维护为我们的世界提供动力的设备

大多数人只在城市出现问题时才想到城市的电力系统。不幸的是，旧金山海湾地区的许多人最近有很多事情要考虑，他们的公用事业公司开始计划停电，试图阻止野火。去年，包括变压器在内的设备被发现存在缺陷，导致了毁灭性的火灾，之后，政府做出了这一决定。

变压器是连接发电厂、输电线路和配电网的纽带。如果变压器出了问题，整个发电厂都会陷入黑暗。为了解决这个问题，操作员昼夜不停地工作，评估工厂的各种组件，考虑不同的数据源，并决定需要修复或替换什么。

电力设备维护和故障是一个影响深远的问题，很难用金钱来衡量。除了工厂失去的收入，还有企业无法运营，人们被困在电梯和地铁里，学校无法开学。

现在，初创公司Tagup正在努力使变压器和其他工业设备的维护现代化。该公司的平台允许操作人员在一个地方查看所有数据流，并使用机器学习来估计组件是否以及何时会出现故障。

由首席执行官乔恩Garrity 11和首席技术官将Vega-Brown 11日SM的13 -最近完成了他的博士课程在麻省理工学院机械工程系毕业,将本月——Tagup目前所使用的能源公司监控大约60000件设备在北美和欧洲。其中包括变压器、海上风力涡轮机、水过滤的反渗透系统等。

加里蒂表示:“我们的使命是利用人工智能，让为世界提供动力的机器更安全、更可靠、更高效。”

一个灯泡亮了

多年来，维加-布朗和加里蒂在麻省理工学院以多种方式相遇。作为本科生，他们选修了一些相同的课程，其中韦加-布朗的双学位是机械工程和物理，加里蒂的双学位是经济和物理。他们也是兄弟会的兄弟，也是橄榄球队的队友。

后来，当加里蒂在哈佛商学院(Harvard Business School)上学、皮加-布朗(vegf – brown)攻读博士学位时，他们又成了麻省理工学院(MIT)能源企业课程的同学。

尽管如此，直到2015年，在Garrity在通用电气能源公司工作，而vegf – brown在麻省理工学院计算机科学和人工智能实验室攻读博士学位之后，创始人才开始考虑创办一家公司。

在通用电气，加里蒂发现了一种有趣的商业模式，通过这种模式，客户(在这种情况下是航空公司)租赁而不是购买关键资产，制造商负责远程监控和维护这些资产。这种安排让通用电气和其他公司得以利用自己的工程专业知识，而客户则专注于自己的行业。

“当我在通用电气工作时，我总是想知道:为什么这种服务不能用于任何类型的设备?”答案是经济。“嘉里蒂说。他说:“建立一个远程监控中心，对现场设备进行检测，为50名或50名以上的工程学科专家配备人员，并向终端客户提供所需的支持，这些都是非常昂贵的。设备故障的成本，无论是业务中断还是设备故障，必须是巨大的，才能证明较高的平均固定成本是合理的。”

“我们意识到两件事，”Garrity继续说道。“随着传感器和云基础设施的日益普及，我们可以从基础设施和通信方面大幅降低(监控关键资产)的成本。而且，有了新的机器学习方法，我们可以提高工程师的生产率，他们可以手动检查设备数据。”

这一认识导致了Tagup的产生，尽管证明创始人的技术需要时间。“将人工智能应用于工业应用的问题在于缺乏高质量的数据，”维加-布朗解释道。“我们的许多客户拥有庞大的数据集，但工业数据中的信息密度往往相当低。这意味着我们需要非常小心地寻找信号并验证我们的模型，这样我们才能可靠地做出准确的预测。”

创始人利用他们在麻省理工学院的关系，使公司起步。他们接受了麻省理工学院创业指导服务中心的指导，塔格普是第一批被麻省理工学院工业联络计划(ILP) STEX 25加速器接纳的初创公司之一。该计划旨在将极具潜力的初创公司与业内人士联系起来。此后，Tagup通过ILP获得了几个客户，这些早期的合作伙伴帮助公司培训和验证了一些机器学习模型。

使电力更可靠

Tagup的平台将客户的所有设备数据合并到一个可分类的主列表中，该列表显示每种资产造成中断的可能性。用户可以点击特定的资产，查看历史数据和趋势的图表，这些数据和趋势会反馈到Tagup的模型中。

该公司自己没有部署任何传感器。相反，它将客户的实时传感器测量数据与维修记录和机器参数等其他数据源结合起来，以改进其专有的机器学习模型。

创始人还以一种专注的方式开始构建他们的系统。变压器是他们最先使用的设备之一，而且他们已经逐渐扩展到其他资产类别。

塔格普的第一次部署是在2016年8月，当时它在麻省理工学院校园附近的查尔斯河(Charles River)对面建了一座发电厂。就在它安装好几个月后，加里蒂在一次海外会议上接到了工厂经理的电话，说有一个变压器突然掉线了。通过手机，加里蒂可以查看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。加里蒂说，它为工厂节省了大约26个小时的停工时间和15万美元的收入。

“就商业结果而言，这些确实是灾难性的事件，”Garrity说，并指出变压器故障估计每年造成230亿美元的损失。

从那以后，他们与几家大型公用事业公司建立了合作关系，其中包括国家电网公司(National Grid)和纽约联合爱迪生公司(Consolidated Edison Company)。

最后，Garrity和vegf – brown对使用机器学习来控制设备的操作感到兴奋。例如，机器可以像汽车感知障碍物并绕过它一样进行自我管理。

这些功能对于确保我们在夜间扳动开关时灯亮起的系统具有重要意义。

Garrity说:“真正令人兴奋的是向优化方向发展。”维加-布朗对此表示赞同，他补充说:“由于没有足够的专家来调整世界上每一台工业机器的控制器，大量的电力和水被浪费了。如果我们能利用人工智能在算法中获取一些专家知识，我们就能降低效率，提高安全性。”