طريقة مساعدة رؤى البيانات المدعومة بالذكاء الاصطناعي في تحسين إدارة الغطاء النباتي

تحسين استراتيجية إدارة الحياة النباتية من خلال تنبؤات أدق

بالنسبة إلى العديد من المؤسسات، تعد إدارة الحياة النباتية (VM) أكبر تكلفة تشغيل غير مرتبطة بالوقود. لتحديد أولوية عمل الجهاز الظاهري، يجب على المؤسسات تسجيل البيانات ودمجها من مصادر متعددة، بما في ذلك الصور والبيانات من أنظمة إدارة العمل والمتطلبات التنظيمية ومعلومات الطقس ونماذج المخاطر والبيانات الجغرافية المكانية والمزيد. يجب فيما بعد أن تكون قادرة على استخدام هذه البيانات للتخطيط الدقيق والتنبؤ بالمسافة بين الأصول والحياة النباتية من خلال تسجيل نماذج ثلاثية الأبعاد وجمعها بعناية من الشبكة والحياة النباتية المحيطة بها. من خلال الاستفادة من البيانات الموجودة في المسوح الطبوغرافية إلى جانب التحليلات (على سبيل المثال، مؤشرات صحة النباتات)، يمكن للمرافق تحسين موارد صيانة الحياة النباتية والموازنات وروتين العمل.

تقليل التكاليف وتحسين استراتيجيات إدارة الحياة النباتية باستخدام تقنيات معالجة الصور المتقدمة

يعد تقييم ارتفاع مظلة الأشجار وبشكل أعم ارتفاع أي نوع من الحياة النباتية، بصفته جزءًا من خطة إدارة الحياة النباتية أحد أكثر التطبيقات المعروفة على نطاق واسع لكل من الكشف عن الضوء والمدى (LiDAR) والمسح التصويري. تتطلب كلتا التقنيتين، اللتين يتم الجمع بينهما غالبًا، تصنيفًا مُتقدمًا وخوارزميات تصفية لاشتقاق ارتفاع الغطاء النباتي وحالته بدقة. تستخدم المرافق هذه التقنيات لتحديد الأشجار غير السليمة هيكليًا، وتحليل النباتات المتسلقة التي قد تؤثر على الأسلاك ومكونات المفاتيح الكهربائية، وإدارة الحياة النباتية التي قد تجذب الحياة البرية غير المرغوب فيها بالقرب من المعدات الهامة.

توضح البنية التالية كيف يمكننا استخدام Oracle Modern Data Platform بجانب تقنيات التعلم الآلي/الذكاء الاصطناعي المتقدمة ووحدات معالجة الرسومات NVIDIA ليس لاشتقاق صورة ثنائية الأبعاد للنباتات فحسب، لكن أيضًا بغرض إضافة بُعد ثالث يوفر تفاصيل أدق. تتيح لنا هذه التفاصيل تحديد نوع الشجرة ونموها وبعدها عن البنية التحتية، بالإضافة إلى تفاصيل أخرى، بشكل أدق.

توضح هذه الصورة كيف يمكن استخدام Oracle Data Platform للطاقة والمياه لدعم حالة استخدام إدارة الحياة النباتية. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. استيعاب، تحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5. القياس، العمل

يتضمن ركيزة مصادر البيانات والاكتشاف ثلاث فئات من البيانات.

1. 1. تتألف بيانات الطرف الأول من بيانات تعريف الأصول وبيانات نظام المعلومات الجغرافية وصور LiDAR وصور الأقمار الصناعية.
2. 2. تتضمن التطبيقات أنظمة إدارة انقطاع التيار الكهربائي والصيانة.
3. 3. تتضمن بيانات الجهة الخارجية بيانات من مصادر الطقس.

تضم ركيزة الاستيعاب والتحويل إمكانيتين.

1. 1. يستخدم استيعاب الدفعة Oracle Integration Cloud وSpatial Studio وOCI Data Integration وData Studio.
2. 2. يستخدم تسجيل بيانات التغيير OCI GoldenGate وOracle Data Integrator.

تتصل كلتا الإمكانيتين بشكل أحادي الاتجاه بمخزن بيانات الخدمة والتخزين السحابي داخل ركيزة Persist "الاحتفاظ" وCurate "التوقع" وCreate "الإنشاء".

تتكون دعامة الاستمرار والدقة والإنشاء من أربع قدرات.

1. 1. يستخدم مخزن بيانات الخدمة Autonomous Data Warehouse.
2. 2. يستخدم تخزين السحابة تخزين كائنات OCI.
3. 3. تستخدم معالجة الدفعة تكامل بيانات OCI والوظائف وتدفق البيانات.
4. 4. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. يتصل التخزين السحابي بشكل غير مباشر بمخزن بيانات الخدمة؛ كما أنه متصل بشكل ثنائي الاتجاه بمعالجة الدفعات.

تتصل خطوط بيانات التعريف بشكل أحادي الاتجاه من مخزن بيانات الخدمة والتخزين السحابي إلى الحوكمة.

تتصل إمكانيتان في ركيزة Analyze "التحليل" وLearn "التعلم" وPredict "التنبؤ": يتصل مخزن بيانات الخدمة وتخزين السحابة بشكل أحادي الاتجاه بالتحليلات والتمثيل المرئي، وAppDev منخفض التعليمات البرمجية، وخدمات التنبؤ، والتعلم، والذكاء الاصطناعي.

تشتمل ركيزة التحليل والتعلم والتنبؤ على ست إمكانات.

1. 1. تستخدم التحليلات والتمثيل المرئي Spatial Studio وOracle Analytics Cloud وموردي البرامج المستقلين (ISV).
2. 2. تستخدم منتجات البيانات وواجهات برمجة التطبيقات OCI API Gateway وOracle Integration Cloud وOCI Functions.
3. 3. يقوم AppDev منخفض التعليمات البرمجية باستخدام APEX وOracle Visual Builder.
4. 4. يستخدم التنبؤ خدمات OCI Data Science وOracle Machine Learning.
5. 5. يستخدم التعلم دفاتر ملاحظات OCI Data Science وOracle Machine Learning.
6. 6. تستخدم خدمات الذكاء الاصطناعي OCI Vision وOCI Language والجهة الخارجية.

ترتبط منتجات البيانات وإمكانية واجهات برمجة التطبيقات (API) بشكل غير اتجاهي بإمكانية التنبؤ.

بيانات تعريف توريد مخزن بيانات الخدمة ومخزن الكائنات لـ OCI Data Catalog.

تسجل ركيزة Measure "القياس" وAct "العمل" طريقة تطبيق تحليل البيانات لدعم نموذج توفير إدارة الحياة النباتية ومراقبة الأداء. تنقسم هذه التطبيقات إلى مجموعتين.

1. 1. تضم المجموعة الأولى من "الأشخاص والشركاء" فريق إدارة الحياة النباتية، وموثوقية النظام، والعمليات والصيانة.
2. 2. وتضم المجموعة الثانية تطبيقات Oracle Field Service وOracle Utilities Work and Asset Management وإدارة أصول المؤسسة ونظام إدارة العمل وإدارة الخدمة الميدانية.

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

البنية المنطقية لإدارة الحياة النباتية

توجد طريقتان رئيسيتان لإدخال البيانات في بنية تمكِّن المرافق من تطوير استراتيجية فعّالة لإدارة الحياة النباتية.

• نستخدم استيعاب الدفعة لاستيراد البيانات من الأنظمة التي لا يمكنها دعم التدفق (على سبيل المثال، أنظمة التحكم الإشرافي القديم والحصول على البيانات (SCADA) أو أنظمة إدارة الصيانة). في حالة الاستخدام هذه، يتم استيعاب الصور عالية الدقة وبيانات الطقس والبيانات من أنظمة GPS والصيانة وإدارة انقطاع التيار الكهربائي على فترات متفاوتة. نستخدم Oracle Integration Cloud لتحميل مجموعات البيانات هذه إلى Oracle Cloud Infrastructure (OCI) Object Storage أو مباشرةً إلى Oracle Autonomous Data Warehouse (ADW). نسجل أيضًا بيانات LiDAR والصور الأخرى للبنية التحتية ذات الصلة والحياة النباتية المحيطة بها وتحميلها إلى OCI Object Storage، وذلك عادةً عبر واجهة برمجة التطبيقات أو واجهة سطر أوامر OCI.
• بالإضافة إلى ذلك، نستخدم Oracle Cloud Infrastructure GoldenGate لاستيعاب البيانات من الأنظمة التشغيلية، مثل أنظمة الانقطاع المؤقت وأنظمة إدارة الصيانة وأنظمة تخطيط الموارد، عبر تغيير تسجيل البيانات.

يتم بناء استمرارية البيانات ومعالجتها على ثلاثة مكونات.

• يتم تخزين البيانات الأولية المستوردة من جميع المصادر في التخزين السحابي. نسمي في البداية الصور أو نعلِّق عليها مباشرةً باستخدام OCI Vision أو خيار جهة خارجية. أثناء عملية التعليق التوضيحي، يتم تصنيف جوانب مُختلفة من كل صورة حسب نوع الحياة النباتية وخط النقل وخط التوزيع والعمود الكهربائي وما إلى ذلك. في حالة الاستخدام هذه، نستخدم مزيجًا من OCI Data Science ومنصة NVIDIA ومكتبات توفِّر صورة ثلاثية الأبعاد. نستخدم بعد ذلك OCI Data Integration أو OCI Data Flow من أجل معالجة الدفعة لدمج البيانات التي تم جمعها أو تنظيمها أو تحسينها حسب الحاجة. يمثل OCI Data Flow المكان الذي يتم فيه إنشاء مسارات البيانات وصيانتها. على الرغم من أن OCI Data Integration يأتي مع مجموعة واسعة من الموصلات لأجل أصول البيانات المتنوعة (قواعد البيانات والتطبيقات وتخزين الكائنات وواجهات برمجة تطبيقات REST وما إلى ذلك) إلا أنه قد لا يلبي جميع احتياجاتك. إذا كان الأمر كذلك، فيمكنك إنشاء تطبيق OCI Data Flow للاستفادة من جميع الموصلات المتاحة عبر Spark. في هذا المثال، يتم دمج نتائج معالجة الصور ونظام تحديد المواقع العالمي (GPS) والانقطاع المؤقت التاريخي وبيانات الصيانة لإنشاء نموذج لتحديد مواقع الأصول الفعلية التي تتطلب الاهتمام، والتي يمكن استخدامها باعتبارها جزءًا من حل إدارة الحياة النباتية.
• أنشأنا الآن مجموعات بيانات تم معالجتها جاهزة للاستمرار في نموذج العلاقات المحسّن لأداء الاستعلام وتنظيمه في مخزن بيانات الخدمة. يتيح لنا ذلك تصور نتائج التنبؤات بالنموذج. يمكننا حتى استخدام الإمكانات المكانية المُضمنة لتصور النقاط الفعّالة المحتملة التي قد تتطلب اهتمامًا فوريًا.

يتم تسهيل إمكانية التحليل والتعلم والتنبؤ من خلال ثلاث تقنيات.

• يمكن أن توفر التحليلات والتمثيل المرئي مثل Oracle Analytics Cloud وSpatial Studio وOracle APEX لوحات معلومات تفاعلية يمكننا استخدامها لتصور معلومات الصور والتنبؤ بالتأثير المستقبلي للحياة النباتية حول أصول نقل أو تحويل محددة. توفر هذه الخدمات ما يلي:
  • التحليلات الوصفية، التي يمكننا استخدامها لتوضيح معدلات النمو والتعدي الحالية من خلال الرسوم البيانية النسيجية والرسوم البيانية للمساعدة في تحديد المجالات التي تتطلب صيانة فورية
  • التحليلات التنبؤية، التي يمكننا استخدامها لتخطيط احتياجات الصيانة على المدى الطويل وتحديدها من خلال التنبؤ بالنمو والتدهور في المستقبل، وتحديد الاتجاهات، وتحديد احتمالية النتائج غير المؤكدة.
  • التحليلات التوجيهية، التي يمكن أن تقترح إجراءات مناسبة للمساعدة في تحسين اتخاذ القرارات الاستراتيجية لإدارة الحياة النباتية
• إلى جانب استخدام التحليلات المتقدمة، يتم تطوير نماذج التعلم الآلي وتدريبها ونشرها باستخدام OCI Data Science. تستخدم هذه النماذج الذكاء الاصطناعي لتحليل كميات كبيرة من بيانات صور LiDAR لتطوير صور ثلاثية الأبعاد حتى نتمكن من فهم مدى بُعد الحياة النباتية عن البنية التحتية الحيوية. يمكن أن يساعد هذا القياس الدقيق، عند دمجه مع المتطلبات التنظيمية وبيانات الطقس وجداول الصيانة وغيرها من البيانات القيّمة المرافق في إعطاء الأولوية باستمرار للعمل الذي يجب القيام به والفِرق المطلوبة للقيام بذلك بأكثر الطرق كفاءة وفعالية من ناحية التكلفة. بمجرد تدريب هذه النماذج، يمكن نشرها بعدة طُرق اعتمادًا على تفضيل المستخدم. يمكن استدعاء النماذج عبر نقاط انتهاء REST باستخدام منصة OCI Data Science أو واجهة برمجة تطبيقات Oracle Machine Learning Services REST في قاعدة البيانات. بالإضافة إلى ذلك، يمكن للمستخدم تجميع هذه النماذج بتنسيق Open Neural Network Exchange (ONNX) ونشرها بصفته جزء من تطبيق.
• يمكن أن تحتوي البيانات والنماذج المُعالجة والمختبرة وعالية الجودة لدينا على قواعد وسياسات الحوكمة المطبقة باستخدام OCI Data Catalog بالاقتران مع الخدمات الأخرى ويمكن عرضها باعتبارها "منتج بيانات" (واجهة برمجة التطبيقات) داخل بنية شبكة بيانات للتوزيع عبر المؤسسة.

رفع مستوى استراتيجية إدارة الحياة النباتية باستخدام Oracle Modern Data Platform

تعد إدارة الأصول بكفاءة وفي الوقت المناسب أمرًا ضروريًا دائمًا، لكن الأهم من ذلك عندما تتضمن الأصول خطوط طاقة يمكن أن تثير حريقًا أو انقطاعًا بسبب زيادة الغطاء النباتي. بالنسبة لمرافق الطاقة في الولايات المتحدة، تعد إدارة الحياة النباتية أكبر نفقات الصيانة الوقائية، إذ تتجاوز 100 مليون دولار سنويًا في العديد من شركات المرافق الأكبر. مع ذلك، تعد الأجهزة الظاهرية أيضًا أكبر مساهم في موثوقية نظام المرافق والإدارة الفعّالة للانقطاع المؤقت. باستخدام Oracle Modern Data Platform، يمكنك جمع تفاصيل دقيقة عن بنيتك التحتية والحياة النباتية المحيطة بها واستخدام هذه البيانات للمساعدة في تحسين استراتيجية الجهاز الظاهري لديك والنتائج بالطرق التالية:

• تقليل انتهاك الحياة النباتية لخطوط الطاقة
• التحقق من معدلات نمو الحياة النباتية المتوقعة
• تعزيز التخطيط الفعّال للحياة النباتية ومراقبته
• تقليل خسارة الإيرادات الناتجة عن انقطاع التيار الكهربي
• تقليل موزانة إدارة الحياة النباتية السنوية
• زيادة رضا العملاء وسلامة العمال