Images de panneaux solaires prises avec une caméra infrarouge à imagerie thermique. Les points chauds blancs marquent les cellules endommagées qui doivent être remplacées. Crédit :Université Northwestern
Lance Li clique à travers un interminable, mer uniforme de pourpre, rose, et des rectangles jaunes. Il s'arrête et zoome sur une section étroite qui brille d'un blanc éclatant.
"Ce point chaud nous indique qu'une partie du panneau ne fonctionne pas correctement, " il dit.
Le diplômé de la Kellogg School of Management 2017 examine des images thermiques d'un site solaire au Nevada prises avec une caméra montée sur un drone, planant à 200 pieds dans les airs. Il fait un zoom arrière et confirme que son algorithme a trouvé et diagnostiqué le problème de manière efficace.
En tant que PDG d'Aerospec Technologies, une société d'inspection et d'analyse de drones, Li a entrepris de rendre l'exploitation d'une ferme solaire plus efficace, plus sûr, et ultimement, plus prévisible.
« Lors d'un contrôle annuel, cela peut prendre un mois à une équipe de maintenance pour parcourir et inspecter une partie d'un 450, site solaire de 000 panneaux, la taille de 90 terrains de football, et des semaines pour analyser les données, " dit-il. " En comparaison, il ne faut que trois jours à nos drones pour survoler un site de même taille, et quelques minutes pour traiter les données d'une manière qui permet à l'opérateur de connaître le pourcentage du site qui a besoin de réparations et le coût pour ses résultats."
Finalement, Li sait que les véritables économies de coûts proviennent de la prévision des pannes et des besoins de maintenance avant même qu'ils ne surviennent, et avec chaque nouvel ensemble de données qu'il alimente dans son algorithme, il l'entraîne à faire exactement cela.
"Cela coûte beaucoup d'argent et beaucoup de main-d'œuvre pour détecter une panne et rétablir le courant, " dit Li. " Nous pouvons dire avec confiance, 80 pour cent du temps, que ce panneau sur ce site sortira dans les deux prochains mois."
Si l'inspection est au bon moment, les équipes peuvent réparer les panneaux qui se détériorent lors d'une visite annuelle avant que des problèmes futurs ne surviennent. Li estime que l'algorithme prédictif d'Aerospec pourrait générer 336 millions de dollars supplémentaires pour les industries solaire et éolienne, et puissance 800, 000 logements supplémentaires avec des énergies renouvelables, annuellement.
La technologie rend également les travaux de maintenance plus sûrs pour les équipages, qui sillonnent les lignes électriques à haute tension qui bordent le sol d'un site solaire. La sécurité a été l'une des principales raisons pour lesquelles il a choisi de créer l'entreprise. En 2010, Li travaillait comme consultant en énergie lorsqu'il a appris que onze travailleurs étaient morts sur la plate-forme de forage Deepwater Horizon.
"Je n'arrêtais pas de penser, si nous pouvons garder nos gens hors de danger et envoyer des robots faire les travaux les plus dangereux, pourquoi ne le faisons-nous pas ?" dit Li.
Lorsqu'il a commencé son MBA chez Kellogg, Li savait qu'il avait l'opportunité unique et les bonnes ressources pour avoir un impact dans cet espace, mais il ne savait pas exactement comment son idée se manifesterait.
L'équipe Aerospec Technologies du Garage, L'espace incubateur de Northwestern. Crédit :Université Northwestern
"J'ai essayé de construire des drones et de les vendre, J'ai essayé de vendre des drones en tant qu'intermédiaire, et j'ai essayé de fournir des drones en tant que service, " dit-il. Ce n'est que lorsqu'il s'est inscrit à un cours d'entrepreneuriat Kellogg appelé New Venture Launch que Li a consolidé son modèle commercial et a commencé à jeter les bases d'Aerospec Technologies. Prêt à tester son idée, il a postulé au concours de business plan phare de Northwestern, VentureCat, où il a remporté la catégorie énergie et 5 000 $ en financement de démarrage. Fort de cet élan, Li a rejoint les dirigeants de l'incubateur du campus, Le garage, et sécurisé l'espace physique où il pourrait se concentrer sur les opérations quotidiennes d'Aerospec. Il a embauché des stagiaires de Northwestern étudiant l'intelligence artificielle et l'apprentissage automatique, et a commencé à présenter aux clients.
Affronter le plus grand acteur du secteur de l'analytique industrielle, la plateforme Predix de General Electric, Aerospec se démarque dans les domaines de la collecte de données et de la spécialisation industrielle. En collectant en continu les données de ses clients solaires, Aerospec forme son algorithme intelligent pour développer et recommander les meilleures pratiques pour l'ensemble de l'industrie solaire. Appelée analytique prescriptive, la méthode utilise des outils de l'intelligence artificielle pour prescrire des solutions aux scénarios possibles - dans ce cas, dysfonctionnements du panneau. Cela signifie que Li sera non seulement capable de détecter ce qui pourrait mal se passer, mais il sera également en mesure de dire à un opérateur de site ce qui doit être fait pour éviter les problèmes à l'avance.
"Si quelqu'un veut construire une ferme solaire dans un état où nous travaillons, ils peuvent venir à nous parce que nous avons des données sur des millions et des millions de panneaux solaires sur plusieurs années, " dit Li. " Sur la base de données historiques, nous pouvons leur dire où ils doivent construire, comment ils doivent incliner leurs panneaux pour un rendement maximal, et quel revêtement réfléchissant ils devraient utiliser sur leurs panneaux, en fonction de la météo."
Comme de nombreux clients d'Aerospec possèdent également des parcs éoliens, Aerospec envisage d'étendre bientôt ses services à l'industrie éolienne. Au fur et à mesure que l'entreprise grandit, Li espère relever la barre de la façon dont les drones peuvent être utiles pour développer des solutions à une variété de problèmes courants.
"Nous connaissons l'impact que notre technologie peut avoir sur l'industrie de l'énergie, " dit Li. "Mais nous savons aussi que les applications pour le monde sont infinies."