Connecting Waterpeople
Terranova

Se encuentra usted aquí

¿Cómo puede utilizarse la IA para mejorar la planificación de las intervenciones en el campo?

  • ¿Cómo puede utilizarse IA mejorar planificación intervenciones campo?

Sobre la Entidad

Terranova
Terranova invierte, desde el 2001, en la investigación y el desarrollo, para transformación digital. Hoy es el líder en el sector de la energía. Ofrece soluciones integrales para la gestión completa del servicio del agua

La inteligencia artificial es una disciplina que estudia los fundamentos teóricos y las metodologías que permiten proyectar sistemas capaces de proporcionar al ordenador prestaciones que, para un observador común, parecerían dominio exclusivo de la inteligencia humana.

La inteligencia artificial incluye las técnicas de:

  • Aprendizaje automático, que adopta métodos estadísticos tradicionales para que las máquinas aprendan a partir de la experiencia;
  • Aprendizaje profundo, que utiliza redes neuronales para aprender de los datos.
  • Desde hace unos años, la inteligencia artificial viene desempeñando un papel protagonista en el mercado, debido principalmente a la conjunción de la concurrencia de cuatro condiciones:
  • La capacidad de aprovechar algoritmos muy eficientes;
  • La disponibilidad de una potencia de cálculo muy elevada (en los centros de datos de las empresas, pero también en el cloud);
  • La voluntad de las empresas y de los Estados de invertir en estas tecnologías;
  • La difusión de aplicaciones capaces de generar los datos necesarios para la inteligencia artificial.

Terranova, con el objetivo de ofrecer al mercado soluciones cada vez más innovadoras, se asoció en 2021 con HPA, una empresa derivada de la Universidad de Verona que desarrolla soluciones personalizadas para el análisis predictivo en el sector de las utilities, utilizando técnicas de aprendizaje automático y aprendizaje profundo.

La aplicación de la inteligencia artificial en Terranova puede analizarse en la planificación de las operaciones de campo.

Los problemas que se deben resolver y los objetivos que se deben alcanzar a este respecto son principalmente:

  • Mejora de los tiempos de ejecución;
  • Distribución óptima de las actividades y, por tanto, mejor organización del trabajo de los operadores;
  • Comparación de distintos escenarios de gestión para elegir la mejor solución;
  • Reorganización tras imprevistos mediante una planificación automática que se comunica a todos los operarios implicados;
  • Posibilidad de gestionar la estacionalidad y, en consecuencia, mayor conocimiento del comportamiento de los trabajadores y del medioambiente en general en todas las épocas del año;
  • Reducción de los kilómetros recorridos por los vehículos y, por consiguiente, del consumo de combustible.

Sin embargo, para optimizar las operaciones de campo no es suficiente adoptar un algoritmo que prediga la duración media de las intervenciones, sin tener en cuenta la ubicación, la estación del año o el operador.

De ese modo, se pueden llegar a cometer importantes errores.

Por el contrario, es esencial disponer de información sobre las actividades que se van a realizar, las competencias de los operarios, las herramientas de que disponen y el territorio, para crear la mejor combinación de estos elementos y conseguir un mayor resultado con un menor coste.

Así pues, dado que disponer de un input más preciso hace que el output sea también más exacto, Terranova ha creado un algoritmo de optimización que, basándose en estos parámetros, tiene la capacidad de identificar al mejor y más adecuado operador para cada tipo de actividad e indicar cuánto tiempo tardará dicho operador en gestionar y concluir un único expediente.

A través de la solución TWFM (Terranova Work Force Management), es posible gestionar las actividades de mantenimiento en la red mediante:

  • Mantenimiento proactivo: periódicamente se realiza una intervención y comprobación para intentar prevenir la avería en la maquinaria;
  • Mantenimiento reactivo: se realiza un mantenimiento cuando la avería ya se ha producido y cuando, por tanto, está identificada;
  • Mantenimiento predictivo: se intenta predecir el fallo y, por tanto, se realiza el mantenimiento cuando la probabilidad de que se produzca supera un determinado umbral y, si esta estimación es lo suficientemente precisa, se evitará la avería antes de que se manifieste realmente.

Según un estudio del Analytics Institute de Deloitte, este último es capaz de aumentar la productividad de la empresa en un 25%, reducir las averías en un 70% y recortar los costes de mantenimiento en un 25%, pero una particularidad del algoritmo creado por Terranova es que no solo puede aplicarse al mantenimiento predictivo, sino también al reactivo.

De hecho, si los datos están disponibles en un flujo continuo y, por tanto, en tiempo real, los equipos podrán intervenir cuando se haya producido una avería, pero antes de que haya surtido efecto y, por tanto, causado daños en el servicio.

Por lo tanto, la colaboración entre la inteligencia artificial y los equipos operativos sigue siendo crucial.

El desarrollo de Terranova en el uso de la inteligencia artificial dentro de sus soluciones de software para la eficiencia de las actividades de campo fue más allá a través de dos modificaciones principales: el reconocimiento de imágenes y el asistente de voz móvil.

En cuanto al reconocimiento de imágenes, la idea parte del hecho de que durante las operaciones de campo y la toma de lecturas, a menudo se hacen fotos de los contadores que luego no se utilizan. Se trata, por tanto, de una cantidad importante de datos que se conservan, pero que después no se utilizan, salvo en raras ocasiones, como cuando se informa de una lectura errónea y luego se verifica a través de la imagen.

Por tanto, la solución consiste en organizar y comprobar automáticamente, con ayuda de la inteligencia artificial, las fotos de los contadores que ya se tienen.

Los objetivos de este proyecto son:

  • Escalabilidad: debe ser rápido y ejecutarse en segundo plano, de modo que pueda analizar las imágenes de las que ya dispone y otras nuevas de forma automática;
  • Calidad de los datos: ser capaz de explotar estas imágenes que suelen utilizarse poco para mejorar la calidad de los datos;
  • Expandibilidad: se traduce en la capacidad de adaptar el proyecto no solo a los modelos de medidores ya conocidos, sino también a los que actualmente desconocemos y que se crearán en el futuro;
  •  Mejora continua: al analizar imágenes, el motor nunca será preciso al 100%. Sin embargo, en cuanto se detecta un error, el operador lo corrige y, como resultado, el motor reconoce la información correcta y mejora, reduciendo cada vez más el margen de error.

datos de reconocimiento de imágenes

Así, gracias a la función de reconocimiento de imágenes, se extrae información y es posible conocer el tipo de servicio, la marca, el modelo, el número de serie y la lectura.

En cuanto al asistente de voz móvil, se trata de un proyecto que a menudo se vincula a un simple control vocal, pero en realidad no se queda ahí. De hecho, no se trata solo de dar una orden que luego ejecuta el motor. Se trata más bien de un asistente vocal que habla, pide información y entiende las respuestas que se le dan y, por tanto, de una interacción bidireccional entre la aplicación y el operador.

Las principales características de la aplicación son las siguientes:

  • Es multiplataforma y, por tanto, compatible con dispositivos Android y Windows;
  • Permite el uso de aplicaciones móviles sin el uso de las manos y, por lo tanto, mejora la usabilidad, la velocidad de un comando y la seguridad del operador;
  • Funciona aunque no haya conectividad y, por tanto, incluso si no está conectado a Internet;
  • Es multilingüe, lo que permite aplicar la solución no solo en Italia, sino también en el extranjero;
  • Es multiservicio porque puede gestionar varios sectores, como el agua, la electricidad, el gas y el medioambiente.

Funciones de asistentes de voz móvil

En conclusión, la inteligencia artificial aplicada a las operaciones de campo permite organizar mejor las actividades gracias a una gestión más eficaz de los datos recogidos durante el mantenimiento y al apoyo continuo ofrecido a los técnicos.

En este contexto, la solución de software TWFM de Terranova es la respuesta perfecta para la gestión y el control de actividades, equipos de trabajo y agendas. Gracias a la integración de la inteligencia artificial, ofrece una experiencia de usuario intuitiva y avanzada, garantizando una gestión eficiente y eficaz de las actividades de trabajo.

La redacción recomienda

12/02/2024 · Digitalización

TAMM de Terranova: La plataforma digital que potencia la medición inteligente del agua

09/02/2024 · Digitalización

TWFM de Terranova: Definiendo el futuro de las operaciones en servicios públicos de agua

17/01/2024 · Innovación

Terranova: Modelando el futuro del agua en España con tecnología avanzada y compromiso sostenible

11/11/2022 · Digitalización

Franco Adami Carbonara: "Nos gustaría ayudar al sector del agua en España en su viaje digital"

18/10/2022 · Digitalización

Simone Panduri: "La hoja de ruta de la digitalización de APM comenzó con la medición inteligente"

18/10/2022 · Digitalización

Violante Cazzaro: "La adopción de TAMM ofrece una reducción de los costes de telelectura"

17/10/2022 · Digitalización

Federico Hugo Benedini: "El uso del recurso tiene que ser eficiente porque es un recurso escaso"