問題を先に見通すエネルギー・ユーティリティ運用
設備は点検と点検の合間に故障し、需要は昨年のデータで予測され、作業班は故障が起きてから出動します。AppXcessは、お客様がすでに収集しているテレメトリにAIを適用し、保全・負荷・現場作業を、停電が起きた後ではなく起きる前に計画できるようにします。
適用領域
ネットワーク全体エネルギー運用チームから最もよく聞く課題
エネルギー・ユーティリティ企業とお話しすると、ほぼ毎回この六つの状況が挙がります。いずれの場合もデータはすでにあるのに、それを実際の対応につなげる仕組みがありません。
老朽化する設備、増える負荷
変圧器やポンプ、送電線が設計仕様を超える負荷を担っており、かつては問題を捉えていた点検周期が、いまや故障の進行に追いつかなくなっています。
変動する再生可能エネルギー供給
太陽光や風力は一日の中でも発電量が変わります。そのため需要と供給の均衡は、季節単位で計画する仕事ではなく、時間単位で合わせる仕事になります。
誰も見ないテレメトリ
SCADA、スマートメーター、現場センサーが生み出すデータは年々増えています。しかしその大半は保存され、固定のしきい値で警報を出すだけで、二度と見返されることがありません。
つながらないシステム
設備台帳、GIS、作業管理、計量、料金システムは、同じ現場について互いに異なる情報を持っています。そのため二つ以上のシステムにまたがる問いには、結局人が手作業で突き合わせて答えることになります。
紙で計画される現場作業
作業班の予定は前日に決まり、移動経路はその地域に詳しい人に任されます。すると必要な部品が車両に載っておらず、同じ現場をもう一度訪れることになります。
事後に作成される報告
運用報告と規制報告は、先月何が起きたかを説明するだけで、その結果を変えるにはすでに手遅れです。
誰のために構築しどこから始めるか
六つのタイプの組織が、それぞれ異なる形で同じ問いを投げかけます。何がまもなく問題になるのか、そして何から手をつけるべきか、です。
エネルギー事業者
発電・処理設備は休みなく稼働し、計画外の停止は生産量と市場での地位をともに失わせます。
負荷を担う中核設備に、状態監視と予知保全AIを適用します。
公益事業者
サービス品質は分単位の供給停止時間で評価されますが、ネットワークは数十年前に構築されたものです。
配電網全体のインフラを監視し、顧客が連絡する前に故障を見つけます。
再生可能エネルギー事業者
発電量は天候に左右され、設備が遠隔地にあるため、一度の訪問に一時間ではなく一日かかります。
発電量予測と遠隔設備監視により、訪問する価値があるときだけ現場に向かえるようにします。
電力網運用者
間欠的な供給源の比率が高まるなかでも、需要と供給は絶えず均衡させ続けなければなりません。
過去のプロファイルではなくリアルタイムのネットワークテレメトリをもとに、需要予測と電力網最適化を行います。
インフラ運用チーム
設備、作業指示、計量データが、そもそも一つの問いに一緒に答えるようには設計されていないシステムに散在しています。
すでに使っているツールの下に一つの運用データレイヤーを置き、答えを一か所から得られるようにします。
エネルギー小売事業者
スマートメーターは30分ごとにデータを送りますが、料金請求・精算・顧客対応はいまも月一回の検針値で処理されています。
すでに収集した計量データで使用量を分析し、料金の問い合わせ対応と需要計画が同じデータをもとに行われるようにします。
エネルギー・ユーティリティAIの活用例そして変わること
エネルギー運用でAI、データ、自動化がその価値を発揮する六つの領域です。それぞれ課題、それに対して構築するもの、その結果として変わることを整理しました。
予知保全AI
保全が定められた周期に沿って行われるため、健全な設備は予定どおり整備される一方、故障が進行している設備は点検と点検の合間に見過ごされます。
モデルが振動、温度、負荷、故障履歴を読み取り、設備ごとに固有の正常な挙動を基準にスコアを付け、その基準から外れつつある設備を表示します。
実際の状態に合わせて作業を計画でき、予告なく故障する設備が減ります。
エネルギー需要予測
負荷を昨年のプロファイルで計画するため、昨年と様子が異なる日ほどコストがかさみます。
お客様自身の使用量履歴、天候、暦の効果をもとに予測を構築し、各期間の不確実性を一つの数字に隠さず併せて示します。
更新されないスプレッドシートではなく、更新され続ける予測をもとに、エネルギー調達と給電を判断します。
設備監視
センサーが固定のしきい値で警報を出すため、チームは無視するしかない警報の山を受け取るか、しきい値を超えなかった故障を見逃すことになります。
設備ごとに固有の基準線に照らしてテレメトリを常時監視し、逸脱は警報の大きさではなく、それが何を危険にさらすかで優先順位を付けます。
仕分けすべき警報が減り、残った警報は確認する価値のあるものになります。
電力網最適化
配電網は、設定した当時は正しかったものの、負荷プロファイルが変わってからは見直されていない設定値で運用されています。
リアルタイムのネットワークデータを分析し、損失、混雑、電圧の問題が実際にどこにあるかを示し、推奨する調整案とその根拠を併せて提示します。
設備を増設するために資本を投じる前に、すでに構築されたネットワークの中で余裕容量を見つけます。
現場サービスの自動化
作業は前日に割り当てられ、最初の作業が予定より長引いた瞬間から、電話で計画を組み直します。
技術スキル、部品、位置、作業の優先度を併せて考慮して日程を組み、作業を割り当て、状況が変われば残りの一日を計画し直します。
初回訪問で完了する作業が増え、勤務時間のうち現場間の移動に費やす時間が減ります。
運用分析
チームごとに自前の抽出データで報告するため、同じ問いに対する二つの答えがどちらも筋は通っているのに、どちらも結論を出せません。
計量、設備、作業、停電のデータを一つの運用レイヤーにまとめ、一度合意した定義をあらゆる場所に同じく適用します。
運用報告と規制報告を一つの数値体系で作成し、まだ意思決定に反映できるうちに提供します。
センサーの測定値から運用の意思決定まで
エネルギー運用にデータが不足しているわけではありません。たいてい欠けているのは、測定値を誰かの異なる行動へとつなぐ経路です。その経路は五つのステップで構成されます。
エネルギーデータとIoT
SCADA、スマートメーター、現場センサー、気象データ、設備台帳を、システムごとに個別に照会するのではなく一つに集めます。
AIと分析
一般的な業界ベンチマークではなく、お客様自身の運用履歴で学習させた設備状態・需要・異常の各モデルです。
運用インサイト
どの設備が劣化しているか、負荷がどこへ向かっているか、ネットワークのどの区間に制約があるかを、各答えの背後にある根拠とともに示します。
実行と自動化
作業指示の発行、作業班の日程調整、設定値の推奨、担当チームへの警報の振り分けが、誰もデータを再入力することなく行われます。
ビジネス成果
計画外の停電が減り、設備を実際の能力により近づけて活用し、まだ何かを変えられるうちに意思決定を下します。
運用が始まると変わること
エネルギー・ユーティリティ運用で期待できる成果を、ありのままに整理しました。
計画外停止の削減
本来なら停電の時点で見つかっていた問題を、まだ作業を計画する時間があるうちに見つけます。
設備活用度の向上
設備の継続運転、改修、廃棄を、使用年数ではなく状態を基準に判断するため、寿命の残る設備は稼働し続けます。
運用コストの削減
緊急出動と再訪問が減り、誰も予期しなかった問題の後始末に費やす時間外労働も減ります。
需要予測の改善
昨年の繰り返しではなく、天候、季節性、お客様自身の使用量を反映した予測をもとに負荷を計画します。
エネルギー効率の向上
損失、混雑、設定の誤ったネットワーク区間が可視化されます。何らかの対策を取るには、まずこれが見えていることが前提です。
意思決定の迅速化
誰かが質問するたびに抽出データから運用状況を作り直すのではなく、一度構成した状況を常に最新の状態に保ちます。
現場サービスの効率化
作業班が適切な作業に適切なスキルと部品を備えて到着する場合が増え、状況が変わればその日の予定が自ら組み直されます。
アラーム疲れの軽減
テレメトリを設備ごとに固有の基準線に照らして判断するため、管制室に届く警報が減り、届いた警報は確認する価値があります。
必要な箇所を狙った設備投資
すでに構築されたネットワークの中で制約と損失の位置を特定するため、実際の限界を解消する箇所に投資が向かいます。
上記のいずれにも百分率を付けていませんが、これは意図したものです。各成果の価値は、ネットワークの老朽度、そこにある設備、現在の出発点によって変わります。他社の運用から出た数字を繰り返すよりも、お客様自身のデータをもとに、その規模を一緒に見積もりたいと考えています。
このページは業界の視点、すなわち設備、ネットワーク、そしてそれらを動かし続ける作業班を扱うものです。その土台となる各能力は業界を問わず共通で、それぞれ独立したページで紹介しています。データ・AIでは、テレメトリが集約されるプラットフォームとパイプラインを、AIソリューションでは、予測とスコアリングを担うモデルとエージェントを、インテリジェントオートメーションでは、予測を作業指示の発行につなげるワークフローを扱います。運用技術（OT）は、何かに接続した瞬間に外部からアクセスされ得る対象になるため、サイバーセキュリティは後回しにせず、同じ議論の中で併せて扱うべきものです。さらに、エンタープライズ検索AIは、マニュアルや手順書、その設備の保守履歴を、設備の前に立つ作業班へ届ける役割を果たします。
プロジェクトは実際にこう進みます
進む順に整理した四つのステップです。本格的に着手する前に、最初の数週間がどのように進むかをあらかじめ確認できます。
現状把握
お客様のチームとともに運用現場を見て回ります。どの設備が重要か、どのデータがすでにあるか、いまデータなしで下されている判断は何かを確認します。
計画策定
前提を文書に書き出し、必要とするデータを明記し、続ける価値があるかを判断する基準まで含めて、第一フェーズの範囲を定めます。
構築
既存システムの横に置くのではなく既存システムに合わせて構築するため、成果物はチームが毎朝開くツールの中でそのまま確認できます。
最適化
エネルギーネットワークは長く同じ形にとどまらないため、モデルとしきい値を実際に起きたことに照らして継続的に見直します。
このページで主張しないこと
このページには、公益事業の顧客数、実名の電力網構築事例、削減数値、事例研究はありません。責任を持てない内容は公開しないためです。代わりにご提示できるのは、上で述べた方法論、お客様自身のデータに合わせた参照アーキテクチャ、そして前提を明示した第一フェーズの範囲です。先に進む前に実名のリファレンスが必要であれば、最初のご相談でお申し付けください。共有できるものとできないものを、はっきりとお伝えします。
最新のインサイト
エネルギー・ユーティリティ運用を変えつつある技術に関する業界の最新情報です。
エネルギー運用を変革する準備はできていますか？
いま運用のどこで最も損失が出ているか——予告のない設備故障、先を読めない需要、誰も見ないテレメトリ、再訪問で失われる現場作業のどれか——、そしてどのシステムがそのデータを保持しているかをお聞かせください。それに対して何を構築できるか、第一フェーズに何が含まれるかを整理してお示しします。