Mengapa kita masih bertahan dengan waktu henti pemadaman listrik?

Salah satu penyebab terbesar downtime dan kehilangan data bukan berasal dari peretas atau aktivitas jahat lainnya, tetapi dari pemadaman listrik besar-besaran yang disebabkan oleh "waktu henti" peralatan atau mesin yang salah. Faktanya, hilangnya daya memimpin sebagai bencana terkait TI teratas yang dihadapi sebagian besar organisasi. Pemadaman listrik besar-besaran di San Francisco pada bulan April, misalnya, membuat perusahaan teknologi tinggi di seluruh kota berhenti total, bersama dengan lampu lalu lintas, bus, dan sistem BART kota.

Sebagian besar bisnis belum mengungkapkan kerugian pasti karena banyak yang masih bernegosiasi dengan PG&E Corp., perusahaan utilitas yang bertanggung jawab, tetapi beberapa telah mengklaim kerugian sekitar $100.000 hingga $300.000, yang berarti kerugian keseluruhan dalam jutaan dolar untuk sektor TI kota yang sibuk. .

Lihat Juga: eleven-x meluncurkan jaringan IoT berdaya rendahnya di seluruh Kanada

Listrik dan Infrastruktur

San Francisco juga bukan satu-satunya kota yang mengalami pemadaman listrik besar-besaran pada April lalu. New York juga mengalami pemadaman listrik yang meluas tahun ini, membuat penumpang terdampar di terowongan kereta bawah tanah selama puncak perjalanan pagi. Ini terjadi setelah New York menerima nilai rendah setiap tahun di Kartu Laporan Infrastruktur mereka. Namun, New York secara konsisten menerima nilai yang lebih tinggi dari organisasi daripada negara secara keseluruhan, yang mengkhawatirkan.

Banyak yang bertanya apakah hal semacam ini akan menjadi lebih umum bergerak maju karena sistem infrastruktur tenaga listrik yang sudah tegang di kota-kota besar Amerika semakin tua dan terbebani oleh pertumbuhan populasi. Akankah pemadaman listrik menjadi sesuatu yang harus diterima dan dihadapi oleh perusahaan? Saya tidak percaya begitu. Meskipun tantangan ini nyata dan menghadirkan tantangan serius bagi sistem tenaga, merangkul teknologi baru akan memungkinkan perusahaan utilitas, dan pelanggan mereka, untuk lebih siap dan mungkin menghindari pemadaman listrik sama sekali.

Ada Bola Kristal

Terlepas dari tantangan ini, pemadaman listrik berpotensi tidak hanya menjadi lebih jarang tetapi mungkin dapat dihindari sama sekali. Menggunakan analitik prediktif, bola kristal teknologi, baik perusahaan utilitas maupun organisasi yang bergantung padanya akan lebih siap menghadapi masalah ini. Analitik prediktif akan memungkinkan personel untuk menerima pemberitahuan peringatan dini saat masalah muncul, memungkinkan mereka untuk menyelesaikan masalah sebelum peristiwa pemadaman listrik terjadi.

Beberapa masalah dapat diidentifikasi berhari-hari atau berminggu-minggu sebelum pemadaman listrik terjadi. Dalam menggunakan analitik prediktif untuk mengidentifikasi masalah ini, beban dapat berpindah, dan pemadaman terencana dapat terjadi untuk meminimalkan kerusakan. Organisasi akan dapat menerima peringatan lanjutan tentang masalah ini, dan mengambil langkah yang tepat untuk mengurangi kerugian selama jangka waktu tersebut. Selain itu, perusahaan listrik akan dapat mengidentifikasi biaya pemeliharaan yang diperlukan sebelumnya dengan analitik prediktif. Misalnya, sebelum sistem memerlukan pemeliharaan, suku cadang mungkin sudah dalam perjalanan.

Masa pemeliharaan juga akan diperpanjang, karena sistem prediktif dapat memantau kondisi peralatan untuk memberikan wawasan yang lebih akurat tentang kapan sistem tertentu perlu diganti. Itu terjadi sekarang di industri jasa. “Menggunakan AI dan pembelajaran mesin, kami sekarang dapat mengoptimalkan jadwal perawatan, menetapkan suku cadang berisiko tinggi untuk penggantian, dan memastikan teknisi memiliki alat dan suku cadang yang benar sehingga mereka tidak perlu melakukan perjalanan yang tidak perlu dan berulang” kata Shahar Chen , salah satu pendiri Aquant yang berbasis di NY.

Manfaat dunia nyata dari sistem semacam itu akan sulit diukur tetapi substansial. Peningkatan masa pakai peralatan, peningkatan efisiensi, dan peningkatan produktivitas akan dirasakan tidak hanya oleh perusahaan listrik, tetapi juga untuk semua pelanggan perusahaan tersebut.

Analisis Prediktif dan Tindakan Tuhan

Kami bahkan dapat mengantisipasi efek bencana alam pada sistem tenaga berkat machine learning AI. Peneliti Texas A&M University baru-baru ini mengembangkan model kecerdasan yang dapat memprediksi efek angin berkecepatan tinggi selama cuaca buruk sehingga pohon yang mungkin tumbang di saluran listrik di area kritis akan dipangkas terlebih dahulu. Saat ini, pekerjaan semacam ini dilakukan secara sewenang-wenang. Memprediksi jadwal pemangkasan pohon yang optimal hanyalah salah satu aplikasi model. “Setiap jenis data lingkungan yang memiliki beberapa relevansi dengan sistem tenaga dapat dimasukkan ke dalam kerangka prediksi ini, kata Dr. Mladen Kezunovic, yang mengembangkan sistem dengan beberapa mahasiswa pascasarjana.

Di daerah-daerah di mana cuaca buruk yang berulang menjadi faktor, Exacter, sebuah perusahaan IoT yang menangani sistem kelistrikan, mengatakan bahwa algoritmenya dapat mengidentifikasi peralatan yang rusak atau menunjukkan tanda-tanda kegagalan sebelum badai besar menyerang. Perusahaan utilitas kemudian memprioritaskan pemeliharaan preventif ke lokasi yang paling padat penduduknya dan terkena dampak. Setelah badai, mereka memberikan penilaian kesehatan untuk mengaktifkan dan menjalankan sistem kelistrikan sesegera mungkin.

Lihat Juga : Nokia membantu menjadikan wilayah Chengdu menjadi pembangkit tenaga listrik yang cerdas

Skenario Menang-Menang

Analitik prediktif memberikan skenario win-win untuk perusahaan utilitas dan organisasi yang bergantung padanya. Dengan memberi tahu tim tentang risiko yang akan datang (potensi pemadaman listrik), mereka dapat mengambil tindakan yang diperlukan untuk mengurangi kerusakan dan menyelesaikan perbaikan. Selain itu, perusahaan akan memiliki peringatan lanjutan tentang waktu henti yang akan datang dan dapat mengambil langkah mereka sendiri. Produktivitas dan efisiensi akan meningkat secara menyeluruh.

Yang benar-benar menarik adalah bagaimana AI dan pembelajaran mesin dapat memberikan wawasan yang dapat ditindaklanjuti dengan segera. Perusahaan utilitas sudah mulai merangkul analitik prediktif dan akan meningkatkan pengeluaran mereka di area tersebut di tahun-tahun mendatang. Menurut Navigant Research, utilitas akan menghabiskan $50 miliar untuk peralatan pemantauan jaringan pada tahun 2023. Jadi, sementara infrastruktur dan sistem memang membutuhkan peningkatan, kemajuan teknologi kami dapat menyelesaikan sebagian besar masalah ini sebelum pemadaman lain yang mahal dan tidak nyaman dapat terjadi. Bagaimanapun, itulah prediksi saya.