如今，电力工程师花费大量时间来完成重复性的管理任务。一些组织估计，训练有素的工程师花超过40%的时间在这些平凡的任务上。

机器学习和自然语言处理(NLP)等人工智能(AI)技术的成熟，使得自动执行更复杂、更有影响力的任务变得越来越可行。人工智能在减少实质性重复任务方面具有巨大的潜力，使这些工程师能够将更多的精力集中在工程上。

最近，安大略省电力公司(OPG)——安大略省的一个发电机组，容量超过16 GW，其中包括5.7 GW的在役核电容量，以及多元化的产品组合——证明了AI在核电机组停运计划的具体步骤中的潜在待遇。

在OPG核设施中，每年计划有两到三个月的维修停工期。每次中断需要调度大约20，000到25，000个单独的任务。这些任务大部分和之前的中断类似，也就是说一群技术高超的中断在审核程序，在过去的计划中手动搜索和填充任务。

OPG目前的停堆规划过程包括40多个重大里程碑，这些里程碑是在核电厂开始停堆两年多前开始的。大修里程碑基于与安全、可靠性、范围和持续时间相关的行业最佳实践，并考虑了单个核设施的需求。在这些里程碑中，嵌入了四个核中断时间表的修订版本，每个后续版本都比前一个版本更加详细和全面。

OPG部署的停机AI解决方案专注于预测停机窗口中要包括的任务的逻辑连接，并创建包含所有任务的计划的第一个版本。这种方法可以保证在减少人工工作的同时，在后续每次修改核电厂停堆计划的整个制定过程中，保持足够的监督和应急响应能力，以降低风险并可能延长工期。

AI Interrupt Solution是一款定制的云托管应用，可以与OPG现有的IT基础设施无缝集成，并利用人工智能、机器学习、NLP和智能自动化等元素。这里的目的是预测20，000到25，000个任务的工作分解结构，包括它们的逻辑前置任务和后续任务(逻辑关系)，并将它们自动安排在即将到来的核设施大修的修订“B”计划中。大修解决方案AI目前使用过去8年的大修数据来创建这些预测，并已被开发用于将核电设备即将到来的大修计划纳入未来的预防性维护大修。这创造了一个强大的解决方案，随着越来越多的数据被它的基础算法处理、传输和使用，它可以主动学习，变得更加智能。

该解决方案本身由三个基本支柱组成，旨在解决停机团队在整个解决方案设计中提供的各种特定功能和技术需求：(I)创建一个虚拟任务，以从历史中存在的当前停机计划中识别丢失的任务；自动安排尚未安排的任务；(三)取消逻辑联系，否则会导致日程循环。前两个以基于NLP的文本匹配算法为中心，将当前停机时间内的工作指令和任务与历史停机时间内的工作指令和任务进行比较，而第三个使用循环检测算法来识别罪魁祸首并控制解决方案输出的质量。

为了创建虚拟任务，文本匹配算法将与特定工作单相关的所有历史任务的摘要列表与当前计划中相应工作单的任务进行比较。那些存在于历史列表中的，被文本匹配算法识别为当前中断中丢失的，作为虚拟任务带入当前计划的。然后，这些虚拟任务可以被用作质量保证检查，以检查当前任务列表可能的不完整性，并向工作调度器指示其完整性应该被重新检查。对核电机组当前停堆计划中的所有工作指令重复图1所示的虚拟任务创建过程，并在此过程中引用所有历史停堆计划。