Windparken zijn nu een realiteit in de VS en luiden een nieuw hoofdstuk in in de ambities van het land op het gebied van duurzame energieproductie. Maar nieuwe technologieën brengen nieuwe uitdagingen met zich mee, en voor offshore windenergie is inspectie een van de grootste.
Net zoals energiebedrijven onderzeese olie- en gasactiva exploiteren en onderhouden, hebben windmolenparkkabels, structurele funderingen en alle andere componenten van de turbines continu toezicht en onderhoud nodig. Dat is gevaarlijk werk voor mensen, maar het is een taak op maat gemaakt voor onderwaterrobots en slimme AI-aangedreven analyses.
Gezien de mooie toekomst en de groeiende (zij het nog steeds kleine) voetafdruk van offshore wind in de infrastructuur voor energieopwekking van het land, nam ik contact op met Harry Turner, een machine learning-specialist voor Vaarst, een bedrijf dat de toekomst van mariene robotica aanstuurt, om te bespreken hoe robots en machine learning veranderen het spel voor energieopwekking.
GN: Kun je enkele van de uitdagingen van onderzeese inspectie uitleggen, met name voor offshore windturbines?
Harry Turner:Om windparkactiva te bouwen en te onderhouden, hebt u een duidelijk begrip nodig van de onderzeese omgeving en de toestand van uw infrastructuur. Deze activa omvatten alles, van de structuren waarop turbines staan, tot de bekabeling die elektriciteit terug naar het vasteland transporteert. Op deze diepten worden veelal regelmatig inspecties uitgevoerd met op afstand bediende onderwatervoertuigen (ROV). Maar de teams die die ROV's besturen en de gegevens die ze verzamelen interpreteren, werken op grote schepen waar ze van twee weken tot drie maanden op leven. En deze schepen hebben grote bemanningen nodig om te varen, gebruiken enorme hoeveelheden brandstof en zijn ongelooflijk duur.
Een andere uitdaging is het vastleggen en beheren van de enorme hoeveelheid unieke gegevens die nodig is. De gegevensvolumes die bij dit proces betrokken zijn, zijn enorm, denk aan 4K-video die gedurende één tot drie maanden continu wordt gestreamd door meer dan 10 camera's – plus positie-informatie, multibeam-sonargegevens en 20-30 andere gegevensstromen, die tot honderd keer per seconde worden bijgewerkt . Het kan ook vele honderden uren duren om verzamelde videobeelden te bekijken en te analyseren. Het handmatig interpreteren van potentiële risicofactoren en het herkennen van veranderingen in de zeebodem is tot nu toe alleen gedaan door tientallen mensen offshore op elk schip te plaatsen om dit werk te doen.
Ten slotte is nauwkeurige onderwatermeting ongelooflijk moeilijk, maar ook van cruciaal belang. Vaak zijn de originele CAD-gegevens niet beschikbaar voor onderzeese activa en kan er in de loop van de tijd aanzienlijke mariene groei of schade optreden, dus om ze goed te kunnen onderhouden en repareren, is nauwkeurige meetnauwkeurigheid van cruciaal belang.
GN : Welke technologieën worden momenteel gebruikt bij zeebodeminspectie? Wat zijn de grenzen van de huidige technologieën en hoe beïnvloedt dat de acceptatie van groene energieoplossingen?
Harry Turner: Zeebodemonderzoeken worden uitgevoerd vanaf schepen die sonars inzetten die de zeebodem in kaart brengen. Voor nauwkeurigere inspecties gebruiken de meeste bedrijven handmatig bediende ROV's die videogegevens verzamelen. Elke ROV heeft minimaal twee piloten nodig om hem te bedienen. En vervolgens worden de verzamelde gegevens handmatig gecontroleerd door een extra team. Hoe meer mensen je nodig hebt, hoe groter de schepen die je dan nodig hebt. Dit is niet alleen duur, maar uiteraard hebben deze schepen ook een milieu-impact.
De maritieme robotica-industrie is rijp voor innovatie en AI gaat ongetwijfeld het landschap veranderen door maritieme operaties koolstofarm te maken met datagestuurde automatisering van mariene robotica.
GN: Leg uit hoe Vaarst AI gebruikt om onderzeese inspectie helpen. Wat is er nieuw en nieuw aan deze aanpak?
Harry Turner: Al geruime tijd wordt AI geprezen als een game-changer voor veel industrieën. Het heeft een enorm potentieel in een aantal toepassingen, maar op dit moment worstelt elke industrie met hoe ze duurzamer kunnen worden. Op dit gebied kan AI helpen de beste vruchten te plukken. De toekomst van mariene robotica ligt in het gebruik van 3D-computervisie en machine learning om de efficiëntie te verbeteren en de overgang naar groenere, hernieuwbare energiebronnen en manieren van werken in offshore-omgevingen te vergemakkelijken.
Het gebruik van robotica in de energie-industrie is niet nieuw – voor zover industrieën gaan, waren ze relatief vroege adopters – maar het gebruik van meer geavanceerde technologieën, zoals simultane lokalisatie en mapping (SLAM), machine learning en steeds autonomere ROV's , biedt een kans die te weinigen aangrijpen. Door gebruik te maken van dergelijke technologieën kunnen energiebedrijven aanzienlijke voordelen behalen.
Er zijn drie belangrijke gebieden waarop Vaarst's technologie een aanzienlijke impact heeft:
Ten eerste worden ROV's gerund door piloten die alle controletaken uitvoeren. Vaarst heeft een platform gebouwd dat verschillende lagen van autonomie aan ROV's toepast. Deze lagen gaan van geavanceerde assistentie tot autonome besturing. Ondersteunt de operator om het werk veilig uit te voeren.
Terwijl een ROV normaal gesproken op een vooraf gedefinieerd pad zou lopen dat de operator zou volgen, stelt de autonomietechnologie hem in staat om de SLAM-informatie op te nemen en “onderweg” te analyseren. alternatieve opties presenteren aan de operator om zijn strategie te voltooien tijdens het navigeren door obstakels, of koerscorrectie voor stromingen. De operator kan dan weloverwogen beslissingen nemen met één druk op de knop.
Door autonomie mogelijk te maken, zijn er minder piloten nodig en kunnen ze aan wal worden geplaatst in een toezichthoudende rol, waardoor de noodzaak voor grotere schepen offshore wordt geëlimineerd.
Ten tweede innoveert Vaarst Computer Vision, dat wil zeggen, de manier waarop een computer ziet. Visie gaat over het geven van begrip en context aan beelden. Om dit te doen heeft Vaarst technologie ontwikkeld die 3D-puntenwolken vastlegt om nauwkeurige beelden en bijbehorende metingen in realtime te creëren. Hierdoor kan de ROV zich “oriënteren” in zijn omgeving.
Ten slotte verwerkt Vaarst's Machine Learning (ML) Platform videofeeds in discrete frames. Het platform kan belangrijke kenmerken en afwijkingen herkennen, deze automatisch taggen en beoordelen op basis van betrouwbaarheidsniveaus, waardoor menselijke operators het werk kunnen controleren en de bevindingen kunnen bevestigen, wat het proces enorm versnelt. Ook dit kan aan land worden gedaan, waardoor mensen uit gevaarlijke omgevingen worden verwijderd en de afmetingen van de schepen worden verkleind voor een positieve impact op het milieu.
In het verleden hebben pijpleidingonderzoeken (dat wil zeggen het volgen van de lengte van een pijpleiding om de staat ervan te controleren) bijvoorbeeld honderden uren in beslag genomen en betekende dit dat extra bemanningsleden op onderzoeksschepen moesten worden ingezet om dit tijdrovende, handmatige werk uit te voeren. De technologie van Vaarst maakt het mogelijk om niet alleen de tijd die nodig is om deze taak uit te voeren, maar ook de noodzaak om deze bemanningsleden mee te nemen op de schepen te verminderen, waardoor het werk vanaf de wal kan worden gedaan.
GN: Wie zijn de klanten van Vaarst (in het algemeen of specifiek, prima)? Wat is de toon van potentiële klanten in termen van voordelen, mogelijkheden en kostenbesparingen?
Harry Turner: We werken samen met een aantal toonaangevende energieleveranciers aan een aantal van de grootste hernieuwbare projecten in Europa, van de energiebedrijven zelf tot de vele bedrijven die actief zijn in de toeleveringsketen. Ze zien allemaal de enorme voordelen die kunnen worden behaald door hun datasets toekomstbestendig te maken voor doorlopende analyse, en door hun data digitaal op te slaan en te onderhouden.
De enorme kostenbesparingen als gevolg van minder nabewerking en grote tijdbesparingen bij het verzamelen en analyseren van gegevens zijn aantrekkelijk. Evenals de kortere dagen op zee, die dramatische kostenbesparingen, verminderde CO2-uitstoot en het verwijderen van mensen uit gevaarlijke omstandigheden kunnen opleveren.
Een betere balans tussen privé en werk is ook de sleutel. Jongere generaties kiezen voor een levensstijl die vaak niet aansluit bij de eisen die gesteld worden aan het nastreven van een offshore-carrière op schepen, dus het mogelijk maken van werk aan de wal is een belangrijke manier om talent aan te trekken en te behouden. De gamification van technologische software is ook aantrekkelijk voor deze generatie en maakt gebruik van hun vaardigheden.
GN: Welke lessen worden er geleerd over onderzeese inspectie door gebruik te maken van uw proces? Welke andere toepassingen of mogelijkheden biedt uw technologie mogelijk?
Harry Turner: De belangrijkste les die we hebben geleerd, is dat er een effectieve en praktische manier is om wat tot nu toe een omslachtig en duur proces was, te stroomlijnen. De energiesector is klaar voor innovatie, maar moet doordringen in de hele toeleveringsketen voor onderhoud en inspectie.
Terwijl we blijven bouwen en innoveren, lijdt het geen twijfel dat de lessen die we leren in mariene robotica, innovatie in AI naar nieuwe en opwindende gebieden zullen brengen. De visie- en autonomietechnologie die we samen met onze analyseplatforms hebben ontworpen, kan worden toegepast op elke robotica, niet alleen onderzeese ROV's. Het kan in elke omgeving worden gebruikt, van de diepste zeetroggen tot vijandige omgevingen zoals nucleaire faciliteiten, in de lucht met behulp van drones of zelfs bij interplanetaire ontdekkingen!
Robotica
Terug naar werk? Zeg hallo tegen de nieuwe kantoorrobot Robotica in het bedrijfsleven: alles wat mensen moeten weten De beste luchtfotografie-drones voor bedrijven Robots voor kinderen: STEM-kits en meer technische cadeaus voor hackers van alle leeftijden Hoe de pandemie AI, robotica en automatisering heeft hervormd ( ZDNet YouTube) Wil je de hele dag met robots werken? Dit is wat u moet doen (TechRepublic Premium)
gerelateerde onderwerpen:
Hardware CXO-innovatie Kunstmatige intelligentie