele rozpoznają, co faktycznie robi każde urządzenie lub instalacja, i pokazują, jak flota jest naprawdę używana w terenie.
Utrzymanie ruchu
Predykcyjne utrzymanie ruchu
Dane o stanie turbin, falowników, pomp ciepła czy urządzeń sieciowych pokazują, kiedy potrzebny jest serwis, a technicy wyjeżdżają wtedy, gdy wymaga tego rzeczywisty stan urządzeń.
Prognozy
Prognozy zużycia i wytwarzania energii
System łączy historyczne dane z liczników, dane pogodowe i efekty kalendarzowe w prognozy zużycia i wytwarzania, przygotowane dla zespołu planowania.
Budynki
Praca budynku dopasowana do warunków
System dostosowuje ogrzewanie, chłodzenie i wentylację do warunków wewnętrznych i zewnętrznych oraz mierzy, jak każdy tryb pracy wpływa na pomieszczenie.
Edge
AI na urządzeniu
Modele działają bezpośrednio na kompaktowych urządzeniach, pracują bez połączenia z internetem i wysyłają tylko wyniki. Surowe dane i nagrania wideo zostają tam, gdzie zostały zarejestrowane.
Serwis terenowy
Odpowiedzi dla techników serwisu
Technicy na miejscu pytają na piśmie lub głosowo o instrukcje, schematy połączeń i wcześniejsze zgłoszenia serwisowe i dostają odpowiedź ze wskazaniem źródła.
Obsługa klienta
E-maile klientów i odczyty liczników
System sortuje e-maile dotyczące rachunków, taryf i przeprowadzek, wyodrębnia odczyty liczników z wiadomości i zdjęć, a dane przekazuje do Twojego systemu rozliczeniowego.
Jak to działa
Od strumienia odczytów z czujników do alertu serwisowego
Urządzenie: pompa ciepła, jednostka 0417
Strumień: 52 czujniki, co 10 sekund Na żywo
Strumień: 52 czujniki, co 10 sekund Na żywo
W trybie czuwania temperatura zasilania stale rośnie. Czujnik ciśnienia P3 nie zmienił wskazania od 36 godzin.
Sprężarka uruchamia się dwa razy częściej niż w podobnych jednostkach.
Jednostka 0417 · ocena
Tryb
Czuwanie, sklasyfikowano✓
Temperatura
Poza normalnym wzorcem✓
Czujnik P3
Prawdopodobnie uszkodzony, sprawdź
Sprężarka
Anomalia na tle floty✓
Alert wysłany do serwisu · zalecana wizyta
Przykład poglądowy z fikcyjnymi danymi, oparty na case study analityki czujników HVAC.
Zbudowane dla energetyki i IoT
Z czym musi sobie radzić AI w energetyce i IoT
Z dużymi, zaszumionymi strumieniami danych, niemal całkowitym brakiem oznaczonych przykładów i urządzeniami w miejscach bez stabilnego połączenia.
Najpierw architektura danych
Zanim powstaną modele, budujemy pozyskiwanie, przetwarzanie i przechowywanie danych, a każde kolejne zastosowanie korzysta z tego samego fundamentu.
Uczenie bez etykiet
Tam, gdzie nie ma oznaczonych przykładów, modele uczą się normalnego zachowania bezpośrednio z surowych odczytów.
Działa na urządzeniu
Gdy zanika połączenie, modele przetwarzają dane lokalnie i synchronizują je po jego przywróceniu, w odległej instalacji lub w jadącym pojeździe.
Człowiek tam, gdzie to ważne
System wykrywa, klasyfikuje i podpowiada. Wizyty serwisowe, zmiany w eksploatacji i każda decyzja pozostają w rękach Twoich inżynierów.
Case studies
Analityka czujników, stan urządzeń i zliczanie osób
Nasz projekt analityki czujników dla producenta HVAC i dwa projekty IoT: stan wind odczytywany z minimalnego zestawu czujników oraz zliczanie osób na urządzeniu.
100+
Monitorowanych urządzeń
50+
Czujników w każdym
Energetyka i budynki · klient objęty NDA
Wykrywanie anomalii w ponad stu urządzeniach
Inżynierowie ręcznie przeglądali dane z czujników instalacji HVAC w poszukiwaniu nieprawidłowości. Teraz system AI stale monitoruje te dane, wykrywa anomalie, klasyfikuje tryby pracy i sygnalizuje problemy, zanim się nasilą.
Zobacz projekt
Minimum
Potrzebnych czujników
Offline
Działa bez sieci
Produkcja i IoT · klient objęty NDA
Stan windy odczytywany z minimalnej liczby czujników, także offline
Zespoły serwisowe sprawdzały windy na miejscu, żeby poznać ich stan. Teraz model odczytuje pozycję i stan pracy windy z kilku czujników, co stanowi podstawę predykcyjnego utrzymania ruchu dla całej floty.
Zobacz projekt
Edge
Na urządzeniu, bez chmury
Na bieżąco
Zliczanie
IoT · RapidLab
Zliczanie osób na urządzeniach edge, bez połączenia z chmurą
Pracownicy liczyli odwiedzających ręcznie albo polegali na niedokładnych czujnikach. Zbudowaliśmy model dla urządzeń edge, działający w budynkach i w transporcie publicznym bez połączenia z chmurą.
Zobacz projektJak zacząć
Zacznij od jednego procesu i danych, na których się opiera
Strumień danych z czujników, plan utrzymania ruchu lub skrzynka z e-mailami od klientów: praca, którą Twój zespół wykonuje dziś ręcznie, i dane, na których się opiera. Na wczesnym etapie sprawdzamy, czy dane wystarczą do danego zastosowania i gdzie wolno je przetwarzać.
Opisz swój proces
Powiedz nam, gdzie tkwi praca ręczna i jakich danych dotyczy. W ciągu jednego dnia roboczego wrócimy do Ciebie ze wstępną oceną i propozycją 30-minutowej rozmowy o zakresie.
Opisz swój procesZacznij od analizy procesu
Mapujemy przebiegi pracy, sprawdzamy Twoje źródła danych i wymagania, a potem proponujemy architekturę z zakresem, harmonogramem i kosztami. Samodzielne zlecenie, bez zobowiązania do dalszej współpracy.
Zobacz Warsztat AI DiscoveryFAQ
Pytania o AI w energetyce i IoT
W energetyce i IoT AI przejmuje pracę, którą inżynierowie i zespoły serwisowe wykonują zwykle ręcznie: wykrywanie anomalii i uszkodzonych czujników w danych pomiarowych, rozpoznawanie stanów pracy urządzeń, predykcyjne utrzymanie ruchu, prognozy zużycia i wytwarzania, sterowanie pracą budynków, modele działające na urządzeniu, odpowiedzi dla techników serwisu oraz e-maile klientów z odczytami liczników. System AI przygotowuje wynik, a decyzję podejmują inżynierowie i zespoły serwisowe.
Tak. Dla globalnego producenta HVAC, który ma w terenie ponad 100 urządzeń, każde z co najmniej 50 czujnikami, theBlue.ai zbudowało pipeline'y uczenia maszynowego, które wykrywają usterki czujników i urządzeń na podstawie odchyleń od normalnych wzorców w danych. Automatyczne alerty zastąpiły ręczny monitoring, więc problem wychodzi na jaw, zanim przerodzi się w awarię lub wezwanie serwisu.
To częsta sytuacja przy danych z czujników. U producenta HVAC theBlue.ai zastosowało klasteryzację korelacji między grupami czujników, aby znaleźć nietypowe zachowanie. U producenta wind modele nauczyły się rozpoznawać położenie i stan pracy bezpośrednio z surowych odczytów celowo ograniczonego zestawu czujników.
Tak. Wspólnie z RapidLab theBlue.ai zbudowało kompaktowe urządzenia, które liczą osoby na podstawie danych z czujników time-of-flight lub obrazu z kamery, a całe wnioskowanie odbywa się na urządzeniu: bez internetu i bez przesyłania obrazu poza wejście. Modele dla wind przetwarzają i zapisują dane lokalnie, gdy połączenie jest przerwane, i synchronizują je po jego przywróceniu.
Od architektury danych. Dla producenta HVAC theBlue.ai najpierw zbudowało pipeline'y do pozyskiwania, przetwarzania i przechowywania danych na AWS z użyciem Apache Airflow, AWS Glue, Athena i Azure IoT Hub, a następnie zrealizowało na tej bazie pięć zastosowań: niezawodność czujników, klasyfikację trybów pracy, wykrywanie anomalii i wpływ na otoczenie.
Od jednego procesu, np. wykrywania anomalii dla jednego typu urządzeń, i danych, na których się opiera. Analiza procesu ma stałą cenę od 3000 € i kończy się propozycją architektury, która określa zakres, harmonogram i koszty, w tym to, gdzie wolno przetwarzać dane. Budowę wyceniamy według kamieni milowych, a pierwsze działające komponenty pojawiają się zwykle po sześciu do ośmiu tygodniach.
Powiedz nam, który proces kosztuje Cię najwięcej
Opisz proces, a w ciągu jednego dnia roboczego wrócimy do Ciebie ze wstępną oceną i propozycją 30-minutowej rozmowy o zakresie.
- Etap 1 to samodzielne zlecenie, bez zobowiązania do dalszej współpracy.
- Doświadczeni inżynierowie od pierwszego dnia. Bez opiekunów klienta i bez przekazywania projektu z rąk do rąk.
- Integrujemy, nie zastępujemy. Twoje systemy pozostają dokładnie takie, jakie są.