أبهاي غوبتا هو المؤسس المشاركة والرئيس التنفيذي لـBidgely، والتي تطور تحليلات الطاقة للمرافق باستخدام قوة البيانات والذكاء الاصطناعي.
على مدار العقد الماضي، كانت صناعة المرافق في مرحلة جمع بيانات ضخمة. تم استثمار مليارات الدولارات في بنية تحتية متقدمة لقياس البيانات (AMI)، تلاها جهد ضخم لنقل هذه المعلومات إلى منصات مثل Snowflake و Databricks و AWS.
لقد نقلت هذه الجهود الصناعة بنجاح من عقلية ندرة البيانات إلى عقلية وفرتها. إنه مشكلة ذات قيمة عالية، والخطوة التالية المنطقية هي تفعيل هذه البحيرات الضخمة من البيانات بحيث تعزز الكمية الهائلة من المعلومات الرؤية بدلاً من إخفائها.
لم يكن التوقيت أكثر أهمية. مع تداخل النمو غير المسبوق في الأحمال وقيود البنية التحتية ومتطلبات القدرة على التحمل، تغيرت الأولويات. أصبح من المهم للمرافق أن تتجاوز مجرد تخزين البيانات إلى تفعيلها كأداة لحل المشاكل في الوقت الحقيقي.
يطرح قادة المرافق الأسئلة التالية:
• كيف يمكننا تحويل هذه الأصول إلى قيمة ملموسة؟
• كيف يمكننا تقديم نتائج ذات مغزى للعملاء الذين نخدمهم اليوم؟
• كيف نستطيع توسيع هذه القيمة عبر المؤسسة بأكملها؟
جسر الفجوة بين البيانات الضخمة والقيمة الملموسة
لقد رأيت المزيد من المرافق تبدأ في التوجه نحو الذكاء الاصطناعي (AI) للمساعدة في الإجابة على هذه الأسئلة، مما يضمن أن البيانات ليست فقط جالسة في صوامع ولكنها تعمل بنشاط لجعل المنظمة بالكامل أكثر مرونة وإعلامًا. لأن الذكاء الاصطناعي يمكن أن يساعد في رسم خرائط دقيقة لمتى وكيف تستهلك الطاقة، يمكن للمرافق التحول من كونها جامعي بيانات إلى منظمين بيانات.
خذ تشكيل الأحمال مقابل تحويل الأحمال، على سبيل المثال. تحويل الأحمال هو إجراء تفاعلي وفوري. إذا كانت الشبكة تصل إلى ذروتها بسبب شحن الكثير من الناس لسياراتهم الكهربائية في أوقات الطلب العالي، يمكن للمرافق أن تحفز حدث استجابة للطلب لفرض تغيير في الاستخدام وحماية استقرار الشبكة. بينما يعتبر تشكيل الأحمال أكثر استباقية. بدلاً من سلسلة مستمرة من التحولات الاحادية، يمكن للمرفق التركيز على إنشاء خطط أسعار متدرجة تعتمد على وقت الاستخدام (TOU) تؤثر تدريجيًا على عادات المستهلكين على مدار الوقت لتحقيق منحنى تحميل أكثر استدامة.
هذا التغيير ممكن بفضل توحيد الاستراتيجيات المخصصة سابقًا في سير عمل متكامل يزيد من قيمة النتائج. نفس الذكاء الذي يحدد الإجهاد الناتج عن الشحن الكهربائي يسمح للمدبرين بتنسيق الحوافز السعرية مع احتياجات البنية التحتية، مما يؤدي في الوقت نفسه إلى تأجيل التحديثات الرأسمالية وتقليل فواتير العملاء.
وجود نهج بيانات موحد أيضًا يغير وجهة النظر حول محركات الطلب. عندما تطلب مركز بيانات ضخم اتصالًا بالشبكة، فإن المرافق المنسقة للبيانات لم تعد تعتمد على التوقعات العامة. بدلاً من ذلك، يمكنهم رؤية الشبكة على مستوى دقيق لتحديد المغذيات المحددة التي لديها سعة كامنة مقابل تلك التي تقترب من نقطة الانهيار. مع رؤية بهذا الدقة، فإن أصل الحمل – سواء كان شحن سيارات كهربائية في الضواحي أو مركز بيانات ضخم – يصبح أقل أهمية من قدرة المرفق على إدارته كنظام موحد ومتماسك.
مسار عملي لمنحنى توسيع الذكاء الاصطناعي
بينما يتم بناء هذا المستوى من التنسيق على أساس من بيانات عالية الجودة، فإن النجاح – والتوسع – يعتمد في النهاية على مدى فعالية خدمة هذه البيانات للأشخاص الذين يستخدمون الشبكة والفرق التي تديرها. من خلال الابتعاد عن حلول النقاط المتفرقة، يمكن للمرافق إنشاء حلقة تغذية راجعة حيث توجه الرؤى المستندة إلى البيانات كل تفاعل.
لتمكين القوى العاملة في المرافق بشكل فعال لقيادة هذا الانتقال، يجب على القيادة التركيز على تمكين فرق العمليات والهندسة المخضرمة التي تفهم بالفعل الشبكة. إنشاء مجموعات عمل متعددة الوظائف تربط بين المهندسين في الخطوط الأمامية ومحللي تكنولوجيا المعلومات مباشرة. من خلال العمل جنبًا إلى جنب، يمكن للفرق تشغيل استفسارات بيانات عملية تقدم رؤى ذات صلة وتحل الاختناقات التشغيلية الحقيقية. من المفيد أيضًا بناء صناديق رمل للبيانات، حيث يمكن للفرق تجربة الرؤى التنبؤية بشكل مريح واستخدام هذه الأدوات لتعزيز خبراتهم، وليس إلغاءها.
في كثير من الأحيان، تفترض المؤسسات أنها يجب أن تكمل إصلاحاً شاملاً لإدارة البيانات قبل أن يتمكن الذكاء الاصطناعي من تقديم قيمة. يؤدي هذا التوقع غالبًا إلى حلقة شلل بسبب التحليل. الحيلة هي تحديد حالات استخدام معينة وعالية القيمة، مثل تحديد الإجهاد الناتج عن الشحن الكهربائي، حيث يمكنك تأسيس النجاح وإثبات العائد على الاستثمار قبل التوسع إلى حالات استخدام أوسع.
من المهم ملاحظة أن هذه الأدوات تعمل بشكل أفضل عند دمجها مباشرة في سير العمل اليومي. تميل المؤسسات إلى افتراض أنها يجب أن تمزق تمامًا وتستبدل أنظمتها القائمة. ومع ذلك، يمكنها في الواقع دمج تحليلات الذكاء الاصطناعي مباشرة في الأنظمة القديمة. من خلال تضمين هذه الرؤى القابلة للتنفيذ في الأدوات اليومية، يمكن للقادة العمل على القضاء على إرهاق المنصات وتمكين الفرق بتجربة سلسة وسهلة الاستخدام.
أساس الذكاء الاصطناعي أولاً
بينما تدرك الصناعة الإمكانات التي يمكن أن يجلبها الذكاء الاصطناعي للاستثمارات في العدادات الذكية، يمكن أن تساعد تنظيم البيانات النشط المرافق على إدارة الطلب المتزايد بثقة مع الحفاظ على متطلبات رضا العملاء الأساسية وكفاءة الطاقة. بالإضافة إلى المساعدة في موازنة الشبكة، يمكن أن يخلق تنظيم البيانات لغة مشتركة من الرؤى التي تتوسع عبر المؤسسة بأكملها، مما يمكّن المحللين من توقع السعة على المدى الطويل والمهندسين الذين يديرون حافة الشبكة، بينما يوفر في الوقت نفسه لوكلاء مراكز الاتصال الوضوح اللازم لتقديم دعم استباقي وشخصي.
من خلال اعتماد نهج الذكاء الاصطناعي أولاً تجاه البيانات، يمكن للمرافق القيام بأكثر من مجرد حل عدم الكفاءة الفورية؛ يمكنهم إنشاء الأساس المرن المطلوب بشكل سلس لاحتضان الجيل التالي من الأنظمة المستقلة والابتكار الديناميكي.
مجلس تكنولوجيا فوربس هو مجتمع بأعضاء مدعوين فقط لقادة تكنولوجيا المعلومات والمدراء الفنيين التنفيذيين من الدرجة الأولى. هل أؤهل؟
