Alarmering med predictive analysis
En overordnet egenskab ved kunstig intelligens er, at teknologien er i stand til at spotte mønstre i store datamængder. En disciplin, der er bedre kendt som predictive analysis.
For forsyningsvirksomheder kan det eksempelvis være mønstre, der indikerer, at en enhed trænger til service eller udskiftning, før der sker et nedbrud, så man undgår nedetid og fejlbehæftede data.
Det kan også være mønstre af en husstands eller virksomheds energiforbrug, hvor en måleværdi afviger markant fra normalen og indikerer, at noget er galt – eksempelvis en begyndende lækage på et rør, hvormed udbedring af fejlen kan iværksættes, inden lækagen eskalerer.
Eller det kan være optimering af et energiforbrug, hvor man på baggrund af et typisk forbrugsmønster opfordrer en virksomhed eller en husstand til at ændre adfærd, så de sparer penge, forbedrer indeklimaet, undgår fugt, holder bedre på varmen osv.
Kunstig intelligens reducerer kompleksitet
En anden egenskab ved kunstig intelligens er teknologiens evne til at reducere kompleksitet.
- Det er ikke kun evnen til at hjemtage data, der er vigtig for forsyningsvirksomheder. Det er mindst ligeså vigtigt at kunne sortere i junglen af data, præsentere dem i en meningsfuld kontekst og komme med konkrete anbefalinger på baggrund af dataene. Den proces bliver hurtigere og nemmere med kunstig intelligens,” siger Jesper Ruus-Pedersen.
Han tilføjer, at kunstig intelligens også kan anvendes af produktionsvirksomheder til at komme med anbefalinger af forskellige investeringsscenarier og erstatte mavefornemmelser med fakta. Teknologien kan sammenholde parametre såsom pris og energiforbrug for et givent produkt og præsentere den mest rentable løsning over eksempelvis 5, 10 eller 20 år.
