ההשפעה של Machine Vision על Inspection and Maintenance של ציוד Offshore

Offshore שמן ופלטפורמות גז, חוות רוח, ותשתיות תת-ימיות פועלות בחלק מהסביבות הקשות ביותר על פני כדור הארץ.מלח מים ריסס, רוחות גבוהות, טמפרטורות קיצוניות, ולחץ מכני קבוע מאיץ את ההשפלה של שיטות בדיקה מסורתיות - החל בדיקות ידניות, טכנאים גישה לחבל, או מופעל מרחוק על ידי מצלמות אבטחה - הן איטיות, יקרות ולעתים מסוכנות.

מה זה Machine Vision in a Offshore Context?

חזון מכונה משלב מצלמות תעשייתיות, מערכות תאורה, חיישני תמונות ותוכנה מתקדמת כדי לחלץ מידע משמעותי מהנתונים החזותיים.בסביבות offshore, מערכות אלה הם מחוסנים לעמוד בקורוזיה, רטט וטמפרטורות קיצוניות. הם ללכוד תמונות ברזולוציה גבוהה או זרמי וידאו של ציוד ולהשתמש אלגוריתמים כדי לנתח אותם עבור פגמים, אנומליות, או שינויים לאורך זמן.

מערכת ראיית מכונה טיפוסית כוללת: מצלמה תעשייתית (לעתים קרובות עם ממשק GigE Vision או מצלמה), תאורה מיוחדת (למשל, אור מובנה עבור 3D profiling או UV עבור בדיקת טוסטנט צבע פלורסנט), יחידת עיבוד (מחשב עדכני או שער המחובר בענן), ותוכנות ראיית מחשב (כגון OpenCV, Halcon, או מודלים קנייניים) המערכת יכולה להיות משולבת על מבנים משולבים ברחפנים מתחת למים או באמצעות כלי רכב מתחת למים (RV).

Key Technologies Underpining Machine Vision

  • (FLT:0) High-Resolution 2D Imaging:031) מצלמות אור חזותי סטנדרטי ללכוד פרטים על פני השטח עבור קורוזיה, סדקים וציפוי שלמות. מצלמות רב-ספקטרום ויפר-ספקטרום מרחיבים את היכולת לזהות שינויים כימיים בלתי נראים לעין האנושית.
  • (FLT:0) חזון לייזר פרופ'ילינג: קיד 1 (איור 1) אור או זמן של חיישנים הטיסה ליצור מפות עומק.זה קריטי למדידת אובדן עובי קיר בצנרת, פערי flange, או עיוות בדבורים מבניות.
  • (ב) ⁇ :0) האימאינג הרמיוני: ⁇ 1 , מצלמות אינפרא אדום לזהות כתמים חמים בקבינטות חשמליות, התמוטטות בידוד או מעליית יתר - לעתים קרובות לפני הנזק הנראה לעין.
  • (FLT:0)Ultrasonic ו Eddy Currentאינטגרציה:03FLT:1) חזון מכונה יכול להנחות ולאמת בדיקה לא הרסנית (NDT), שילוב הקשר החזותי עם נתונים מורכבים.
  • (FLT:0) אינטליגנציה מלאכותית ולמידה עמוקה: FLT:1 מהפכת רשתות עצביות (CNN) שהוכשרו על אלפי תמונות פגומים ולא מבוססות סיווג פגם אוטומטי. Anomaly זיהוי מודלים חדשים או נדירים ללא כללים מפורשים.

המונחים: offshore Inspection

ראיית מכונות הוכיחה ערך על פני מגוון רחב של ציוד offshore, מאחסון ייצור צף וכלי שיט (FPSO) כדי subsea manifolds ו להבים טורבינות רוח. להלן הם המקרים העיקריים בשימוש עם פרטים מורחבים.

גילוי קורוזיה ומיפוי

קורוזיה היא האיום הגדול ביותר על שלמות הנכסים offshore.בדיקות ידניות מסורתיות מסתמכות על זיהוי חזותי של חלודה, מתפתל או צבע בולט, שהוא סובייקטיבי ולעיתים קרובות מפספסים קורוזיה בשלב מוקדם תחת ציפויים.מערכות ראיית מכונות באמצעות מצלמות זיהוי גבוה של stereo וניתוח ספק מרכזי יכול לזהות וריאציות צבע דקה, שינויים על פני השטח יקרים, ו- micron- micron-conscontects, כגון מפות מתקדמות על גבי מודלים של תאים מתואמים של תאים פגומים של תאים מוקדמים של תאים.

נזקי קרמיקה ונזקי שומן

סדקים שומניים במפרקים מחוסנים, חורים ברצועה, וחברים נושאי עומס הם נקודות כשלון נפוצות.בדיקה ידנית עם משקפיים מפוארים או עטורה צבע הוא זמן-consuming ולא אמין באור נמוך או חללים מוגבלים.מערכות ראיית מכונות מצוידות עם תאורה אולטרה סגולה (U) וצבעי עטורה מתכת מחוסנים יכולים להדגיש סדקים בלתי נראים לעין או מוגבלת.

Leak Detection and Fluid Leak Monitoring

גז ודליפות נוזליות מציגות בטיחות מיידית וסיכון סביבתי.ראייה מכונה יכולה לזהות דליפות באמצעות מספר רב של שיטות: הדמיה גז אופטית (OGI) מצלמות הדמיה של גז פחמימן בספקטרום אינפרא אדום; מצלמות חזותיות עם דגל זיהוי תנועה מתזזזות, טפטוף או שינויים במשטח רפלקטיבית משקל ליד אנגים ושסתומיים; ומצלמות היפרספקטרליות לזהות שמן על פני מים אוטומטיים.

ציוד מעקב והערכה

רוטציה ציוד כגון משאבות, דחוסים, טורבינות ניסיון נושאים ללבוש, פיר ערפל, ושחיקה להב. מערכות ראיית מכונות רכובות ליד חלקים קריטיים רוטטים ללכוד תמונות מהירות גבוהה ותכונות מעקב כמו פיר אקסצנטריות, הבעה קצה להב, ונזק.לדוגמה, מצלמה צופה דחיסה יכול לזהות חסר או להיות מכווץ בתוך מילימטרים בתוך מוליכים שנייה יכול להיות מבוסס על תחזוקתית, ולא על קיבולת לוחמת, כמו גם על דביקה, כמו דחוסה, כמו גם על דחוסה, כמו דחוסה, כמו דחוסה, כמו דחוסה, כמו דחוסה, כמו דחוסה דחוסה דחוסה, כמו דחוסה, כמו דחוסה, כמו דחוסה, כמו דחוסה דחוסה דחוסה דחוסה דחוסה דחוסה דחוסה, כמו קומפקטית דחוסה, כמו דחוסה דחוסה דחוסה, כמו דחוסה דחוסה דחוסה דחוסה דחוסה דחוסה דחוסה דחוסה דחוסה, כמו דחוסה דחוסה דחוסה דחוסה דחוסה, כמו דחוסה

צוללת ועלייה Inspection

קווי צינוריות ועלייה הם העורקים של ייצור offshore. פיקוח מסורתי משתמש ROVs עם מצלמות וידאו כי להקליט שעות של צילום הדורש ביקורת ידנית. Machine Vision אוטומטיs זה על ידי הפעלת גילוי אובייקטים ומודלים זיהוי אנומלי בזמן אמת על ROV.המערכת דגלי דאגה - חתכים, הפסקות צמיחה ימית מעל סף, חשוף, או סטיות מעדויות - ופרקות מוקדם יותר משעות בדיקה גיאומטרידות.

צינור קידוח, Casing ו-Compettion

צינורות תרגילים עוברים לחץ קיצוני ויש לבדוק לאחר כל ריצה.בדיקה ידנית באמצעות כלי יד היא איטית ופרועה לשגיאה אנושית.מערכות ראיית מכונות מותקנות על ערכות צינור ללכוד תמונות של 360 מעלות של כל צינור כפי שהוא מכווץ בחזרה. Algorithms להשוות תמונות נגד מסד נתונים של פגמים ידועים (מדפים, ריסוס, שחיקה, שחיקה, נזקי שטח מתוחים).

היתרונות של Machine Vision ב Offshore תחזוקה

אימוץ חזון מכונה מניב שיפורים תפעוליים וכלכליים מוחשיים.השולחן מתחת לסכמת מדדים מרכזיים שדווחו על ידי מפעילי מי ליישם מערכות כאלה.

  • (הופנה מהדף בטיחות:0) העברת כוח אדם מסביבות מסוכנות (למשל, גבהים גבוהים, מרחבים מוגבלים, אטמוספירה נפץ) מפחיתה את שיעור האירועים.
  • (FLT:0)Cost Savingssib: FLT:1 Machine חזון מפחית את הצורך בספיד יקר, צוותי גישה לחבל, גיוס כלי שיט עבור פעולות ROV, ותשלומים במשרה מלאה עבור בדיקות עגולות. מפעיל אחד גדול דיווח על ירידה של 35% בתקציב בדיקה שנתי לאחר פריסת מערכות ראייה על שלוש פלטפורמות.
  • (FLT:0)Faster Inspections: FIRLT:1) A יחיד ROV לעבור עם ניתוח אינטליגנטי בזמן אמת יכול לכסות בשעה אחת מה לקח צולל שמונה שעות עם סקירה ידנית של קטעי וידאו שנרשמו.עבור בדיקות למעלה, מזל"טים עם מחשב יכול לסרוק בומויות או גשר ערניים תוך דקות לעומת יום שלם עבור קבוצות חבל.
  • (FLT:0) שיפור ההסכמה והקונסטלציה: FLT:1 Machine חזון מבטל את יכולת ה-inspector variability. Algorithms ליישם את אותם הקריטריונים בכל פעם, צמצום שלילי כוזב עבור פגמים עדינים. Reproducibility של המדידות (למשל, סדקים, עומק בורות) הוא בתוך 0.01 עבור מערכות ראייה 3D, החוצה יכולות אנושיות.
  • (FLT:0Data-Driven Maintenance Planning Planning Planning:FLT:1 ניטור רציף מספק נתונים אופנתיים להאכיל מודלים תחזוקה חיזוי. במקום להגיב לכישלונות או לעקוב אחר לוח זמנים מבוסס לוח שנה, מפעילי יכולים להחליף רכיבים בזמן האופטימלי, להאריך את חיי הרכיב על ידי 15-20% על פי FLT:2DNVFirLT 3 מחקרים.
  • (FLT:0) אינטגרציה תאומים:FLT:1 Machine Vision ניתן למפות ישירות על תאומים דיגיטליים של נכסים בחו"ל.זה יוצר תיעוד חזותי מתמשך, מלוטש זמן כי מהנדסים ורגולטורים יכולים לגשת מרחוק, שיפור שיתוף פעולה ותיעוד תאימות.

אתגרים ב-Reloying Machine Vision Offshore

למרות היתרונות ברורים, יש להתגבר על כמה מכשולים כדי לממש את מלוא הפוטנציאל של ראיית מכונה בסביבות offshore.הבנת אתגרים אלה היא קריטית ליישום מוצלח.

זוועות הסביבה

תרסיס מלח, לחות, תנודות טמפרטורה (מ −20 מעלות צלזיוס עד 50 מעלות צלזיוס), מים בלחץ גבוה (subsea) degrade אלקטרוניקה במהירות.די דירות מצלמה חייב להיות IP68-rated, עשוי חומרים עמידים קורוזיה (למשל, מודולים טיטניום, 316L נירוסטה או מחזק פולימרים), ולעתים קרובות כוללים מערכות מחוסמות או אוויר כדי לשמור על רמות תאורה גבוהות יותר.

ציוד מורכב Geometries

ציוד Offshore לעתים קרובות יש צורות מורכבות, משטחים רפלקטיביים, ו occlusions (למשל, צינורות מאחורי צינורות אחרים) מערכות ראיית מכונה סטנדרטית להיאבק עם כיסוי. ⁇ Multi-Moderra, יחידות pan-tilt-zoom, ומניפולטורים רובוטיים הנושאים את המצלמה יכולים להפחית את זה. in subsea, זעזועים להפחית את הנראות; לייזרים או הדמיה מבוססת בנים (מצלמה אקוסטית) עשויים להיות נחוץ בצד מצלמות אופטיות.

מידע על כרך וחיבור

High-resolution, וידאו בעל מסגרת גבוהה מייצר terabytes של נתונים ליום.פלטפורמות Offshore לעתים קרובות יש רוחב פס מוגבל לחוף. Edge מחשוב חיוני לדחוס, סינון וניתוח נתונים באופן מקומי. רק אנומליות ודיווחים סיכום צריך להיות מועבר למרכזי בקרה על החוף.ענן קישוריות עבור עדכוני מודל ולמידה גלובלית חייב להיות מטופל עם מנגנונים מתקדמים.

Algorithm Robustness ו- Training Data

מודלים של למידת מכונות דורשים נתונים גדולים, מאומתים של פגמים מסביבות offshore. איסוף וסימון נתונים כאלה הוא יקר ואט.למראה Defect משתנה עם תאורה, זווית, צבע ציפוי וצמיחה ימית.מודלים מאומן על פלטפורמה אחת עשויים לא להכלל טוב לטכניקה אחרת.טכניקות כמו דור נתונים סינתטי, הסתגלות דומיין, ולמידה רציפה משמשים כדי לטפל זה.

התפטרות ואישור ה Hurdles

היבטים של כלי לחץ, עלייה וציוד ביקורת בטיחות חייבים לעמוד בסטנדרטים של גופים כגון FLT:0 (APIFLT:1) (American Oil Institute), ISO, ו DNV מערכות ראיית מכונות חייב להיות מוסמך כמו שווה ערך או עליון שיטות ידניות.זה דורש ניסויים שדה קפדני, תיעוד וקבלה מחברות סיווג.

מפת דרכים לOffshore Operators

חישוב ראיית מכונה על נכסים בחו"ל אינו עניין של פשוט קניית מצלמות והתקנת תוכנה. גישה בנתה מבטיחה שילוב עם זרמי עבודה קיימים וממקסימה החזר השקעה.

שלב 1: הערכה וקידום

לערוך סקר אתר כדי לזהות ערך גבוה, ציוד סיכון גבוה כי קשה או מסוכן לבדוק באופן ידני. Define מפתח ביצועים מחוונים (הפחתת זמן בדיקה, קצב זיהוי פגם, חיסכון בעלויות) בחר נכס טייס - באופן אידיאלי אחד שהוא נגיש בקלות ויש לו היסטוריה של נתונים לבדיקה ידנית עבור השוואה. התקנת מערכת בקנה מידה קטן (אחד או שניים) והפעלה ידנית ובדיקה אוטומטית עבור שלושה חודשים עד בינוני אלגוריתמים מדויקים.

שלב 2: אינטגרציה ושילוב

בהתבסס על הצלחת הפיילוט, להרחיב למקומות נוספים באותו נכס או לנכסים מרובים.לשלב את מערכת ראיית המכונה עם התוכנה הקיימת לניהול תחזוקה (למשל, SAP, IBM, Maximo) באמצעות ממשקי API פתוחים. לפתח לוחות נתונים ואזהרות כללים. מפעילי רכבת ומפקחים לפרש ממצאים מתוחכמים של AI ולעמוד במקרים של קצה.

שלב 3: שיפור מתמיד והציול

הקמת לולאה משוב שבה חיובי כוזב ופגמים מפספסים מדווחים בחזרה לצנרת הכשרה המודל.עדכון מודלים ברבעון באמצעות נתונים מכל המערכות הפרוסים. Standardize מפרטים חומרה מעבר לצי כדי לפשט את התחזוקה והתחזוקה. הסמכה פורסיו לבדיקה ביקורתית בטיחותית. להרחיב יישומים חדשים (למשל, פיקוח ROV אוטונומי של מבנים תת ים).

תחזית העתיד: הדור הבא של חזון מכונה Offshore

האבולוציה המהירה של AI, טכנולוגיית חיישן וקישוריות היא פתיחת גבולות חדשים. מגמות מספריות יעצבו את עשר השנים הבאות של ראיית מכונה offshore.

  • (FLT:0) למידה מבוססת-על: קיד 1 (FLT:1) שיטות הכשרה חדשות שאינן דורשות נתונים מתוייגים נרחבים יפחיתו את עלויות היישום.מודלים ילמדו דפוסים פגומים על ידי צפייה בפעילות רגילה וסטיות דגל.
  • (FLT:05G ו- Low-Earth-Orbit (LEO) Satellite Connectivity: ⁇ FLT:1 רוחב פס גבוה יותר וכבדות נמוכה יותר יאפשרו שליטה מרחוק בזמן אמת במערכות בדיקה וסטרימינג של וידאו מלוטש גבוה למודלים של AI הפועלים בענן, אפילו משדות מים עמוקים.
  • (FLT:0) Multi-Modal Sensor Fusion:03FLT:1) שילוב נתונים אופטיים, תרמיים, אקוסטיים ו- LiDAR לתוך מנוע AI יחיד יספק נוף הוליסטי של בריאות הציוד.לדוגמה, מעבר אחד על ידי מל"ט אוטונומי יכול לזהות סדקים, למדוד את עומקו עם אור מובנה, לבדוק את הטמפרטורות ⁇ , ולקשיב פליטות גבוהות של קול.
  • (FLT:0) מפקחי הרובוטיקה הרובוטיים: ⁇ 1; ROVs, AUVs, רובוטים רגליים, ורחפנים המצויים בראייה מכונה יבצעו בדיקה ללא טייס אנושי.הם מתכננים נתיבים, נמנעים מכשולים, וחזור לטעון מחדש.זה יהיה בעל ערך במיוחד עבור עניבה תת-ימית וחוות רוח זרות עתידיות במים עמוקים.
  • (FLT:0) Predictive and Prescriptive Analytics: התגלות המכונה תזין ישירות לתאומים דיגיטליים אשר מפעילים סימולציות כדי לחזות חיים שימושיים הנותרים.לא רק המערכת תזהיר סדק, אלא גם ימליץ על חלון התיקון האופטימלי ויציע אם להתנד, קלאמפ, או להחליף את הרכיב.

מסקנה

ראיית מכונות אינה מושג עתידני יותר לבדיקה ותחזוקה בחו"ל - זוהי טכנולוגיה מוכחת המספקת שיפורים משמעותיים בבטיחות, עלות ויעילות.מזהה קורוזיה על FPSO hull לפקח על מחיקת טיפ הלהב על טורבינות גז, ניתוח חזותי אוטומטי מאפשר למהנדסים לקבל החלטות מהירות יותר, מושכלות יותר, בעוד אתגרים כגון סביבתיות, ניהול נתונים, אישור רגולטורי, להמשיך הלאה, לפתח נכסים דיגיטליים מורכבים, ומאובטחים, לפתח אותם מרחוק יותר ויותר, לפתח אותם מרחוק יותר ויותר.

לקריאה נוספת על ראיית מכונה בהגדרות תעשייתיות, מתייחסת למשאבים מ-FLT:0 (קישור ל- Advanced Automation) ו-FLT:2 European Machine Vision Association (EMVA)FLT 3:3.