维护为我们的世界提供动力的设备

大多数人只会在出现问题时考虑为城市供电的系统。不幸的是，最近旧金山湾区的许多人在他们的公用事业公司开始计划停电以防止野火时需要考虑很多事情。这项决定是在去年发现毁灭性大火是由包括变压器在内的设备故障导致的。

变压器是发电厂，输电线路和配电网络之间的链接。如果变压器出现故障，整个发电厂可能会停电。为了解决该问题，操作员会全天候工作，以评估工厂的各个组成部分，考虑不同的数据源，并确定需要维修或更换的设备。

电力设备的维护和故障是一个影响深远的问题，很难附加美元符号。除了工厂损失的收入外，还有无法运营的业务，困在电梯和地铁中的人们以及无法开放的学校。

现在，初创公司Tagup致力于使变压器和其他工业设备的维护现代化。该公司的平台使操作员可以在一处查看其所有数据流，并使用机器学习来估计组件是否以及何时出现故障。

由首席执行官Jon Garrity ’11和首席技术官Will Vega-Brown ’11，SM ’13创立-他最近在麻省理工学院机械工程系攻读博士学位，并将于本月毕业。目前，能源公司正在使用Tagup来监控大约北美和欧洲各地有60,000件设备。其中包括变压器，海上风力涡轮机和用于水过滤的反渗透系统。

“我们的使命是使用AI来使为世界供电的机器更安全、更可靠、更高效，” Garrity说。

灯泡点亮

多年来，Vega-Brown和Garrity在麻省理工学院以多种方式走过了道路。作为本科生，他们参加了一些相同的课程，其中维加·布朗（Vega-Brown）攻读了机械工程和物理学双学位，而Garrity攻读了经济学和物理学双学位。他们也是兄弟般的兄弟以及足球队的队友。

后来，当Garrity在就读哈佛商学院时返回校园时，Vega-Brown攻读博士学位时，他们再次成为MIT能源企业课程的同学。

尽管如此，在Garrity曾在GE能源工作，而Vega-Brown在麻省理工学院的计算机科学和人工智能实验室攻读博士学位后，创始人直到2015年才开始考虑创办公司。

在GE，Garrity发现了一种引人入胜的商业模式，通过该模式，喷气式发动机等关键资产由客户（在这种情况下是航空公司）租赁而不是X，制造商负责远程监控和维护它们。这种安排使GE和其他公司可以利用其工程专业知识，而客户则专注于自己的行业。

“当我在通用电气工作时，我一直想知道：为什么这种服务不适用于任何类型的设备？答案是经济的。” Garrity说：“建立远程监控中心，对现场设备进行仪器测量，为50名或更多的工程主题专家配备人员并为最终客户提供所需的支持是昂贵的。设备故障的成本，在业务中断和设备故障方面，必须证明其巨大，以证明较高的平均固定成本。”

“我们意识到了两件事，” Garrity继续说道。“随着传感器和云基础设施可用性的提高，我们可以从基础设施和通信方面显着降低[监视关键资产的成本]。而且，借助新的机器学习方法，我们可以提高手动查看设备数据的工程师的工作效率。”

这种认识导致了Tagup，尽管要花时间证明创始人的技术。Vega-Brown解释说：“在工业应用中使用AI的问题是缺乏高质量的数据。” “我们的许多客户都有庞大的数据集，但是工业数据中的信息密度通常很低。这意味着我们在寻找信号和验证模型时需要非常小心，以便我们能够可靠地做出准确的预测和预测。”

创始人利用他们与MIT的联系使公司起步。他们从麻省理工学院的风险指导服务获得了指导，Tagup是麻省理工学院工业联络计划（ILP）的STEX 25加速器中的X批初创企业，该加速器将高潜力的初创企业与行业成员联系起来。自那以来，Tagup已通过ILP赢得了数名客户，这些早期的合作伙伴关系帮助该公司培训和验证了其一些机器学习模型。

使电源更可靠

Tagup的平台将客户的所有设备数据组合到一个可分类的主列表中，该列表显示了每种资产引起中断的可能性。用户可以单击特定资产以查看历史数据和趋势图，这些历史数据和趋势将馈入Tagup模型。

该公司没有部署任何传感器。相反，它将客户的实时传感器测量结果与其他数据源（例如维护记录和机器参数）结合在一起，以改善其专有的机器学习模型。

创始人还从建立系统的集中方法入手。变压器是他们使用的最早的设备类型之一，并且它们已逐渐扩展到其他资产组。

Tagup的首次部署是在2016年8月，该电厂的一面电厂面对着MIT校园附近的查尔斯河。在安装后仅几个月，Garrity就在一次海外会议上，当时他接到工厂经理的电话，称该变压器意外脱机。通过电话，Garrity能够检查来自变压器和气体传感器的实时数据，并向经理提供重启系统所需的信息。Garrity说，它为工厂节省了大约26个小时的停机时间，并节省了15万美元的收入。

Garrity说：“就业务成果而言，这确实是灾难X件。”据估计，变压器故障每年造成的损失高达230亿美元。

从那以后，他们与多家大型公用事业公司建立了合作伙伴关系，其中包括国家电网公司和纽约联合爱迪生公司。

毫无疑问，Garrity和Vega-Brown对使用机器学习来控制设备的运行感到兴奋。例如，一台机器可以像自动驾驶汽车感知障碍物并绕着它转向一样管理自己。

这些功能对确保夜间翻转开关时确保灯点亮的系统具有重要意义。

“真正令人兴奋的地方就是朝着优化迈进，” Garrity说。Vega-Brown表示同意，并补充说：“浪费了大量的电力和水，因为没有足够的专家来调节世界上每台工业机器上的控制器。如果我们能够使用AI在算法中捕获一些专业知识，那么我们就可以降低效率低下并提高大规模安全性。”