왜 우리는 정전 중단 시간을 참아야 합니까?

다운타임 및 데이터 손실의 가장 큰 원인 중 하나는 해커나 기타 악의적인 활동이 아니라 장비 또는 기계의 "다운타임" 결함으로 인한 대규모 정전으로 인한 것입니다. 실제로 대부분의 조직에서 가장 큰 IT 관련 재해는 정전으로 이어집니다. 예를 들어, 샌프란시스코의 4월 대규모 정전으로 인해 도시 전역의 첨단 기술 회사는 도시의 신호등, 버스, BART 시스템과 함께 급정지했습니다.

대부분의 기업은 책임이 있는 유틸리티 회사인 PG&E Corp.와 여전히 협상 중이기 때문에 정확한 손실을 밝히지 않았지만 일부는 $100,000에서 $300,000 정도의 손실을 주장했으며 이는 도시의 바쁜 IT 부문에 수백만 달러의 전체 손실을 의미합니다. .

참고 항목: eleven-x는 캐나다 전역에서 저전력 IoT 네트워크를 행진합니다.

전력 및 인프라

지난 4월 대규모 정전으로 피해를 입은 도시는 샌프란시스코만이 아니었다. 뉴욕에서는 올해에도 정전이 만연해 아침 통근 시간에 승객들이 지하철 터널에 발이 묶이게 되었습니다. 이는 뉴욕이 매년 인프라 성적표에서 낮은 점수를 받은 후 나온 것입니다. 그럼에도 불구하고 뉴욕은 지속적으로 국가 전체보다 조직에서 더 높은 점수를 받고 있어 걱정스럽습니다.

많은 사람들이 미국 대도시의 이미 긴장된 전력 인프라 시스템이 노후화되고 인구 증가로 인해 과부하가 걸리면서 이러한 일이 앞으로 더 보편화될 것인지 묻고 있습니다. 정전은 기업이 수용하고 처리해야 하는 문제입니까? 나는 그렇게 믿지 않는다. 이러한 과제는 현실이고 전력 시스템에 심각한 과제를 제시하지만, 새로운 기술을 수용하면 전력 회사와 그 고객이 더 잘 대비하고 정전을 완전히 피할 수 있습니다.

수정 구슬이 있습니다

이러한 문제에도 불구하고 정전은 잠재적으로 더 드물게 발생할 뿐만 아니라 완전히 방지될 수 있습니다. 예측 분석, 기술의 수정 구슬을 사용하면 유틸리티 회사와 이에 의존하는 조직 모두 이러한 문제를 처리할 준비가 더 잘 됩니다. 예측 분석을 통해 직원은 문제가 임박한 것으로 보이는 경우 조기 경고 알림을 수신하여 정전 이벤트가 발생하기 전에 문제를 해결할 수 있습니다.

일부 문제는 정전이 발생하기 며칠 또는 몇 주 전에 식별될 수 있습니다. 예측 분석을 사용하여 이러한 문제를 식별할 때 부하가 이동할 수 있고 손상을 최소화하기 위해 계획된 정전이 발생할 수 있습니다. 조직은 이러한 문제에 대한 사전 경고를 받고 해당 기간 동안 손실을 완화하기 위한 적절한 조치를 취할 수 있습니다. 또한 전력 회사는 예측 분석을 통해 필요한 유지 관리 비용을 미리 식별할 수 있습니다. 예를 들어, 시스템에 유지 보수가 필요하기 전에 부품이 이미 운송 중일 수 있습니다.

예측 시스템이 장비 상태를 모니터링하여 특정 시스템을 교체해야 하는 시기에 대한 보다 정확한 통찰력을 제공할 수 있으므로 유지 관리 기간도 연장됩니다. 그것이 지금 서비스 산업에서 일어나고 있습니다. Shahar Chen은 "AI와 머신 러닝을 사용하여 이제 유지 관리 일정을 최적화하고 교체할 고위험 부품을 지정하며 기술자가 올바른 도구와 교체 부품을 보유하도록 하여 불필요하고 반복적인 출장을 할 필요가 없도록 할 수 있습니다."라고 말했습니다. , NY 기반 Aquant의 공동 설립자.

그러한 시스템의 실제 이점은 정량화하기 어렵지만 상당합니다. 장비 수명의 증가, 효율성 향상, 생산성 향상은 전력 회사뿐만 아니라 해당 회사의 모든 고객에게도 느껴질 것입니다.

예측 분석 및 신의 활동

AI 머신러닝 덕분에 자연 재해가 전력 시스템에 미치는 영향을 예상할 수도 있습니다. 텍사스 A&M 대학 연구원들은 최근 악천후 시 고속 바람의 영향을 예측할 수 있는 인텔리전스 모델을 개발하여 중요한 지역의 전력선에 쓰러질 수 있는 나무를 먼저 트리밍합니다. 현재 이러한 종류의 작업은 임의적으로 수행됩니다. 최적의 나무 자르기 일정을 예측하는 것은 모델의 응용 프로그램 중 하나일 뿐입니다. 여러 대학원생과 함께 시스템을 개발한 Mladen Kezunovic 박사는 "전력 시스템과 관련이 있는 모든 종류의 환경 데이터를 이 예측 프레임워크에 입력할 수 있습니다.

반복되는 악천후가 요인인 지역에서 전기 시스템을 다루는 IoT 회사인 Exacter는 자사의 알고리즘이 주요 폭풍우가 치기 전에 성능이 저하되거나 고장 징후를 보이는 장비를 식별할 수 있다고 말합니다. 그런 다음 유틸리티 회사는 가장 인구 밀도가 높고 영향을 받는 위치에 예방 유지 관리를 우선적으로 적용합니다. 폭풍우가 지나간 후에는 전기 시스템을 최대한 빨리 가동할 수 있도록 건강 ​​평가를 제공합니다.

참고 항목 :Nokia는 청두 지역을 스마트 강국으로 만드는 데 도움을 줍니다.

상생 시나리오

예측 분석은 유틸리티 회사와 이에 의존하는 조직에 윈-윈 시나리오를 제공합니다. 임박한 위험(잠재적 정전)을 팀에 통지하여 손상을 완화하고 수리를 완료하는 데 필요한 조치를 취할 수 있습니다. 또한 회사는 다가오는 다운타임에 대한 사전 경고를 받고 자체 조치를 취할 수 있습니다. 생산성과 효율성은 전반적으로 향상될 것입니다.

정말 흥미로운 점은 AI와 머신 러닝이 어떻게 즉각적으로 실행 가능한 통찰력을 제공할 수 있다는 것입니다. 유틸리티 회사는 이미 예측 분석을 수용하기 시작했으며 앞으로 몇 년 동안 이 분야에 대한 지출을 늘릴 것입니다. Navigant Research에 따르면 유틸리티는 2023년까지 그리드 모니터링 장비에 500억 달러를 지출할 것입니다. 따라서 인프라와 시스템에는 업그레이드가 필요하지만 기술 발전은 비용이 많이 들고 불편한 정전이 다시 발생하기 전에 이러한 대부분의 문제를 해결할 수 있습니다. 어쨌든 제 예상입니다.