Cómo los ingishts de datos basadas en IA pueden ayudar a mejorar la gestión de la vegetación

Mejora tu estrategia de gestión de la vegetación con previsiones más precisas

Para muchas organizaciones, la gestión de la vegetación (VM) es el mayor costo operativo no relacionado con el combustible. Para priorizar el trabajo de máquinas virtuales, las organizaciones deben recopilar y fusionar datos de múltiples fuentes, incluidas imágenes, datos de sistemas de gestión del trabajo, requisitos normativos, información meteorológica, modelos de riesgo,datos geoespaciales y mucho más. A continuación, deben ser capaces de utilizar estos datos para planificar y pronosticar con precisión la distancia entre los activos y la vegetación mediante el registro cuidadoso y la combinación de modelos 3D de la red y su vegetación circundante. Al aprovechar los datos de las encuestas topográficas junto con los análisis (por ejemplo, los índices de salud de la vegetación), las empresas de servicios públicos pueden optimizar sus recursos de mantenimiento, sus presupuestos y sus rutinas de trabajo.

Reduce los costos y mejora las estrategias de gestión de la vegetación con técnicas avanzadas de procesamiento de imágenes

Evaluar la altura del dosel forestal y, en general, la altura de cualquier tipo de vegetación, como parte de un plan de gestión de la vegetación, es una de las aplicaciones más conocidas tanto de detección de luz como de alcance (LiDAR) y fotogrametría. Ambas técnicas, que a menudo se combinan, requieren algoritmos avanzados de clasificación y filtrado para derivar con precisión la altura y la condición de la vegetación. Las empresas de servicios públicos utilizan estas técnicas para identificar árboles estructuralmente poco sólidos, analizar las vides trepadoras que podrían dañar los cables y los componentes del equipo de conmutación, y gestionar la vegetación que podría atraer vida silvestre no deseada a las cercanías de equipos esenciales.

La siguiente arquitectura demuestra cómo podemos utilizar Oracle Modern Data Platform junto con técnicas avanzadas de ML/IA y GPU NVIDIA para obtener no solo una imagen bidimensional de la vegetación, sino también agregar una tercera dimensión que proporcione información más detallada. Este detalle nos permite determinar con mayor precisión el tipo de árbol, su crecimiento, y su distancia respecto de la infraestructura, así como otros detalles.

En esta imagen se muestra cómo se puede utilizar Oracle Data Platform en el ámbito de la energía y el agua para respaldar un caso de uso de gestión de la vegetación. La plataforma incluye estos cinco pilares:

1. 1. Orígenes de datos, detección
2. 2. Ingerir, transformar
3. 3. Persistir, curar, crear
4. 4. Analizar, aprender, predecir
5. 5. Medir, actuar

El pilar Orígenes de datos, detección incluye tres categorías de datos.

1. 1. Los datos propios se componen de metadatos de activos, información de SIG, imágenes LiDAR e imágenes por satélite.
2. 2. Las aplicaciones incluyen sistemas de gestión de interrupciones y mantenimiento.
3. 3. Los datos de terceros incluyen información de fuentes meteorológicas.

El pilar "Ingerir, transformar" comprende dos capacidades.

1. 1. La ingesta por lotes utiliza Oracle Integration Cloud, Spatial Studio, OCI Data Integration y Data Studio.
2. 2 La captura de datos modificados utiliza OCI GoldenGate y Oracle Data Integrator.

Ambas capacidades se conectan unidireccionalmente al almacén de datos de servicio y al almacenamiento en la nube dentro del pilar "Persistir, curar, crear".

El pilar Persistir, curar, crear incluye cuatro capacidades.

1. 1. El almacén de datos de servicio utiliza Autonomous Data Warehouse.
2. 2 El almacenamiento en la nube utiliza OCI Object Storage.
3. 3. El procesamiento por lotes utiliza OCI Data Integration, Functions y Data Flow.
4. 4. La gobernanza utiliza OCI Data Catalog.

Estas capacidades están conectadas dentro del pilar. El almacenamiento en la nube está conectado unidireccionalmente al almacén de datos de servicio; también está conectado bidireccionalmente al procesamiento por lotes.

Las líneas de metadatos se conectan unidireccionalmente desde el almacén de datos de servicio y el almacenamiento en la nube hasta la gobernanza.

Dos capacidades se incluyen en el pilar "Analizar, aprender, predecir": el almacén de datos de servicio y el almacenamiento en la nube se conectan unidireccionalmente a los servicios de análisis y visualización, AppDev con poco código, predicción, aprendizaje e IA.

El pilar "Analizar, aprender, predecir" incluye seis capacidades.

1. 1. Análisis y visualización, que utiliza Spatial Studio, Oracle Analytics Cloud e ISV.
2. 2. Las API y los productos de datos, que utilizan OCI API Gateway, Oracle Integration Cloud y OCI Functions.
3. 3. AppDev con poco código, que utiliza APEX y Oracle Visual Builder.
4. 4. Predecir, que utiliza los servicios de OCI Data Science y Oracle Machine Learning.
5. 5. Aprender, que utiliza OCI Data Science y Oracle Machine Learning Notebooks.
6. 6. Los servicios de IA utilizan OCI Vision, OCI Language y herramientas de terceros.

La capacidad de las API y los productos de datos está unidireccionalmente conectada a la capacidad de predecir.

El almacén de datos de servicio y el almacenamiento de objetos suministran metadatos al catálogo de datos de Oracle Cloud Infrastructure.

El pilar "Medir, actuar" evalúa cómo se puede aplicar la analítica de datos para impulsar un modelo de gestión de la vegetación y supervisar el rendimiento. Estas aplicaciones se dividen en dos grupos.

1. 1. El primer grupo, Peoples and Partners, incluye el equipo de gestión de la vegetación, la fiabilidad del sistema y las operaciones y el mantenimiento.
2. 2. El segundo grupo, Applications, incluye Oracle Field Service, Oracle Utilities Work and Asset Management, gestión de activos empresariales, sistema de gestión de trabajo y gestión de servicios de campo.

Los tres pilares centrales, Ingerir, transformar; Persistir, curar, crear; y Analizar, aprender, predecir, son compatibles con la infraestructura, la red, la seguridad y la gestión de identidades y accesos.

Arquitectura lógica de gestión de la vegetación

Hay dos formas principales de inyectar datos en una arquitectura para permitir que las empresas de servicios públicos desarrollen eficazmente una estrategia de gestión de la vegetación.

• Utilizaremos la ingesta por lotes para importar datos de sistemas que no pueden admitir la transmisión (por ejemplo, antiguos sistemas de control de supervisión y adquisición de datos (SCADA) o sistemas de gestión de mantenimiento). En este caso de uso, las imágenes de alta resolución, los datos meteorológicos y los datos de los sistemas de gestión de GPS, mantenimiento e interrupciones se ingerirán a intervalos variables. Utilizaremos Oracle Integration Cloud para cargar estos conjuntos de datos en Oracle Cloud Infrastructure (OCI) Object Storage o directamente en Oracle Autonomous Data Warehouse (ADW). También recopilaremos LiDAR y otras imágenes de la infraestructura pertinente y la vegetación circundante, y las cargaremos en OCI Object Storage, generalmente a través de una API o la interfaz de línea de comandos de Oracle Cloud Infrastructure.
• Además, utilizaremos Oracle Cloud Infrastructure GoldenGate para ingerir datos de sistemas operativos, como sistemas de interrupción, sistemas de gestión de mantenimiento y sistemas de planificación de recursos, mediante la recopilación de datos de cambios.

La persistencia y el procesamiento de datos se basan en tres componentes.

• Los datos en bruto ingeridos se alojan en el almacén en la nube. Inicialmente etiquetaremos o anotaremos las imágenes directamente mediante OCI Vision o una opción de terceros. Durante el proceso de anotación, diferentes áreas de cada imagen se clasificarán por tipo de vegetación, línea de transmisión, línea de distribución, poste eléctrico, etc. En este caso de uso, estamos utilizando una combinación de OCI Data Science y la plataforma y bibliotecas de NVIDIA para proporcionar una imagen tridimensional. A continuación, utilizaremos OCI Data Integration u OCI Data Flow para el procesamiento por lotes con el fin de consolidar, curar o mejorar los datos recopilados según sea necesario. OCI Data Integration es donde se crean y mantienen los pipelines de datos. Aunque OCI Data Integration incluye una amplia gama de conectores para diversos activos de datos (bases de datos, aplicaciones, almacenamiento de objetos, API de REST, etc.), puede que no satisfaga todas tus necesidades. Si este es el caso, puedes crear una aplicación de OCI Data Flow para aprovechar todos los conectores disponibles a través de Spark. En este ejemplo, los resultados del procesamiento de imágenes, el GPS, el histórico de interrupciones y los datos de mantenimiento se combinan para crear un modelo que identifique las ubicaciones de activos físicos que requieran atención, y que se pueden utilizar como parte de una solución de gestión de la vegetación.
• Ahora hemos creado conjuntos de datos procesados que están listos para conservarse en un formato relacional optimizado para garantizar el adecuado rendimiento de la curación de contenidos y de las consultas en el almacén de datos de servicio facilitado por ADW. Esto nos permite visualizar los resultados de las predicciones del modelo. Incluso podemos utilizar las capacidades espaciales integradas para visualizar posibles puntos de acceso que pueden requerir atención inmediata.

La capacidad de analizar, aprender y predecir se ve facilitada por dos enfoques tecnológicos.

• Los servicios de análisis y visualización como Oracle Analytics Cloud, Spatial Studio y Oracle APEX ofrecen paneles de control interactivos que podemos utilizar para visualizar información de imágenes y predecir el impacto futuro de la vegetación en activos de transmisión o transferencia específicos. Estos servicios proporcionan
  • Analítica descriptiva, que podemos utilizar para ilustrar el crecimiento actual y las tasas de invasión con histogramas y gráficos para identificar áreas que requieran mantenimiento inmediato
  • Analítica predictiva, que podemos utilizar para planificar y determinar las necesidades de mantenimiento a largo plazo mediante la predicción del crecimiento y la invasión futuros, la identificación de tendencias y la determinación de la probabilidad de que se produzcan resultados inciertos
  • Análisis prescriptivo, que puede proponer acciones adecuadas para ayudar a optimizar la toma de decisiones de gestión estratégica de la vegetación
• Además del uso de análisis avanzados, se desarrollan, entrenan y despliegan modelos de aprendizaje automático por medio de OCI Data Science. Estos modelos utilizan inteligencia artificial para analizar grandes cantidades de datos de imágenes LiDAR para desarrollar imágenes tridimensionales para que podamos entender exactamente la distancia a la que se encuentra la vegetación de la infraestructura esencial. Esta medición detallada, si se combina con los requisitos normativos, los datos meteorológicos, los programas de mantenimiento y otros datos valiosos, puede ayudar a las empresas de servicios públicos a priorizar constantemente el trabajo que se debe hacer y los equipos necesarios para llevarlo a cabo de la manera más eficiente y rentable. Una vez entrenados estos modelos, su despliegue puede realizarse de varias formas en función de las preferencias del usuario. Los modelos se pueden solicitar a través de puntos finales REST utilizando la plataforma OCI Data Science o la API REST de Oracle Machine Learning Services de la base de datos. Además, el usuario puede combinar estos modelos en un formato Open Neural Network Exchange (ONNX) y desplegarlos dentro de una aplicación.
• Nuestros datos y modelos curados, comprobados y de alta calidad pueden estar sujetos a reglas y políticas de gobernanza aplicadas mediante el uso de OCI Data Catalog en combinación con otros servicio y exponerse como un "producto de datos" (API) dentro de una arquitectura de malla de datos para distribuirse en todas las esferas de la organización.

Mejora tu estrategia de gestión de la vegetación con Oracle Modern Data Platform

La gestión eficiente y oportuna de los activos es siempre esencial, pero es aún más importante cuando los activos incluyen líneas eléctricas que podrían provocar un incendio o un corte del suministro debido al crecimiento excesivo de la vegetación. Para la empresas de servicios públicos de energía en los Estados Unidos, la gestión de la vegetación representa el mayor gasto de mantenimiento preventivo, que supera los 100 millones de dólares anuales en muchas grandes empresas de servicios públicos. Sin embargo, la máquina virtual también es el factor que más contribuye a la fiabilidad del sistema de servicios públicos y a la gestión eficaz de las interrupciones. Con Oracle Modern Data Platform, puedes recopilar información detallada de tu infraestructura y su vegetación circundante, y utilizarla para ayudar a mejorar tu estrategia de máquina virtual y los resultados así:

• Reducir la injerencia de la vegetación en las líneas eléctricas
• Verificar las tasas previstas de crecimiento de vegetación
• Fomentar la eficacia en la planificación y la supervisión de la vegetación
• Reducir la pérdida de ingresos causada por cortes de energía
• Reducir el presupuesto anual de gestión de la vegetación
• Aumentar la satisfacción del cliente y la seguridad de los trabajadores