Weaver: Mantenimiento predictivo en subestaciones eléctricas

Comunicación presentada al VII Congreso Smart Grids

Autores

• Takashi Yamanaka, Client Manager Utilities Japan, Everis
• Francisco Javier López Rodriguez, Director Utilities & Energía, Everis
• Ernesto Gámiz Martínez, Energy & Utilities Strategy Engagement Manager, Everis

Resumen

Weaver nace con el objetivo de cerrar la brecha entre la estrategia y la implementación, su visión consiste en soluciones probadas y confiables, desarrolladas por expertos de la industria tanto en el ámbito de negocio como en el técnico. Weaver trabaja para transformar los datos en conocimientos prácticos que permitirán perseguir diferentes objetivos, entre ellos, la reducción de OPEX, la optimización de CAPEX y la diversificación comercial. Weaver se trata de crear valor de negocio tangible a lo largo del tiempo, centrado en la generación y explotación de datos, logrando así la digitalización de activos y explorando otras oportunidades vinculadas a la generación y explotación del dato. Bajo este concepto se desarrolló un proyecto en una empresa de transporte y distribución en Japón, en el cual se logró crear una solución que optimiza el proceso de mantenimiento en subestaciones eléctricas de la red de distribución desde un enfoque de mantenimiento predictivo, usando la innovación tecnológica (IoT y algoritmos analíticos de Inteligencia Artificial) para optimizar la fuerza de campo y el tratamiento de activos de forma digital.

Palabras clave

Transporte, distribución, inteligencia artificial, IoT, datos, analytics, subestaciones, optimización, mantenimiento, CAPEX, OPEX, inspecciones, sonido, imágenes, derrames, intrusión, eficiencia, proactivo.

Introducción

Las compañías de transporte y distribución de energía enfrentan el desafío de adaptarse a nuevos entornos regulatorios mientras responden a desafíos globales como la descarbonización y la electrificación. Todo ello en el contexto de un ecosistema cambiante de innovación que irrumpe en el negocio, con un esquema de ingresos restringido y un enfoque orientado a proporcionar valor adicional a los diferentes stakeholders a lo largo del tiempo, creando, por lo tanto, muchos desafíos nuevos y ambiciosos.

Ante esta situación se desarrolló el concepto de Weaver, que mediante elementos de digitalización de activos y el tratamiento y explotación de datos ofrece una propuesta integral de transformación para los DSOs y TSOs. En este documento presentaremos la forma en la que se logró digitalizar subestaciones en una empresa de distribución, mediante el uso de imágenes y sonido y la utilización de algoritmos de inteligencia artificial. Dando como resultado un nuevo paradigma de mantenimiento proactivo que ha mejorado la seguridad, el uso del talento humano, la supervisión de los activos y una serie de beneficios no solo económicos sino inclusive de carácter ambiental.

El concepto de Weaver

Weaver es una iniciativa compuesta de tres grandes elementos (visión, metodología y un portafolio de PyS):

Visión: Bajo una visión de digitalización, es igualmente importante generar y captar los datos de la operación y el entorno en el que operan las empresas de transporte y distribución, así como el saber explotarlos y darles el tratamiento necesario, para lograr:

• Excelencia Operativa: Generar más valor con la misma o menor cantidad de recursos, logrando la convergencia del mundo de la Tecnología de la Información con el de la Tecnología de Operación. La digitalización y la optimización son imprescindibles para mantener la calidad y la eficiencia en las diferentes etapas de la cadena de valor de los servicios públicos.
• Transformación Estratégica Continua: Adaptando organizaciones con una perspectiva de principio a fin, afrontando nuevos retos y desarrollando nuevos modelos de negocio y nuevas líneas de ingresos. Crear más capacidad de inversión, que, a su vez, aportará valor a los accionistas en el tiempo.

Metodología: La metodología de Weaver consiste en desarrollar soluciones a medida a partir de la experiencia específica en empresas de transporte y distribución.

Weaver logra personalizar las soluciones evaluando los requisitos de cada cliente para garantizar el éxito de negocio y la viabilidad técnica. Empleando técnicas de Design Thinking, como una primera etapa del ciclo metodológico, para crear un entorno innovador comprendiendo y explorando las necesidades del cliente y reconociendo patrones a través de este análisis. Una vez que se identifica un patrón específico de necesidades, se inicia un segundo ciclo apoyado por la metodología Lean Startup para desarrollar Weaver de forma conjunta con el cliente, en un entorno iterativo, dando como resultado un Producto Mínimo Viable (MVP) validado y soportado tanto por el negocio como por los expertos IT del cliente. Por último, Weaver emplea la filosofía Agile como tercer pilar para tener una garantía de éxito en un tiempo de implementación rápido.

Este esquema metodológico ha sido probado en diferentes proyectos, entre ellos el caso de éxito descrito en este documento, en el que se ha logrado una exitosa implantación en cerca de 1.300 subestaciones en un periodo de prácticamente 24 meses.

Portafolio de Productos y Servicios: El enfoque principal de Weaver está en los datos, generados por una serie de capacidades nuevas, existentes y futuras. Es la adquisición, manejo y explotación de datos lo que permite generar valor y habilitar nuevas capacidades en las empresas de Distribución y Transmisión. Se recopilan datos de todas las fuentes disponibles para ayudar a la ideación de nuevas líneas comerciales, la optimización de procesos operativos y de negocio, así como en la toma de decisiones. Weaver engloba toda una serie de datos:

Las soluciones y servicios de Weaver se generan bajo el diseño de capacidades y funcionalidades en torno a cinco patrones de uso, todos ellos enfocados a la generación, tratamiento y explotación de datos:

1. Event Driven: Plataforma para monitoreo remoto y alertas de eventos en tiempo real, manejando cantidades masivas de datos recopilados desde múltiples endpoints.
2. Pool-to-Analyze: Combinando varios tipos de datos, integrándolos de diferentes fuentes y proporcionando casos de uso de análisis específicos mediante el uso de API sofisticadas.
3. Perception Handling: Motor de inteligencia artificial específico para los DSOs y TSOS, capaz de diagnosticar el estado de los activos en función de los datos perceptivos recopilados de los dispositivos, detectar anomalías y activar operaciones de mantenimiento proactivo.
4. Accurate Processing: Arquitectura personalizada para el procesamiento detallado de los datos, garantizando la consistencia de os mismos sin importar su fuente, mientras se mantiene la integridad de los datos para satisfacer las necesidades críticas del negocio.
5. Business Sandbox: Plataforma integral, diseñada para probar hipótesis comerciales mediante el análisis de varias fuentes de datos en un entorno de prueba dinámico.

Caso de éxito: Mantenimiento predictivo en subestaciones eléctricas

Como parte de la experiencia con Weaver, nos gustaría presentar el caso de éxito de Mantenimiento predictivo en subestaciones eléctricas, basado en el motor de Perception Handling. En esta ocasión se constituye de una solución que optimiza el proceso de mantenimiento en subestaciones eléctricas de la red de distribución desde un enfoque de mantenimiento predictivo, usando la innovación tecnológica (IoT y algoritmos analíticos de Inteligencia Artificial) para optimizar la fuerza de campo y el tratamiento de activos de forma digital, utilizando una red de cámaras y micrófonos en diferentes subestaciones.

Contexto

Una compañía japonesa opera negocios de transporte y distribución, así como la generación de energía en islas remotas, es considerada una utility integrada. Al igual que muchas otras empresas de redes de Japón, se enfrenta al desafío de gestionar instalaciones antiguas en un momento en que la mano de obra disponible está disminuyendo.

De la mano del grupo NTTD (del cual forma parte everis) decidieron instalar la solución de Perception Handling después de que se confirmara su eficiencia y caso de negocio en pruebas de concepto que involucraron subestaciones de diversos tipos en 2017.

Esta decisión fue impulsada por la inmensa presión de mantener los costes bajos, mientras se brinda un servicio al cliente excepcional. Por ello, el DSO optó por soluciones habilitadas por IA de Weaver que les permitieron aumentar la eficiencia y mejorar el servicio al cliente, al tiempo que evitaban muchos de los problemas de salud y seguridad que surgen cuando los trabajadores revisan físicamente este equipo, logrando también un efecto positivo en el estado y salud de los activos de red.

Esta misma compañía también se está preparando para un cambio de paradigma en el que la penetración de recursos energéticos distribuidos (DER) como PV y EV hará que el suministro (kWh) y el almacenamiento sean más abundantes. Esto provocará un cambio de enfoque, del suministro hacia la capacidad (kW) y hacia la flexibilidad (ΔkW), que podría obtenerse de los recursos del lado de la demanda. Para que este cambio suceda sin problemas, es imprescindible contar con una operación de mantenimiento de la red más resistente y eficaz, a la vez que se habiliten capacidades que permitan abordar los nuevos requerimientos regulatorios y las oportunidades de negocio.

El Reto

Mediante el uso de nuevas tecnologías desarrolladas en el campo de la IA, el DSO espera poder reducir el tiempo dedicado a las inspecciones físicas. Esto significa tener que desplazar menos personal a las 1.300 subestaciones distribuidas en una extensión de 40.000 km de red, garantizando al mismo tiempo una monitorización más constante y eficaz de los activos, ya que no se pueden realizar inspecciones 24/7, conservando el mismo nivel de detalle que se tiene actualmente. La oportunidad deriva de dos principales tendencias, la despoblación y la digitalización. La fuerza laboral experta empieza a envejecer y cada vez hay menos talento profesional calificado para estas tareas, adicionalmente, el talento experto existente podría estar mejor preparada para otras tareas, mientras que las nuevas tecnologías impulsan la presión para ser más eficientes en los campos de operación y mantenimiento

La Solución

La solución está diseñada para procesar imagen y sonido en dos motores diferentes de inteligencia artificial, lo que permite el análisis simultáneo de señales.

La solución de mantenimiento digital de Perception Handling integra procesos para la planificación e implementación del mantenimiento de las instalaciones. El motor IA de análisis de imagen combina tecnologías de aprendizaje profundo y análisis de video, logrando automatizar las funciones de análisis visual que los humanos normalmente realizan para detectar anomalías, identificar objetos y diagnosticar daños. Esta tecnología se puede utilizar para varios activos dentro del DSO. Por mencionar algunos, como son transformadores dentro de subestaciones, líneas aéreas, postes, torres y elementos subterráneos.

El motor de IA de análisis de sonido aprende sonidos normales utilizando una solución patentada, logrando visualizar y analizar el sonido utilizando tecnología de detección de audio anormal para identificar signos de desgaste o daño en los activos, optimizar los costes de mantenimiento y reducir el tiempo de inactividad operativo.

La estrategia de adquisición de datos para el sistema consiste en que cada subestación envíe información de imagen y sonido a un centro de control, donde se integra con el sistema de gestión de activos y se carga en la nube a través de una conexión VPN segura. El motor de IA opera en un entorno de nube donde el aprendizaje se acelera ya que incorpora los datos de todos los sitios del DSO. El análisis de la información se pone a disposición de los operadores de mantenimiento en la oficina, donde inspeccionan las subestaciones sin necesidad de patrullar. Se les proporciona un diseño sofisticado de UI / UX mediante una interfaz web que les ayuda a mejorar la productividad.

Además, el sistema también se ha configurado y se ha demostrado que funciona en una configuración edge, donde cada centro de control tiene un entorno de IA local. Este enfoque no disfruta de los beneficios del aprendizaje agregado de múltiples sitios, sin embargo, tiene un costo de implementación reducido y un esquema de expansión más fácil a otras subestaciones o centros de control.

En el caso concreto del DSO japonés, se empleó la inteligencia artificial para la detección de los siguientes escenarios en subestaciones:

• Diagnóstico de mantenimiento de equipos: mediante dispositivos IoT, como cámaras y micrófonos conectados a un sistema central, se monitorizan activos de gran valor e importancia para la red como pueden ser transformadores o generadores eléctricos. Con ello se recoge datos e información (imágenes de activos, sonidos, etc.) para ser procesados mediante algoritmos de inteligencia artificial que son capaces de detectar fugas de aceite en equipos, así como anomalías a nivel sonoro en base a desviaciones obtenidas a partir de la comparación entre un patrón estándar de sonido de un equipo específico y el patrón real grabado mediante los micrófonos.

• Mejora en la seguridad de las instalaciones: las empresas distribuidoras o transportistas de electricidad tienen instalaciones ubicadas en zonas alejadas de los núcleos urbanos en las cuales puede no haber personal en campo para supervisar de manera presencial la seguridad de las mismas. También cuentan con instalaciones de gran superficie, como subestaciones, en las que un operario no puede cubrir de manera eficiente la seguridad de las mismas. Por ello, esta solución despliega cámaras conectadas a un sistema de monitorización que permite recolectar imágenes en tiempo real del perímetro de la subestación. Posteriormente, mediante algoritmos de inteligencia artificial, se puede detectar tanto daños en el perímetro de la instalación por los que podrían acceder intrusos, como objetos vertidos ilegalmente en el área de la subestación.

• Mantenimiento de equipos de medida: de la misma manera que la solución puede monitorizar, mediante cámaras, el perímetro de la subestación, estas mismas cámaras también pueden ser empleadas para recoger imágenes de contadores e indicadores luminosos de los activos situados en las instalaciones. Utilizando algoritmos de inteligencia artificial sobre estos datos, se obtienen lecturas del medidor de nivel de aceite (analógico) e identificación de luces y alarmas del panel de control.

Además, es un sistema aplicable a cualquier equipo o componente de la subestación independientemente del fabricante o la antigüedad del activo. Con los mismos algoritmos, se ha propuesto la extensión del sistema a otros activos de la red como podrían ser centros de transformación y elementos de las líneas aéreas que gestiona tanto la distribuidora como la empresa de transporte.

Resultados

Con la implementación de Perception Handling, el DSO logró de la mano de Weaver producir beneficios tanto cualitativos como cuantitativos, que se han clasificado en dos principales ejes:

• Mitigación de riesgos: Eje en el cuál consideramos beneficios al no incurrir en posibles situaciones que podrían perjudicar a la organización.
  • Reducción del riesgo de fallo (probable falla debido a un problema no supervisado o no detectado) del equipo, de una probabilidad del 43% a casi el 10%.
  • La capacidad de sensorización mediante imagen y sonido para detectar anomalías de Weaver solo se demostró inviable para 2 de los 45 elementos de red inspeccionados. En comparativa, si el DSO hubiera optado por adaptar los sensores ya existentes, solo se habría logrado una cobertura máxima del 57%, frente al 90% obtenido al utilizar las capacidades completas de análisis de imagen y sonido mediante inteligencia artificial. Adicionalmente, se demostró que se podría aumentar esta cobertura en un 6% (96% en total sobre los 45 elementos) si se realizaran una serie de configuraciones complejas.
  • Se comprobó que la tasa de error del algoritmo de IA estaba por debajo de la del «error humano» con una probabilidad máxima de fallo menor al 5% en promedio.
  • Reducción del riesgo físico del personal en el campo, incluso si las operaciones de campo en este DSO se llevan a cabo sin incidentes, la limitación de las inspecciones físicas ha contribuido a que este tipo de KPI sea aún más robusto.
• Eficiencia operativa: En este eje consideramos aquellos beneficios que han tenido una contribución directa al OPEX de la organización.
  • Con la reducción de más del 50% de las inspecciones físicas se optimizó un total de 000 horas de trabajo. Esto ha contribuido a la creación de nuevas actividades como la formación y servicios de consultoría de expertos mediante la reubicación del personal senior involucrado previamente en las inspecciones. Al mismo tiempo, se ha capacitado a talentos menos expertos para utilizar el sistema desde un entorno de centro de control.
  • No se ha cuantificado el efecto colateral de la reducción de las inspecciones físicas, pero se ha percibido una reducción en el desgaste de los equipos y el uso de vehículos.
  • Se optimizaron los costes asociados al transporte, reduciendo los viajes realizados a cada subestación, afectando positivamente la huella de carbono al reducir las emisiones de CO2 en 111.000 kg de CO2 anuales.
  • En una estimación amplia, el motor de IA de Perception Handling ha reducido cerca de un 90% el coste de las actividades de mantenimiento que ha reemplazado.
  • Se concretó un caso de negocio que demostró (con una estimación conservadora) un retorno de la inversión en un periodo cercano a tres años y una TIR del 10%.

Discusión y conclusiones

La experiencia al desarrollar la solución de Perception Handling de la mano de este DSO ha dejado valiosas lecciones aprendidas y una serie de beneficios que dan la pauta a seguir para una serie de iniciativas que buscan transformar el Modelo Operativo y el Paradigma de Mantenimiento de la organización.

Al haber logrado una digitalización de activos sin tener que reemplazar físicamente los activos en cuestión (transformadores e instalaciones con un gran recorrido en su periodo de vida útil), se ha logrado destinar inversión a nuevos casos de uso que sobre la base probada de Perception Handling prometen la digitalización de otros activos de red. En este sentido se encuentran bajo desarrollo el análisis y captura de información vinculada a líneas aéreas mediante drones con diversas capacidades de imagen (LiDAR, IR, Thermal, HR, etc.), o la sensorización de la red secundaria de distribución mediante otros elementos IoT.

Adicionalmente, la mejora de indicadores laborales como el de seguridad para el personal y la promesa de mejor calidad en el servicio ha permitido que el DSO tenga una posición ventajosa con el regulador para desarrollar proyectos de innovación que estén subvencionados y apunten hacia no solo el beneficio al negocio de distribución, sino que se encuentren marcados por un componente de innovación y beneficio social. En este aspecto, la incorporación de gestión de datos de Weaver ha logrado que la distribuidora entre en un consorcio con otras empresas y el gobierno para el desarrollo de bases de datos que podrían ser utilizadas como un sandbox de negocio y proyectos de interés social. Por ejemplo, actualmente se está explorando la posibilidad de analizar el consumo energético, vinculado con el movimiento de personas durante la crisis sanitaria, para formar parte de la estrategia del gobierno japonés para la toma de medidas de carácter sanitario. En conclusión, al abordar la digitalización de los activos mediante Perception Handling y la visión integral de tratamiento de datos de Weaver, se ha logrado la generación de múltiples beneficios, pero de forma destacable, se han abierto una serie de posibilidades para el futuro desarrollo de iniciativas, proyectos y oportunidades en múltiples frentes que abarcan las actividades de la distribuidora.

Referencias

• Everis energy & Utilities: https://www.everis.com/global/en/industries/utilities-energy