• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Predecir costosas interrupciones con el análisis de drones

    Imágenes de paneles solares tomadas con una cámara termográfica infrarroja. Los puntos calientes blancos marcan las células dañadas que necesitan ser reemplazadas. Crédito:Universidad Northwestern

    Lance Li hace clic en un interminable, mar uniforme de púrpura, rosado, y rectángulos amarillos. Se detiene y se acerca a una sección estrecha que brilla en blanco.

    "Este punto de acceso nos dice que parte del panel no funciona correctamente, " él dice.

    El graduado de Kellogg School of Management de 2017 está mirando imágenes térmicas de un sitio solar en Nevada tomadas con una cámara montada en un dron, flotando 200 pies en el aire. Se aleja y confirma que su algoritmo encontró y diagnosticó el problema de manera efectiva.

    Como director ejecutivo de Aerospec Technologies, una empresa de análisis e inspección de drones, Li se ha propuesto hacer que la operación de una granja solar sea más eficiente, más seguro y ultimamente, más predecible.

    "Durante un chequeo anual, un equipo de mantenimiento puede tardar un mes en recorrer y examinar parte de un 450, Sitio solar de 000 paneles, el tamaño de 90 campos de fútbol, y semanas para analizar los datos, ", dice." En comparación, nuestros drones solo tardan tres días en sobrevolar un sitio del mismo tamaño, y solo unos minutos para procesar los datos de una manera que le permita al operador conocer el porcentaje del sitio que necesita reparaciones y el costo de sus resultados ".

    Por último, Li sabe que los ahorros de costos reales provienen de predecir las interrupciones y las necesidades de mantenimiento antes de que ocurran, y con cada nuevo conjunto de datos que introduce en su algoritmo, lo está entrenando para hacer precisamente eso.

    Crédito:Universidad Northwestern

    "Cuesta mucho dinero y mucha mano de obra para detectar un corte y restaurar la energía, ", dice Li." Podemos decir con confianza:El 80 por ciento del tiempo, que este panel en este sitio se publicará en los próximos dos meses ".

    Si la inspección está programada correctamente, Los equipos pueden reparar los paneles deteriorados durante una visita anual antes de que surjan problemas en el futuro. Li estima que el algoritmo predictivo de Aerospec podría generar $ 336 millones adicionales para las industrias solar y eólica. y potencia 800, 000 hogares más con energías renovables, anualmente.

    La tecnología también hace que el trabajo de mantenimiento sea más seguro para las tripulaciones, que pisan líneas eléctricas de alto voltaje que recubren el suelo en un sitio solar. La seguridad fue una de las principales razones por las que decidió iniciar la empresa. En 2010, Li estaba trabajando como consultor de energía cuando escuchó que once trabajadores murieron en la plataforma de perforación Deepwater Horizon.

    "Seguí pensando, si podemos mantener a nuestra gente fuera de peligro y enviar robots para realizar los trabajos más peligrosos, ¿por qué no estamos haciendo eso? ", dice Li.

    Cuando comenzó su MBA en Kellogg, Li sabía que tenía la oportunidad única y los recursos adecuados para tener un impacto en este espacio, pero no sabía exactamente cómo se manifestaría su idea.

    El equipo de Aerospec Technologies en The Garage, Espacio incubadora de Northwestern. Crédito:Universidad Northwestern

    "Intenté construir drones y venderlos, Intenté vender drones como intermediario e intenté proporcionar drones como servicio, ", dice. No fue hasta que se inscribió en un curso de emprendimiento de Kellogg llamado New Venture Launch que Li solidificó su modelo de negocios y comenzó a sentar las bases de Aerospec Technologies. Listo para probar su idea, se postuló a la competencia de planes de negocios insignia de Northwestern, VentureCat, donde ganó la categoría de energía y $ 5000 en fondos semilla. Aprovechando ese impulso, Li se unió a los líderes en la incubadora del campus, El garaje, y aseguró el espacio físico donde podría concentrarse en las operaciones diarias de Aerospec. Contrató a pasantes de Northwestern que estudiaban inteligencia artificial y aprendizaje automático, y comenzó a lanzar a los clientes.

    Enfrentando al jugador más grande en el espacio de análisis industrial, La plataforma Predix de General Electric, Aerospec se destaca en las áreas de recolección de datos y especialización industrial. Al recopilar continuamente datos de sus clientes solares, Aerospec entrena su algoritmo inteligente para desarrollar y recomendar las mejores prácticas para toda la industria solar. Denominada analítica prescriptiva, el método utiliza herramientas de inteligencia artificial para prescribir soluciones a posibles escenarios, en este caso, mal funcionamiento del panel. Lo que significa es que Li no solo podrá detectar lo que podría salir mal, pero también podrá decirle al operador del sitio lo que debe hacerse para evitar problemas con anticipación.

    "Si alguien quiere construir una granja solar en un estado en el que trabajamos, pueden acudir a nosotros porque tenemos datos sobre millones y millones de paneles solares durante varios años, "dice Li". Según datos históricos, podemos decirles dónde deben construir, cómo deben inclinar sus paneles para obtener el máximo rendimiento, y qué revestimiento reflectante deben usar en sus paneles, basado en el clima ".

    Como muchos de los clientes de Aerospec también son propietarios de parques eólicos, Aerospec busca extender pronto sus servicios a la industria eólica. A medida que la empresa crece, Li espera elevar el nivel de cómo los drones pueden ser útiles para desarrollar soluciones a una variedad de problemas comunes.

    "Conocemos el impacto que nuestra tecnología puede tener en la industria energética, ", dice Li." Pero también sabemos que las aplicaciones para el mundo son infinitas ".


    © Ciencia https://es.scienceaq.com