Control de Activos
Revolucione el monitoreo de infraestructuras con nuestra solución de análisis satelital y IA, transformando la supervisión de activos en un proceso automatizado, eficiente y predictivo.
Proporcionar una forma eficiente y automatizada de supervisar infraestructuras críticas, reduciendo la necesidad de inspecciones físicas.
El caso se centra en el control y monitoreo de activos como caminos de acceso, subestaciones eléctricas o turbinas eólicas, que tradicionalmente dependen de la supervisión humana in situ.
Este proceso involucra, en primer lugar, la clasificación de cada píxel de una imagen satelital en un conjunto predefinido de categorías (activo, acceso por carretera, árbol, matorrales, etc.) mediante segmentación semántica.
En segundo lugar, proporciona análisis que pueden ser utilizados para monitorear grupos de plantas eólicas con pocos recursos humanos. Además, todos los modelos de segmentación semántica basados en aprendizaje profundo han sido entrenados de manera distribuida en Google Cloud ML Engine usando GPU Tesla V100, permitiendo entrenar modelos profundos en imágenes satelitales de gran tamaño, dado que son recursos exigentes en memoria y procesamiento.
Finalmente, el método propuesto ofrece indicadores de control y riesgo al combinar las predicciones semánticas de las imágenes satelitales con la información geoespacial de las plantas eólicas, incluyendo medidas de distancia desde caminos de acceso, turbinas eólicas o líneas eléctricas hasta la vegetación, medidas del ancho de caminos de acceso y detección de anomalías dentro de una región de interés.
Las predicciones se transforman finalmente en advertencias y alarmas que pueden incorporarse a un sistema de monitoreo general para su distribución global.
La solución al caso descrito se logra mediante un proceso integral que incluye:
* Segmentación semántica de imágenes satelitales: Uso de IA y ML para clasificar con precisión cada píxel de imágenes satelitales en categorías relevantes para el monitoreo de activos.
* Entrenamiento de modelos en la nube: Aplicación de tecnologías de alto rendimiento como Google Cloud ML Engine y GPU Tesla V100 para entrenar modelos de segmentación semántica profunda.
* Análisis y generación de indicadores de control y riesgo: Combinación de predicciones semánticas con datos geoespaciales para crear indicadores útiles para el monitoreo y la gestión de riesgos.
* Transformación de predicciones en acciones: Conversión de análisis y predicciones en advertencias y alarmas que pueden ser integradas en sistemas de monitoreo globales.
La solución descrita aborda varias necesidades críticas en la gestión de infraestructuras y activos:
Automatización del monitoreo de activos: Proporciona una forma eficiente y automatizada de supervisar infraestructuras críticas, reduciendo la necesidad de inspecciones físicas.
Prevención de riesgos: Identifica de manera proactiva posibles amenazas o anomalías que podrían afectar a los activos, permitiendo acciones preventivas antes de que ocurran incidentes.
Optimización de recursos: Minimiza la cantidad de recursos humanos necesarios para el monitoreo extensivo de activos dispersos geográficamente, permitiendo reasignar personal a tareas de mayor valor.
Mejora en la gestión de mantenimiento: Facilita la planificación y ejecución de mantenimiento predictivo basado en análisis precisos y actualizados de la condición de los activos.
Aumento de la seguridad y la eficiencia operativa: Mejora la seguridad de las instalaciones y la eficiencia operativa mediante el monitoreo continuo y la detección temprana de problemas.
ML e IA Generativa.
Pervasive proporciona soporte permanente para prevenir fallos y corregirlos, incluyendo actualizaciones permanentes
