لا يفكر معظم الناس إلا في الأنظمة التي تزود مدنهم بالطاقة عندما يحدث خطأ ما. لسوء الحظ ، كان لدى العديد من الأشخاص في منطقة خليج سان فرانسيسكو الكثير ليفكروا فيه مؤخرًا عندما بدأت شركة المرافق الخاصة بهم في انقطاع التيار الكهربائي المجدول في محاولة لمنع حرائق الغابات. جاء القرار بعد اكتشاف حرائق مدمرة العام الماضي نتيجة خلل في المعدات ، بما في ذلك المحولات.

المحولات هي الروابط بين محطات الطاقة وخطوط نقل الطاقة وشبكات التوزيع. إذا حدث خطأ ما في المحولات ، يمكن أن تصبح محطات الطاقة بأكملها مظلمة. لإصلاح المشكلة ، يعمل المشغلون على مدار الساعة لتقييم المكونات المختلفة للمصنع ، والنظر في مصادر البيانات المتباينة ، وتحديد ما يلزم إصلاحه أو استبداله.

تعد صيانة وفشل معدات الطاقة مشكلة بعيدة المدى يصعب إرفاقها بعلامة الدولار. بالإضافة إلى الإيرادات المفقودة من المصنع ، هناك شركات لا يمكنها العمل ، وأشخاص عالقون في المصاعد ومترو الأنفاق ، ومدارس لا يمكن فتحها.

الآن ، تعمل شركة Tagup الناشئة على تحديث صيانة المحولات والمعدات الصناعية الأخرى. تتيح منصة الشركة للمشغلين عرض جميع تدفقات البيانات الخاصة بهم في مكان واحد واستخدام التعلم الآلي لتقدير ما إذا كانت المكونات ستفشل ومتى.

أسسها الرئيس التنفيذي جون غاريتي '11 و CTO Will Vega-Brown '11، SM '13 - الذي أكمل مؤخرًا برنامج الدكتوراه في قسم الهندسة الميكانيكية بمعهد ماساتشوستس للتكنولوجيا وسيتخرج هذا الشهر - تستخدم شركات الطاقة حاليًا تاجوب لمراقبة ما يقرب من 60,000 قطعة من المعدات حول أمريكا الشمالية وأوروبا. ويشمل ذلك المحولات وتوربينات الرياح البحرية وأنظمة التناضح العكسي لترشيح المياه ، من بين أشياء أخرى.

يقول Garrity: "مهمتنا هي استخدام الذكاء الاصطناعي لجعل الآلات التي تزود العالم بالطاقة أكثر أمانًا وموثوقية وفعالية".

المصباح الكهربائي يعمل

عبرت كل من Vega-Brown و Garrity في عدد من الطرق في MIT على مر السنين. كطلاب جامعيين ، أخذوا عددًا قليلاً من الدورات التدريبية نفسها ، مع تخصص Vega-Brown مزدوج في الهندسة الميكانيكية والفيزياء وتخصص Garrity المزدوج في الاقتصاد والفيزياء. كانوا أيضًا إخوة أخوة وكذلك زملاء في فريق كرة القدم.

تعرَّض غاريتي لأول مرة لريادة الأعمال عندما كان طالبًا جامعيًا في فصل الطاقة في معهد ماساتشوستس للتكنولوجيا وفي مركز مارتن ترست لريادة الأعمال. في وقت لاحق ، عندما عاد Garrity إلى الحرم الجامعي أثناء التحاقه بكلية Harvard Business School وكان فيغا-براون يتابع الدكتوراه ، كانا مرة أخرى زملاء في دورة MIT's New Enterprises.

ومع ذلك ، لم يفكر المؤسسون في إنشاء شركة حتى عام 2015 ، بعد أن عمل Garrity في GE Energy وكان Vega-Brown في مرحلة الدكتوراه في مختبر MIT لعلوم الكمبيوتر والذكاء الاصطناعي.

في جنرال إلكتريك ، اكتشف Garrity نموذج عمل مثيرًا للاهتمام يتم من خلاله تأجير الأصول الهامة مثل المحركات النفاثة من قبل العملاء - في هذه الحالة شركات الطيران - بدلاً من الشراء ، وتحمل الشركات المصنعة المسؤولية عن مراقبتها وصيانتها عن بُعد. سمح هذا الترتيب لشركة جنرال إلكتريك وآخرين بالاستفادة من خبرتهم الهندسية بينما يركز العملاء على صناعاتهم الخاصة.

"عندما كنت أعمل في GE ، كنت أتساءل دائمًا: لماذا لا تتوفر هذه الخدمة لأي نوع من المعدات؟ الجواب هو علم الاقتصاد ". يقول جاريتي. "من المكلف إنشاء مركز للمراقبة عن بُعد ، ولأجهزة المعدات في الميدان ، وتوظيف 50 خبيرًا أو أكثر في مجال الهندسة ، وتقديم الدعم المطلوب للعملاء النهائيين. يجب أن تكون تكلفة تعطل المعدات ، سواء من حيث توقف الأعمال أو تعطل المعدات ، ضخمة لتبرير متوسط ​​التكلفة الثابتة المرتفعة ".

يتابع غاريتي: "لقد أدركنا شيئين". "مع التوافر المتزايد لأجهزة الاستشعار والبنية التحتية السحابية ، يمكننا تقليل تكلفة [مراقبة الأصول الهامة] بشكل كبير من جانب البنية التحتية والاتصالات. وباستخدام أساليب التعلم الآلي الجديدة ، يمكننا زيادة إنتاجية المهندسين الذين يراجعون بيانات المعدات يدويًا ".

أدى هذا الإدراك إلى تاجوب ، على الرغم من أن إثبات تكنولوجيا المؤسسين سيستغرق وقتًا. يوضح فيجا براون: "تكمن مشكلة استخدام الذكاء الاصطناعي في التطبيقات الصناعية في نقص البيانات عالية الجودة". "يمتلك العديد من عملائنا مجموعات بيانات عملاقة ، ولكن كثافة المعلومات في البيانات الصناعية غالبًا ما تكون منخفضة جدًا. وهذا يعني أننا بحاجة إلى توخي الحذر الشديد في كيفية البحث عن الإشارات والتحقق من صحة نماذجنا ، حتى نتمكن من إجراء تنبؤات وتوقعات دقيقة بشكل موثوق. "

استفاد المؤسسون من علاقاتهم مع معهد ماساتشوستس للتكنولوجيا لإنعاش الشركة. لقد تلقوا إرشادات من خدمة توجيه المشاريع في معهد ماساتشوستس للتكنولوجيا ، وكان تاجوب ضمن المجموعة الأولى من الشركات الناشئة التي تم قبولها في برنامج مسرع STEX 25 التابع لبرنامج MIT للاتصال الصناعي (ILP) ، والذي يربط الشركات الناشئة ذات الإمكانات العالية مع أعضاء الصناعة. قامت Tagup منذ ذلك الحين بتأمين العديد من العملاء من خلال ILP ، وساعدت تلك الشراكات المبكرة الشركة في تدريب بعض نماذج التعلم الآلي والتحقق من صحتها.

جعل الطاقة أكثر موثوقية

تجمع منصة Tagup جميع بيانات معدات العميل في قائمة رئيسية واحدة قابلة للفرز تعرض احتمالية تسبب كل أصل في حدوث اضطراب. يمكن للمستخدمين النقر على أصول محددة لمشاهدة مخططات البيانات والاتجاهات التاريخية التي تغذي نماذج Tagup.

لا تقوم الشركة بنشر أي أجهزة استشعار خاصة بها. بدلاً من ذلك ، فهو يجمع بين قياسات أجهزة الاستشعار في الوقت الفعلي للعملاء مع مصادر البيانات الأخرى مثل سجلات الصيانة ومعلمات الآلة لتحسين نماذج التعلم الآلي الخاصة بها.

بدأ المؤسسون أيضًا بنهج مركّز لبناء نظامهم. كانت المحولات من أولى أنواع المعدات التي عملوا معها ، وقد توسعت إلى مجموعات أخرى من الأصول تدريجياً.

كان أول انتشار لـ Tagup في أغسطس من عام 2016 بمحطة طاقة تواجه نهر تشارلز بالقرب من حرم معهد ماساتشوستس للتكنولوجيا. بعد بضعة أشهر فقط من تثبيته ، كان Garrity في اجتماع في الخارج عندما تلقى مكالمة من مدير المصنع حول محول كان قد توقف للتو بشكل غير متوقع. من هاتفه ، تمكن Garrity من فحص البيانات في الوقت الفعلي من المحول وإعطاء المدير المعلومات التي يحتاجها لإعادة تشغيل النظام. تقول Garrity إنها وفرت للمصنع حوالي 26 ساعة من التوقف و 150,000 ألف دولار في الإيرادات.

يقول غاريتي: "هذه أحداث كارثية حقًا من حيث نتائج الأعمال" ، مشيرًا إلى أن فشل المحولات تقدر تكلفته بـ 23 مليار دولار سنويًا.

منذ ذلك الحين ، قاموا بتأمين شراكات مع العديد من شركات المرافق الكبرى ، بما في ذلك National Grid و Consolidated Edison Company of New York.

في نهاية المطاف ، يشعر Garrity و Vega-Brown بالحماس بشأن استخدام التعلم الآلي للتحكم في تشغيل المعدات. على سبيل المثال ، يمكن للآلة أن تدير نفسها بنفس الطريقة التي يمكن بها للسيارة ذاتية التحكم أن تشعر بوجود عقبة وتتوجه حولها.

هذه القدرات لها آثار كبيرة على الأنظمة التي تضمن إضاءة الأضواء عندما نقلب المفاتيح في الليل.

يقول غاريتي: "عندما يصبح الأمر مثيرًا حقًا هو التحرك نحو التحسين". يوافق فيجا براون على ذلك ، مضيفًا: "تُهدر كميات هائلة من الطاقة والمياه بسبب عدم وجود خبراء كافيين لضبط وحدات التحكم في كل آلة صناعية في العالم. إذا تمكنا من استخدام الذكاء الاصطناعي للحصول على بعض المعرفة المتخصصة في الخوارزمية ، يمكننا تقليل عدم الكفاءة وتحسين السلامة على نطاق واسع. "