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(jīng)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(NLP)之類的人工智能(AI)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)–安大略省的一家發(fā)電機組，具有16吉瓦以上的容量，其中包括5.7吉瓦的在役核電容量，其多樣化的產(chǎn)品組合–證明了AI在核電機組中斷計劃的特定步驟中的潛力處理。

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。

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。停運AI解決方案當前使用價值8年的過去停運數(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設備停運時間表吸收到未來的預防性維護停運中。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。

解決方案本身由三個基礎支柱組成，這些基礎支柱旨在解決整個解決方案設計中停機團隊提供的各種特定功能和技術要求：(i)創(chuàng)建虛擬任務以從當前停機計劃中識別丟失的任務，存在于歷史中;(ii)尚未安排的任務的自動安排;(iii)取消邏輯聯(lián)系，否則將導致時間表中出現(xiàn)循環(huán)。前兩個以基于NLP的文本匹配算法為中心，該算法將當前停機情況下的工作指令和任務與歷史停機中的工作指令和任務進行比較，而第三個使用循環(huán)檢測算法來識別罪魁禍首，并對解決方案輸出進行質量控制。

為了創(chuàng)建虛擬任務，文本匹配算法將與特定工作訂單有關的所有歷史任務的匯總列表與當前計劃中的相應工作訂單的任務進行比較。歷史列表中存在的那些，并由文本匹配算法標識為當前中斷中丟失的那些，并作為虛擬任務帶入當前計劃中。然后，這些虛擬任務可作為質量保證檢查，以檢查當前任務列表可能不完整的情況，并向工作調(diào)度員指示應重新檢查其完整性。對當前核單位停工計劃中的所有工作單描述重復圖1所示的虛擬任務創(chuàng)建過程，并參考該過程中的所有歷史停工計劃。