Maciej Hryniewicki和James Strapp寫道，人工智能具有減少大量重復性任務的巨大潛力，使工程師能夠將更多的精力集中在工程上

如今，公用事業(yè)工程師花費了大量時間來完成重復的管理任務。一些組織估計，經過訓練有素的工程師有40%以上的時間用于這些平凡的任務。

諸如機器學習和自然語言處理之類的人工智能技術的成熟，使其在自動執(zhí)行更復雜，影響更大的任務中越來越可行。人工智能在減少實質性重復任務方面具有巨大的潛力，使這些工程師能夠將更多精力集中在工程上。

最近，安大略電力公司(OPG)–擁有16吉瓦以上容量的多元化產品組合，其中包括5.7吉瓦的在役核電容量–在核電機組停運計劃過程的特定步驟中展示了AI的潛力。

OPG核設施中計劃每年進行兩到三個月的維護停機。每次中斷都需要安排大約20,000至25,000個單獨的任務。這些任務大多數(shù)與以前的中斷相似，這意味著一組高技能的中斷人員正在審查程序以及手動搜索和填充過去計劃中的任務。

OPG當前的停機計劃過程包括40多個主要里程碑，這些里程碑是在開始核裝置停機之前兩年多開始的。停運里程碑是基于與安全，可靠性，范圍和持續(xù)時間相關的行業(yè)最佳實踐，還考慮了單個核設施的需求。在這些里程碑中都嵌入了四次核中斷時間表的修訂版，其中每個后續(xù)版本都比前一個版本更加詳細和全面。

OPG已部署的停運AI解決方案著重于預測將要包含在停運窗口中的任務的邏輯聯(lián)系，創(chuàng)建包含所有任務的計劃的第一個版本。這種方法可確保減少人工工作，同時在隨后的每個核電中斷時間表修訂的整個開發(fā)過程中保持足夠的監(jiān)督應急能力，以減輕風險和可能的持續(xù)時間延長。

利用人工智能

中斷AI解決方案是一個定制的，云托管的應用程序，可與OPG的現(xiàn)有IT基礎架構無縫集成，并利用了AI，機器學習，NLP和智能自動化等元素。此處的目的是預測20,000至25,000個任務的工作分解結構，包括其邏輯上的前任和后繼(邏輯關系)，并在即將到來的核裝置停運修訂“ B”時間表中自動安排它們。

中斷AI解決方案當前使用八年的過??去中斷數(shù)據(jù)來創(chuàng)建這些預測，并且已開發(fā)為將即將到來的核電單元中斷時間表吸收到未來的預防性維護中斷中。這創(chuàng)建了一個強大的解決方案，隨著越來越多的數(shù)據(jù)被其基礎算法處理，傳遞和使用，它可以主動學習并變得更加智能。