Mobilkamerás
leolvasás és
műholdas
gallyazás

 
 
 
Mesterséges intelligencia
a hálózatüzemeltetés
szolgálatában
 
 
 

Néhány évtizeddel ezelőtt

a science-fiction regényekben és filmekben már úgy ábrázolták a 2019-es évet, hogy mindenütt robotok dolgoznak az emberek helyett és még az olyan
legelemibb tevékenységeket is a mesterséges intelligencia végzi el helyettünk, mint egy rántotta elkészítése.

A valóság egyelőre még sok szempontból elmarad a regényírók és filmrendezők fantáziájától, és pár évet még biztosan várnunk kell arra, hogy humanoid robotszerelők szálljanak ki egy üzemzavar elhárítására, a mesterséges intelligencia viszont már valóban sok területen segíti a munkánkat.

 
 
 

Neurális háló

A tavalyi évben állt munkába a magyarországi E.ON-nál az úgynevezett neurális háló technológia, amelynek segítségével sokféle, jelenleg még nagyon sok emberi erőforrást igénylő feladatot lehet elvégezni.

A technológia alapja a gépi tanulás, amely alapvetően a matematikai statisztika és optimalizáció elméleteiből, módszertanából fejlődött ki, és komplex adatokból robosztus mintázatok kinyerésére és felismerésére alkalmazható.

Ez röviden azt jelenti, hogy a manapság elérhető számítási kapacitás és a jól megtervezett „tanuló” algoritmusok segítségével hatékonyan lehet a látszólag kezelhetetlen adathalmazból kinyerni a felhasználó számára lényeges információkat.

 
 
 

De pontosan milyen területeken tud nekünk segíteni ez a megoldás?

 
 
 
Automatizált hálózatfelmérés


Szerelőink évente több tízezer órát fordítanak a hálózatunk bejárására, hogy dokumentálják annak állapotát. Ez a munka nagyon időigényes és más, adott esetben fontosabb tevékenységek elől veszi el az energiát.


A megoldás egy többkamerás rendszer, amely sokkal gyorsabban elvégzi a bejárást és automatikusan dokumentálja is az eredményeket, és ezekből később el lehet készíteni a karbantartási tervet.

 
 
 
 
 
 
 
 
 
Mérőleolvasás távolról, tökéletes biztonsággal


Minden, nem smart mérővel rendelkező, lakossági ügyfélnél évente egyszer kötelező éves leolvasást végzünk, melynek során a leolvasóink hiteles fényképet és mérőóraállást rögzítenek. Ez a munka is nagyon időigényes, nehézséget jelent az ügyfelekkel történő időpontegyeztetés és a mérők megközelítése is.

A fogyasztói leolvasás és bediktálás rendszere ma is működik, azonban számos problémát hordoz, a nagy mennyiségű képi adat archiválásának nehézségétől kezdve a rossz minőségű fotók jelenleg még manuális feldolgozásából adódó hibalehetőségekig.

 
 
 
 
 
 
 
 
 
Gallyazás a világűrből


Hálózatunk biztonságos üzemeltetése szempontjából rendkívül fontos, hogy naprakész információkkal rendelkezzünk a vezetékek közelében lévő növényzet állapotáról, és ahol szükséges, mielőbb elvégezzük a szükséges beavatkozásokat.

Ebben segítséget gyújtanak azok a műholdas adatgyűjtési, képfeldolgozási és gépilátás technológiák, amelyek alkalmasak a földfelszíni vegetáció távérzékeléses nyomonkövetésére.

 
 
 
 
 
 

Intelligens hálózatdiagnosztika

eon.hu/gepilatas

 
 
 

További tudnivalók

Szerelőink évente több tízezer órát fordítanak a hálózatunk bejárására, hogy dokumentálják annak állapotát. Ez a munka nagyon időigényes és más, adott esetben fontosabb tevékenységek elől veszi el az energiát.

A megoldás egy többkamerás rendszer, amely sokkal gyorsabban elvégzi a bejárást és automatikusan dokumentálja is az eredményeket, és ezekből később el lehet készíteni a karbantartási tervet. Működésének alapelve, hogy ami emberi szemmel érzékelhető és ember által megtanulható, azt a gép is tudja érzékelni, és meg lehet rá tanítani. A rendszer úgynevezett „látleletekkel” dolgozik, melyeket egyesével kell megtanítani neki, viszont az elsajátítás után nagyon nagy biztonsággal alkalmazza az egyes objektumok felismeréséhez.


Innentől kezdve az ember szerepe mindössze arra korlátozódik, hogy vezesse azt a speciális járművet, amelyen a robotszemek, azaz az emberi látást helyettesítő 3D kamerák, vagy egyéb speciális érzékelők, szkennerek vannak elhelyezve. És ki tudja? Lehet, hogy az önvezető autók elterjedésével hamarosan már a sofőr munkáját is kiváltják a gépek.

Minden, nem smart mérővel rendelkező, lakossági ügyfélnél évente egyszer kötelező éves leolvasást végzünk, melynek során a leolvasóink hiteles fényképet és mérőóraállást rögzítenek. Ez a munka is nagyon időigényes, nehézséget jelent az ügyfelekkel történő időpontegyeztetés és a mérők megközelítése is.

A fogyasztói leolvasás és bediktálás rendszere ma is működik, azonban számos problémát hordoz, a nagy mennyiségű képi adat archiválásának nehézségétől kezdve a rossz minőségű fotók jelenleg még manuális feldolgozásából adódó hibalehetőségekig. A megújuló E.ON mobilapplikációban egy olyan modult fejlesztünk, amely az ügyfél segítségével, saját mobilkészülékével automatikusan készíti el a képet, ami a jóváhagyást követően egy hiteles éves leolvasnak felel meg.


A fejlesztés a neurális háló segítségével választja ki a legmegfelelőbb pillanatot a kép elkészítésére, és ezzel egyidőben ki is olvassa a szükséges adatokat a mérőórából. A rendszer képes a saját hibáiból is tanulni, ezáltal egyre megbízhatóbb eredményeket ad számunkra.

Hálózatunk biztonságos üzemeltetése szempontjából rendkívül fontos, hogy naprakész információkkal rendelkezzünk a vezetékek közelében lévő növényzet állapotáról, és ahol szükséges, mielőbb elvégezzük a szükséges beavatkozásokat.

Ebben segítséget gyújtanak azok a műholdas adatgyűjtési, képfeldolgozási és gépilátás technológiák, amelyek alkalmasak a földfelszíni vegetáció távérzékeléses nyomonkövetésére. A műholdas adatforrástól függően akár centiméteres pontossággal tudunk konkrét megállapításokat tenni a növényzet sűrűségére, magasságára és jellemző típusaira, így azonnal tudomást szerezhetünk arról, ha egy adott helyen egy behajló faág, vagy egy túl magasra nőtt sövény veszélyezteti a vezetéket.

A megoldás egyik alapja a DEM nevezetű rendszer, amely a földfelszín és az abból kiálló tereptárgyak magasságát modellezi. Erre épül a DTM/DSM modell, amely a felszínen lévő objektumok (épületek, villanyoszlopok, fák) magasságát érzékeli, repülőgépről, drónról, vagy műhold készült felvételek és az ezekhez kapcsolódó korszerű képalkotási technológiák segítségével.

A két rendszer adatainak összevetése szinte gyerekjáték a mesterséges intelligencia számára, az eredmények alapján indulhat a helyszínre az egyelőre még emberekből álló gallyazó csapat.