Acerca de Sadales tīkls
Sadales tīkls (ST) es el mayor operador del sistema de distribución eléctrica en Letonia, suministrando electricidad a más del 99% de los hogares y empresas en todo el país. Gestiona aproximadamente 60.000 km de líneas eléctricas aéreas y es responsable de garantizar un suministro de electricidad seguro, fiable y eficiente, manteniendo una de las redes de infraestructura más extensas del país.
El desafío: flujos de trabajo manuales en la inspección de líneas eléctricas
Actualmente, las inspecciones de infraestructura de ST se realizan de forma totalmente manual por más de 100 inspectores de campo altamente cualificados. Estos expertos examinan visualmente la red, detectando defectos y evaluando el estado técnico de los componentes en función de su propia experiencia y criterio profesional. Aunque este enfoque es eficaz, requiere mucha mano de obra, consume tiempo y depende en gran medida de la experiencia individual, lo que puede generar variaciones en los resultados. Además, implica riesgos de seguridad, ya que muchas inspecciones se llevan a cabo en ubicaciones remotas o peligrosas, como bosques, pantanos o zonas rurales de difícil acceso.
A estos desafíos operativos se suma la escasez de personal cualificado, especialmente de jóvenes especialistas en electricidad dispuestos a trabajar en campo. La empresa identificó una clara necesidad de modernizar las inspecciones, introducir métodos estandarizados y avanzar hacia un proceso más automatizado y basado en datos.
Datos aéreos capturados durante el proyecto piloto, que proporcionaron la base visual para los flujos de trabajo de inspección.
Objetivos del proyecto piloto
Al inicio del proyecto piloto, ST se propuso mejorar y modernizar el proceso de inspección mediante la creación de un flujo de trabajo basado en datos y respaldado por herramientas digitales innovadoras. Sus objetivos específicos incluían:
- Centralizar los procesos para establecer un entorno unificado de gestión de datos y mejorar la calidad y accesibilidad de la información, permitiendo una toma de decisiones más rápida y fundamentada.
- Desarrollar herramientas inteligentes de apoyo para asistir a los inspectores dentro de un entorno de trabajo digitalmente transformado.
- Reducir los riesgos de seguridad para el personal que realiza inspecciones en áreas difíciles o peligrosas (por ejemplo, zonas con distancias reducidas, pantanos, presencia de fauna, garrapatas, etc.).
- Implementar un enfoque de inspección estandarizado, pasando de inspecciones manuales in situ a un sistema basado en imágenes digitales y análisis, adecuado para los flujos de trabajo de inspección de líneas eléctricas.
- Garantizar la coherencia entre regiones, de modo que la detección de defectos no dependa de la presencia física o la ubicación del inspector, y que las inspecciones sigan una metodología uniforme en toda la red.
Configuración de captura de datos en campo utilizada para obtener información visual antes de su análisis en el software Hepta Insights.
La situación antes de la implementación y por qué Hepta Insights
El mantenimiento preventivo en ST requería la inspección visual de cada tramo de la red aérea una vez cada cuatro años, registrando los resultados en una aplicación GIS y vinculándolos a los sistemas de planificación y mantenimiento. Aunque este proceso garantizaba el cumplimiento normativo, dependía totalmente del esfuerzo manual y de la interpretación humana. Esto dificultaba la obtención de resultados consistentes entre distintas regiones, ralentizaba el procesamiento de datos y limitaba la capacidad de la empresa para adoptar un enfoque predictivo en el mantenimiento de líneas eléctricas aéreas.
A través de un proceso de licitación competitiva, la solución de Hepta Insights destacó por cumplir con todas las especificaciones técnicas y, al mismo tiempo, presentar la propuesta más rentable. La plataforma se alineaba con las necesidades operativas de ST y con su objetivo estratégico de avanzar hacia inspecciones de líneas eléctricas digitalizadas y soportadas por inteligencia artificial.
La solución y el proceso piloto: introducción de métodos digitales de inspección de líneas eléctricas
Hepta Insights proporcionó una plataforma para procesar imágenes aéreas RGB, detectar defectos visibles y permitir un análisis centralizado. La fase piloto incluyó la recopilación y carga de datos, la verificación manual de defectos y, posteriormente, la aplicación de algoritmos de detección automatizada para acelerar el proceso.
Durante las pruebas, ST refinó los requisitos técnicos, por ejemplo, definiendo un número mínimo de imágenes por activo para garantizar una cobertura adecuada y estableciendo estándares de resolución que permiten detectar defectos de hasta 2 cm. Estas medidas mejoraron la calidad de los datos y sentaron las bases para un análisis automatizado coherente.
Aunque la solución aún no está integrada en los flujos de trabajo diarios de ST, el piloto demostró con éxito la viabilidad de la inspección de líneas eléctricas asistida por inteligencia artificial en condiciones reales. Las perspectivas aéreas revelaron defectos que podrían pasar desapercibidos desde el suelo, como problemas de amarre de conductores, daños en las tapas de los postes y grietas en los aisladores. Los beneficios potenciales incluyen inspecciones más rápidas, menor necesidad de recursos y una mejor toma de decisiones gracias a datos visuales más completos.
Si bien todavía no se han medido métricas a gran escala, los resultados iniciales indican que, una vez integrada, la solución podría generar mejoras significativas en eficiencia, control de costos y seguridad operativa.
Flujo de detección de defectos en Hepta Insights, que muestra daños en aisladores marcados en imágenes aéreas con clasificación por nivel de severidad. Más información sobre cómo se definen los niveles de severidad.
Detección asistida por IA de defectos en la parte superior de los postes en el software Hepta Insights.
Experiencia de colaboración y perspectivas futuras
ST describe la colaboración con Hepta como altamente profesional, ágil y proactiva. El equipo identificó de manera constante los posibles riesgos en etapas tempranas, validó las soluciones antes de su implementación y adaptó las funcionalidades en función de los comentarios de los usuarios. Varias recomendaciones de ST, como la incorporación de campos personalizados en los informes y criterios avanzados de filtrado, ya han sido integradas en la hoja de ruta del producto, lo que demuestra un enfoque abierto y ágil en el desarrollo.
De cara al futuro, la prioridad de ST es la transformación digital completa del proceso de inspección, con la detección de defectos en líneas eléctricas impulsada por IA como elemento central. La empresa busca reducir la dependencia de los flujos de trabajo manuales, mejorar la precisión y coherencia de las evaluaciones y avanzar hacia un modelo de mantenimiento predictivo. Una vez plenamente integrada, esta solución está llamada a desempeñar un papel clave en la consecución de estos objetivos, respaldando una gestión de infraestructuras escalable, segura y eficiente durante los próximos años.
Conclusiones clave del proyecto piloto
- Validación de la viabilidad de la inspección de líneas eléctricas asistida por IA:
El proyecto piloto confirmó que las imágenes aéreas RGB y los algoritmos de detección automatizada pueden respaldar flujos de trabajo de inspección más consistentes y escalables, sin sustituir los procesos existentes. - Demostración del valor de un flujo de trabajo digital unificado:
El piloto mostró cómo la centralización de los datos visuales y los resultados de inspección en un único entorno puede reducir pasos manuales y mejorar la calidad y accesibilidad de la información utilizada en la planificación del mantenimiento. - Mayor visibilidad de los defectos en líneas eléctricas aéreas:
Las perspectivas aéreas revelaron problemas, como defectos de amarre, grietas en aisladores y daños en las tapas de los postes, que a menudo son difíciles de detectar mediante inspecciones tradicionales desde tierra. - Mejora de las condiciones de seguridad para el personal de campo:
Al trasladar parte del esfuerzo de inspección desde visitas presenciales hacia el análisis visual remoto, el proyecto piloto puso de manifiesto el potencial para reducir la exposición de los inspectores a terrenos peligrosos y zonas de difícil acceso. - Establecimiento de una base para futuros flujos de mantenimiento predictivo:
Aunque aún en fase de demostración, el proyecto evidenció cómo las imágenes estandarizadas, los datos digitales y el análisis respaldado por IA pueden allanar el camino hacia prácticas de inspección más coherentes y homogéneas en toda la red aérea de ST.
