La adquisición planificada de Deepomatic por parte de IQGeo redefinirá la gestión del ciclo de vida de la red para empresas de fibra y servicios públicos, ayudando a los operadores a desplegar, conectar y reparar redes más rápido con IA.
por David Cottingham, CTO de IQGeo, y Aloïs Brunel, Co-Fundador y CPO de Deepomatic
Muchos operadores de banda ancha y servicios eléctricos luchan continuamente para mantener una visión precisa de sus redes. Asegurar que todos los despliegues y reparaciones de infraestructura que abarcan ciudades, regiones y países estén correctamente registrados es una tarea enorme, especialmente a medida que aumenta la presión de ser los primeros en establecer redes de fibra urbana y se intensifica la carrera por lograr cero emisiones mediante el aumento de la capacidad de la red eléctrica.
Deepomatic e IQGeo están abordando este desafío con tecnología de visión artificial potenciada por IA desplegada a lo largo del ciclo de vida de la red. La solución combinada automatiza las operaciones de campo de la red, asegurando que las tareas se completen correctamente y que los datos de la red sean precisos. Con el tiempo, los operadores podrán construir sobre esta base para crear un modelo de red predictivo y proactivo que identifique y rectifique problemas antes de que causen inconvenientes.
La visión compartida de nuestras dos compañías para redefinir la gestión del ciclo de vida de la red se desarrollará en tres capítulos:
Capítulo uno: Asegurar que el trabajo de campo se haga 'bien desde la primera vez'
El estereotipo de que una visita en el terreno de una compañía de servicios públicos o telecomunicaciones siempre requiere una segunda visita tiene algo de verdad. Para muchas empresas, los porcentajes de 'truck rolls' terminan en fracaso, en gran parte porque el trabajo no se completa con el estándar requerido o se documenta incorrectamente. Cuando una sola visita puede costar a los operadores lo mismo que un cliente paga por una suscripción de 6 meses, reducir la necesidad de visitas repetidas es de importancia estratégica.
El software de visión artificial de IA de Deepomatic está cambiando el juego para los operadores de red al garantizar que el trabajo de campo se ejecute 'bien a la primera'. Al analizar instantáneamente imágenes tomadas por ingenieros de campo de los activos de la red, Deepomatic identifica errores y ofrece orientación sobre cómo corregirlos. Automatizar el control de calidad de esta manera elimina las conjeturas de tareas como activaciones de servicios, inspecciones de activos y evaluaciones de daños para asegurar que se completen con los mismos estándares altos.
Combinado con el software de gestión de flujo de trabajo de IQGeo, los trabajadores de campo pueden marcar una tarea como completa solo una vez que la IA confirma que el trabajo ha sido ejecutado correctamente. Esto elimina completamente la subjetividad de los flujos de trabajo y previene que los errores pasen desapercibidos. En el sector de las utilidades, donde los trabajadores de campo a menudo encuentran peligros eléctricos, la solución combinada también puede bloquear el progreso de las tareas hasta que se aborden preocupaciones de seguridad como cableado incorrecto. También significa que los contratistas pueden ser pagados al completar la tarea en lugar de tener que esperar a una inspección.
Agregar inteligencia artificial al control de calidad ayuda a las empresas en todas las etapas del ciclo de gestión de la red. Para las empresas que construyen nuevas redes, significa que pueden construir sus redes con un enfoque de calidad por diseño, mientras que las empresas en las etapas avanzadas de despliegue de infraestructura pueden aumentar la precisión de operaciones de alto volumen como conexiones de banda ancha de clientes y visitas de lectura de medidores.
Capítulo dos: Establecer un estándar de calidad de datos de red
Es un secreto a voces que la calidad de los datos de la mayoría de los operadores es mala. En algunos casos, los datos de la red están completamente ausentes. En áreas densamente pobladas como las ciudades, los operadores no siempre saben si los cables de la red están por encima o por debajo del suelo. A menudo recurren a fuentes de datos de terceros como Google Maps o envían equipos para verificar manualmente la ubicación (o existencia) de la infraestructura de la red y verificar el entorno de la red antes de los despliegues. Documentar y mantener los datos de esta manera simplemente no es sostenible.
Capturar datos de activos de red de alta calidad es solo una parte del panorama. Los operadores también deben documentar correctamente estos datos de manera estandarizada en el gemelo digital de la red cada vez que ejecutan un nuevo trabajo de campo. De lo contrario, lo que una vez fue datos perfectamente precisos se degradará con el tiempo a medida que se lleven a cabo nuevas actividades de mantenimiento y expansión. La IA no solo es esencial para mejorar la calidad de los datos, sino para garantizar que esta calidad de datos se mantenga con el tiempo.
Deepomatic e IQGeo están ayudando a las empresas a mantener y mejorar la calidad de los datos de la red. Junto con sus metadatos, cada foto tomada por los trabajadores de campo actúa como una instantánea del estado de la infraestructura de la red en el momento en que fue visitada por última vez, mostrando qué cables están conectados a qué puertos en un gabinete, la ubicación exacta de las cajas de servicios, etc. Crucialmente, estos puntos de datos se cargan en el sistema de gestión de la red en tiempo casi real, resaltando las diferencias entre lo que está en el campo y el sistema de registro para que este último pueda actualizarse. Al corregir activamente los datos de red existentes, la solución combinada de IQGeo y Deepomatic permite a los operadores tomar decisiones más informadas y reparar fallas más rápidamente.
Capítulo tres: Construyendo modelos de red predictivos y proactivos
Agregar gestión de tareas impulsada por IA a la solución de flujo de trabajo de IQGeo marca un paso importante hacia la consecución de nuestra visión de un modelo de red predictivo y proactivo. Cuantas más imágenes recolectan los operadores de sus activos de red para documentar el tipo de problemas que ocurren, más IA puede identificar patrones que se pueden usar para predecir y prevenir eventos críticos de la red.
Los operadores tendrán los conocimientos que necesitan para tomar decisiones más informadas en lo que respecta al mantenimiento de la red. En lugar de reemplazar ineficientemente activos basados en políticas, los operadores pueden hacer mejoras cuando el modelo identifica la necesidad. Lo mismo ocurre con la expansión de la red, ya que los operadores comienzan a notar tendencias en la demanda de la red y luego pueden tomar decisiones de inversión basadas en datos.
A medida que sus modelos de red maduran con el tiempo, las empresas de servicios públicos y de fibra también comenzarán a cerrar el ciclo entre el análisis y la acción. Además de predecir problemas inminentes, la gestión de tareas impulsada por IA resolverá problemas por sí misma y generará tareas para que los trabajadores de campo las completen. Esto implicará asegurarse de que se creen tickets para las cuadrillas correctas en el momento adecuado con las herramientas, capacitación y certificaciones necesarias para resolver el problema, acortando significativamente los tiempos de reparación mientras se asegura que las tareas se completen correctamente la primera vez.
A largo plazo, estos modelos se volverán tan avanzados que las redes físicas comenzarán a hablar por sí mismas. Con IA, los activos de la red y el entorno más amplio pueden trabajar juntos para auto-monitorearse y tomar decisiones proactivas sobre el mejor curso de acción con una mínima intervención humana. Hacer que la red sea autosuficiente revolucionará el control de calidad, el mantenimiento predictivo y la optimización de costos, realizando nuestra visión de ayudar a construir y mantener mejores redes.
Contáctenos para averiguar cómo IQGeo y Deepomatic pueden ayudar a su empresa a aumentar la precisión y eficiencia del trabajo de campo.
