Saltar al contenido
AtheronLABS

País detectado: Estados Unidos. Los precios se muestran en dólares estadounidenses. ¿No es correcto?

labs@atheron:~/industries/energy/ai$ train agent --grounded

IA para distribuidoras

Un asistente de operación y previsiones de carga por alimentador.

Las distribuidoras tienen dos buenos usos para la IA que mantienen los datos en casa: encontrar rápido el procedimiento correcto y prever la carga a medida que los clientes se electrifican. El primero encaja con un modelo de código abierto dentro de su red, y el segundo con un modelo a medida entrenado con su propio historial. Ninguno toca el control de la operación.

// lo que importa aquí

Qué cambia en este sector.

01

Dentro de su red

El asistente funciona en un servidor con GPU de su propiedad sin salida a internet, lo que encaja con las normas de seguridad con las que trabajan las distribuidoras, como NERC CIP.

02

Solo procedimientos vigentes

Las revisiones sustituidas quedan fuera de las respuestas, y cada respuesta nombra el documento, la revisión y el apartado.

03

Previsiones con horquillas honestas

El modelo de carga da una horquilla para cada alimentador, así que el planificador ve la incertidumbre en lugar de una única línea muy segura de sí misma.

04

Consejo, no control

Ninguno de los dos sistemas opera equipos ni cambia ajustes. Deciden los operadores y los planificadores.

// proyectos de ejemplo

Ejemplos con precio.

Cada uno es hipotético, se presenta como tal y lleva un precio calculado en directo a partir de nuestra tarifa. Abra cualquiera en el estimador y hágalo suyo.

Proyecto de ejemploAplicación webIAModelo de código abierto

Asistente de sala de control

Hipotético. Ni un cliente ni un resultado.

// El problema

Los operadores de sala de control y los supervisores de campo buscan en carpetas y unidades compartidas el procedimiento de maniobra, la instrucción de operación o el manual correcto, muchas veces en plena incidencia.

// Lo que construiríamos

Un asistente que responde a partir de sus propios procedimientos, instrucciones de operación y órdenes de maniobra anteriores, citando el documento y el apartado, sobre un modelo de código abierto que funciona en un servidor dentro de su red para que nada toque internet. Lee y cita; no opera nunca ningún equipo.

// Qué incluye

  • Procedimientos, instrucciones y manuales indexados y al día con el gestor documental
  • Respuestas que citan el documento, la revisión y el apartado
  • Las revisiones sustituidas quedan excluidas, así que solo se citan procedimientos vigentes
  • Conjunto de evaluación con preguntas reales de operadores, que se pasa antes de cada cambio
  • Un modelo de código abierto en un servidor con GPU dentro de su red
  • Ninguna conexión con los sistemas de control de la operación

// Tecnologías

  • Llama o Mistral (código abierto)
  • vLLM
  • PostgreSQL con pgvector
  • Next.js
  • Servidor Lenovo con GPU en sus instalaciones

// estimación

Desarrollo
≈ 120.000 US$ a 183.000 US$, delivered within 23 weeksCAD 170,900 to 259,900
Alojamiento
≈ 176 US$ al mesCAD 250 al mes
Soporte
≈ 2500 US$ al mesCAD 3,565 al mes
Hardware
≈ 47.800 US$ a 197.000 US$CAD 68,000 to 280,800

Los precios en su moneda son estimaciones con el tipo de cambio de hoy del Banco de Canadá. Toda la facturación se emite en CAD o USD.

Enfoque de IA
Modelo de código abierto
Coste de funcionamiento del modelo
≈ 176 US$ al mesCAD 250 al mes

Calendario por hitos

Découverte
2.9 to 3.4 weeks
Spécification et plan d’évaluation
0.4 weeks
Maquettes approuvées
2.4 to 3.9 weeks
Fonctions principales
1.4 to 2.4 weeks
Développement complet
0.9 to 1.4 weeks
Projet pilote fonctionnel
4.4 to 7.4 weeks
Tests et corrections
1.4 to 1.9 weeks
Mise en ligne
0.9 to 1.4 weeks
Production
0.9 to 1.4 weeks

Fuera de nuestras manos, y sumado al calendario

Livraison du matériel, après la commande
2 to 6 weeks
Accès en lecture seule approuvé par votre équipe TO
1 to 4 weeks
Test d’intrusion par la firme de votre choix
2 to 4 weeks

Cómo se paga

Anticipo 20%
CAD 34,120 to 51,920
Découverte 1.8%
CAD 3,070.80 to 4,672.80
Spécification et plan d’évaluation 10.5%
CAD 17,913 to 27,258
Maquettes approuvées 1.8%
CAD 3,070.80 to 4,672.80
Fonctions principales 5.6%
CAD 9,553.60 to 14,537.60
Développement complet 3.7%
CAD 6,312.20 to 9,605.20
Projet pilote fonctionnel 31.7%
CAD 54,080.20 to 82,293.20
Tests et corrections 1.8%
CAD 3,070.80 to 4,672.80
Mise en ligne 1.8%
CAD 3,070.80 to 4,672.80
Production 11.3%
CAD 19,277.80 to 29,334.80
Holdback, 30 days after launch (10%)
CAD 17,060 to 25,960
Temps GPU pour l’entraînement et les tests, au coût
CAD 300. Se factura por adelantado, a coste, fuera de los hitos
Serveur GPU pour l’IA, pour le modèle
CAD 68,000 to 280,800. Se factura por adelantado, a coste, fuera de los hitos
Proyecto de ejemploAplicación webIALLM a medida

Modelo de previsión de carga por alimentador

Hipotético. Ni un cliente ni un resultado.

// El problema

Un planificador de distribución prevé la carga de cada alimentador con las puntas del año pasado, mientras las bombas de calor, los cargadores de vehículo eléctrico y el autoconsumo fotovoltaico cambian la demanda más rápido de lo que la hoja de cálculo puede seguir.

// Lo que construiríamos

Un modelo de previsión a medida, ajustado a partir de un modelo base abierto de series temporales con su propio historial de contadores, alimentadores y meteorología, que prevé la carga por alimentador para los días y las estaciones siguientes, con una vista web para planificación. Un modelo a medida encaja porque los patrones son suyos y los datos son sensibles. Se reentrena a medida que llegan datos nuevos de contador.

// Qué incluye

  • Historial de alimentadores, contadores inteligentes y meteorología depurado y unido
  • Un modelo de series temporales ajustado con sus datos y medido frente a periodos reservados
  • Previsiones por alimentador con una horquilla, no con una sola línea
  • Escenarios de adopción de bomba de calor, vehículo eléctrico y fotovoltaica fijados por el planificador
  • Reentrenamiento periódico a medida que llegan datos nuevos

// Tecnologías

  • PyTorch
  • Chronos o TimesFM (modelos abiertos de series temporales)
  • Python
  • Next.js
  • PostgreSQL con TimescaleDB
  • GPU de AWS

// estimación

Desarrollo
≈ 139.000 US$ a 213.000 US$, delivered within 31 weeksCAD 198,400 to 302,700
Alojamiento
≈ 6710 US$ al mesCAD 9,550 al mes
Soporte
≈ 2500 US$ al mesCAD 3,565 al mes

Los precios en su moneda son estimaciones con el tipo de cambio de hoy del Banco de Canadá. Toda la facturación se emite en CAD o USD.

Enfoque de IA
LLM a medida
Coste de funcionamiento del modelo
≈ 6530 US$ al mesCAD 9,300 al mes

Calendario por hitos

Découverte
2.9 to 3.4 weeks
Données et plan d’évaluation
0.4 weeks
Maquettes approuvées
2.4 to 3.9 weeks
Fonctions principales
1.9 to 2.9 weeks
Développement complet
1.4 to 1.9 weeks
Entraînement
6.4 to 11.4 weeks
Tests et corrections
0.4 weeks
Évaluation et tests adverses
3.9 to 4.4 weeks
Mise en ligne
0.9 to 1.4 weeks
Production
0.9 to 1.4 weeks

Fuera de nuestras manos, y sumado al calendario

Accès en lecture seule approuvé par votre équipe TO
1 to 4 weeks
Test d’intrusion par la firme de votre choix
2 to 4 weeks

Cómo se paga

Anticipo 20%
CAD 39,440 to 60,300
Découverte 1.5%
CAD 2,958.00 to 4,522.50
Données et plan d’évaluation 7.9%
CAD 15,578.80 to 23,818.50
Maquettes approuvées 1.5%
CAD 2,958.00 to 4,522.50
Fonctions principales 4.6%
CAD 9,071.20 to 13,869.00
Développement complet 3.1%
CAD 6,113.20 to 9,346.50
Entraînement 23.9%
CAD 47,130.80 to 72,058.50
Tests et corrections 1.5%
CAD 2,958.00 to 4,522.50
Évaluation et tests adverses 15.9%
CAD 31,354.80 to 47,938.50
Mise en ligne 1.5%
CAD 2,958.00 to 4,522.50
Production 8.6%
CAD 16,959.20 to 25,929.00
Holdback, 30 days after launch (10%)
CAD 19,720 to 30,150
Temps GPU pour l’entraînement et les tests, au coût
CAD 1,200. Se factura por adelantado, a coste, fuera de los hitos

// questions

Lo que nos preguntan sobre esto.

¿Por qué un modelo de código abierto en la sala de control?

Porque los procedimientos y los datos de red no deberían salir de su red, y un modelo que usted aloja puede funcionar sin ninguna conexión al exterior. Un modelo de vanguardia se arrancaría antes, pero envía cada pregunta al proveedor.

¿Qué datos necesita una previsión de carga por alimentador?

Historial de carga por alimentador o por subestación, datos de contadores inteligentes donde los tenga, y meteorología. Más historial ayuda; revisamos lo que tiene antes de dar un precio.

¿Pueden los operadores usar el asistente en una emergencia?

Puede ayudar a encontrar rápido el procedimiento correcto, pero es una herramienta de consulta. Sus procedimientos de emergencia y el criterio del operador van primero.

// la siguiente

¿No es exactamente su proyecto?

Cuéntenos qué tiene en mente. Le responderemos con una horquilla y con las preguntas que la estrecharían. O reserve una llamada y lo hablamos.

IA para distribuidoras: asistentes de red y previsión de carga por alimentador | Atheron Network Labs