Τα οφέλη των δεδομένων Cloud 3d Point στην επιθεώρηση και συντήρηση υποδομής

Πλεονεκτήματα της χρήσης δεδομένων Cloud 3D σημείων

Υψηλή ακρίβεια και ακρίβεια

Τα δεδομένα του point cloud παρέχουν ακρίβεια υποκεντρόμετρου, απαραίτητη για τον εντοπισμό δομικών θεμάτων όπως ρωγμές, διάβρωση, παραμόρφωση και παραμορφώσεις. Παραδοσιακή χειροκίνητη μέτρηση με ρυθμιστές ταινίας ή ολικούς σταθμούς δεν μπορούν να ταιριάξουν με την πυκνότητα των σημείων δεδομένων ⁇ εκατομμύρια σημείων ανά δευτερόλεπτο συλλαμβάνουν κάθε απόχρωση μιας επιφάνειας. Αυτή η ακρίβεια είναι κρίσιμη για τα συστατικά που φέρουν φορτίο, όπου ακόμη και μερικά χιλιοστά μετατόπισης μπορεί να υποδείξει σοβαρά προβλήματα. Για παράδειγμα, γέφυρες που φέρουν επιθεωρήσεις[ βασίζονται σε σύννεφα σημείου για τη μέτρηση του διακανονισμού με περιθώριο σφάλματος μικρότερο από 2 mm.

Χρονική απόδοση

Η σάρωση μιας μεγάλης δομής όπως μια γέφυρα ανάρτησης ή μια σήραγγα μπορεί να ολοκληρωθεί σε ώρες, ενώ η χειροκίνητη επιθεώρηση μπορεί να διαρκέσει ημέρες ή εβδομάδες. Τα δεδομένα συλλαμβάνονται μία φορά και μπορούν να αναλυθούν εξ αποστάσεως πολλές φορές, εξαλείφοντας επανειλημμένες επισκέψεις σε χώρους. Με αυτοματοποιημένη καταγραφή και επεξεργασία των ροών εργασίας, ένα πλήρες νέφος σημείου μπορεί να είναι έτοιμο για ανάλυση μέσα σε 24 ώρες. Αυτή η ταχύτητα είναι ιδιαίτερα ωφέλιμη για επιθεωρήσεις έκτακτης ανάγκης[ μετά από φυσικές καταστροφές, επιτρέποντας την ταχεία αξιολόγηση των κατεστραμμένων υποδομών.

Ενισχυμένη ασφάλεια

Οι επιθεωρητές συχνά αντιμετωπίζουν επικίνδυνες συνθήκες ⁇ αναρρίχηση υψηλών δομών, είσοδος σε περιορισμένους χώρους, ή εργασία κοντά σε ενεργό κυκλοφορία. Με δεδομένα νέφους 3D σημείων, η ανάγκη για φυσική πρόσβαση μειώνεται δραστικά. Τα drones μπορούν να συλλαμβάνουν σύννεφα από τα νέφη των πλευρών του φράγματος ή της γέφυρας κάτω από τα πλευρά χωρίς να θέτουν σε κίνδυνο το προσωπικό. Σε επικίνδυνα περιβάλλοντα όπως [[LFT:0]]χημικές μονάδες ή πυρηνικές εγκαταστάσεις[[LFT:1], η απομακρυσμένη σάρωση επιτρέπει την επιθεώρηση χωρίς έκθεση των εργαζομένων σε τοξικά ή ⁇ διενεργά υλικά.

Πλήρης τεκμηρίωση

Τα ιστορικά αυτά δεδομένα επιτρέπουν στους μηχανικούς να συγκρίνουν τις σαρώσεις με την πάροδο των ετών για να ποσοτικοποιήσουν την αποδόμηση, να επαληθεύσουν την αποτελεσματικότητα της συντήρησης και να υποστηρίξουν νομικές ή ασφαλιστικές απαιτήσεις. Τα δεδομένα μπορούν να αρχειοθετηθούν και να χρησιμοποιηθούν για μελλοντικές ανακαινίσεις, μετασκευές, ή παροπλισμό. Σε αντίθεση με τα 2D σχέδια ή φωτογραφίες, τα σύννεφα σημείου παρέχουν ένα πλήρες τρισδιάστατο πλαίσιο που εξαλείφει τα λάθη ερμηνείας.

Διευκολύνει την Προβλεπτική Συντήρηση

Ανιχνεύοντας πρώιμα σημάδια φθοράς ⁇ όπως ρωγμές επιφάνειας, θραύση ή αστοχίες επικάλυψης ⁇ τα δεδομένα νεφών σημείου υποστηρίζουν μια μετατόπιση από την αντίδραση στην προγνωστική συντήρηση. Οι αλγόριθμοι μάθησης μηχανών μπορούν να εκπαιδευτούν σε χαρακτηριστικά νέφους σημείων σε αυτόματα ανωμαλίες σημαίας. Για παράδειγμα, ένα σύστημα [[LFT:0]] σάρωσης σωληνοειδών[[LFT:1]] μπορεί να ανιχνεύσει την αραίωση τοίχων λόγω διάβρωσης πριν από τις διαρροές, επιτρέποντας προγραμματισμένες επισκευές που αποφεύγουν δαπανηρές διακοπές λειτουργίας.

Εφαρμογές στον έλεγχο υποδομής

3D σημεία cloud δεδομένα χρησιμοποιείται εκτενώς σε πολλούς τομείς υποδομής, ο καθένας με μοναδικές απαιτήσεις επιθεώρησης.

Γέφυρες και Υπερπέλαση

Οι γέφυρες υπόκεινται σε συνεχή πίεση από την κυκλοφορία, τις αλλαγές θερμοκρασίας και την περιβαλλοντική έκθεση. Οι έρευνες σε νέφη σημείων αποτυπώνουν την παγκόσμια γεωμετρία, την εκτροπή καταστρώματος, την κίνηση εδράνων και τα μοτίβα ρωγμών. Οι μηχανικοί μπορούν να επικαλύπτουν τα σύννεφα σημείων από διαδοχικά χρόνια για να μετρήσουν τον οικισμό ή τον καθαρισμό στις προβλήτες. Μια αξιοσημείωτη περίπτωση είναι η [[LFT:0]]Forth Road Bridge[[LFT:1]] στη Σκωτία, όπου περιοδικές σαρώσεις LiDAR παρακολουθεί μακροχρόνια δομική συμπεριφορά. ([[LFT:2]] Πηγή[[LFT:3]])

Σήραγγες και μετρό

Για παράδειγμα, το Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST) έχει ερευνήσει χρησιμοποιώντας νέφη σημείων για επιθεωρήσεις πυρασφάλειας σε κτίρια, επιδεικνύοντας βελτιωμένη ακρίβεια σε σχέση με τις χειροκίνητες μεθόδους. [ Έκδοση NIST[])

Προκλήσεις και Περιορισμοί

Παρά τα οφέλη της, η υιοθέτηση του 3D point cloud στην υποδομή αντιμετωπίζει αρκετά εμπόδια:

• Όγκος δεδομένων ⁇ μια ενιαία σάρωση μπορεί να δημιουργήσει gigabytes δεδομένων, που απαιτούν ισχυρή αποθήκευση και υψηλής απόδοσης υπολογιστικό για την επεξεργασία.
• Ακρίβεια σε δυσμενείς συνθήκες[[LFT:1]] ⁇ σάρωση ανακλαστικών επιφανειών, νερού ή μέσω ομίχλης/σκονίας μπορεί να υποβαθμίσει την ποιότητα. Υβριδικές προσεγγίσεις που συνδυάζουν το LiDAR με ραντάρ ή θερμική απεικόνιση βρίσκονται υπό ανάπτυξη.
• Διάκενο Skill ⁇ διερμηνεία σημείο cloud data απαιτεί κατάρτιση σε εξειδικευμένο λογισμικό (π.χ., RiSCAN PRO, FARUS, ή ανοικτού κώδικα CloudΣύγκριση). Πολλές μηχανικές εταιρείες εξακολουθούν να βασίζονται σε παραδοσιακές 2D μεθόδους.
• Κοστ ⁇ οι φορητοί σαρωτές λέιζερ υψηλής ποιότητας κοστίζουν πάνω από 100.000 δολάρια. Ωστόσο, το κόστος ανά επιθεώρηση είναι συχνά χαμηλότερο όταν παραγοντίζονται σε μειωμένη εργασία και χρόνο διακοπής της λειτουργίας.
• Προσαρμογή[ ⁇ έλλειψη προτύπων σε επίπεδο βιομηχανίας για την ποιότητα των νεφών και τις μορφές ανταλλαγής σημείων μπορεί να εμποδίσει τη διαλειτουργικότητα μεταξύ των πλατφορμών λογισμικού. Προσπάθειες όπως η επιτροπή ASTM E57 είναι ενεργές στην ανάπτυξη προτύπων. ([ASTM E57])