Vindmølleparker er nu en realitet i USA og indvarsler et nyt kapitel i landets ambitioner om bæredygtig energiproduktion. Men nye teknologier kommer med nye udfordringer, og til offshore vindproduktion er inspektion en af de største.
På samme måde som energiselskaber driver og vedligeholder undervandsaktiver for olie og gas, har vindmøllekabler, strukturelle fundamenter og alle andre komponenter i møllerne behov for kontinuerlig overvågning og vedligeholdelse. Det er farligt arbejde for mennesker, men det er et job skræddersyet til undersøiske robotter og intelligente AI-drevne analyser.
I lyset af den lyse fremtid og det voksende (omend stadig lille) fodaftryk for havvind i landets infrastruktur til energikraftproduktion, nåede jeg ud til Harry Turner, en maskinindlæringsspecialist for Vaarst, en virksomhed, der driver fremtiden for marine robotik, for at diskutere, hvordan robotter og maskinindlæring ændrer spillet for energiskabelse.
GN: Kan du forklare nogle af udfordringerne ved undersøisk inspektion, især for havvindmøller?
Harry Turner: For at opbygge og vedligeholde vindmølleparkaktiver har du brug for en klar forståelse af det undersøiske miljø og tilstanden af din infrastruktur. Disse aktiver inkluderer alt fra de strukturer, som møller sidder på, til kabler, der fører elektricitet tilbage til fastlandet. På disse dybder udføres der regelmæssigt inspektioner med fjernbetjente undervandskøretøjer (ROV). Men holdene, der styrer disse ROV'er og fortolker de data, de indsamler, arbejder på store skibe, som de lever i alt fra to uger til tre måneder. Og disse skibe kræver, at store besætninger skal køre, bruger store mængder brændstof og er utroligt dyre.
En anden udfordring er at indfange og styre den enorme mængde unikke data, der kræves. Datamængderne involveret i denne proces er enorme, tænk 4k-video streamet kontinuerligt af mere end 10 kameraer i en til tre måneder – plus positionsoplysninger, multibeam-ekkolodsdata og 20-30 andre datastrømme, der opdateres op til hundrede gange pr. Sekund . Det kan også tage mange hundrede timer at gennemgå og analysere indsamlede videobilleder. Manuel fortolkning af potentielle risikofaktorer og anerkendelse af ændringer i havbunden er hidtil kun gjort ved at placere snesevis af mennesker offshore på hvert skib for at udføre dette arbejde.
Endelig er nøjagtig undervandsmåling utrolig vanskelig, men også kritisk vigtig. Ofte er de originale CAD-data utilgængelige for undervandsaktiver, plus der kan være betydelig havvækst eller skade over tid, så for at være i stand til korrekt at vedligeholde og reparere dem er det nøjagtigt at bestemme målenøjagtighed. : Hvilke teknologier anvendes i øjeblikket til havbundsinspektion? Hvad er grænserne for de nuværende teknologier, og hvordan påvirker det vedtagelsen af grønne energiløsninger?
Harry Turner: Havbundundersøgelser udføres fra skibe, der anvender ekkolod, der kortlægger havbunden. For tættere inspektioner bruger de fleste virksomheder manuelt betjente ROV'er, der indsamler videodata. Hver ROV har brug for mindst to piloter til at betjene den. Og derefter inspiceres de indsamlede data manuelt af et ekstra team. Jo flere mennesker du har brug for, jo større er de skibe, du har brug for. Dette er ikke kun dyrt, men selvfølgelig har disse skibe også en miljøpåvirkning.
Den marine robotikindustri er moden til innovation, og AI vil uden tvivl ændre landskabet ved at dekarbonisere marine operationer med datadrevet automatisering af marine robotik.
GN: Forklar venligst hvordan Vaarst bruger AI til at hjælp undersøiske inspektion. Hvad er nyt og nyt ved denne tilgang?
Harry Turner: I nogen tid er AI blevet hyldet som en spilskifter for mange brancher. Det har et stort potentiale i en række applikationer, men lige nu kæmper enhver branche med, hvordan man bliver mere bæredygtig. Det er på dette område, at AI kan hjælpe med at høste de bedste fordele. Fremtiden for marine robotik ligger i at bruge 3D-computersyn og maskinindlæring til at forbedre effektiviteten og lette overgangen til grønnere, vedvarende energikilder og måder at arbejde i offshore-miljøer.
Anvendelsen af robotteknologi i energiindustrien er ikke ny – for så vidt angår industrier, var de relativt tidlige adoptere – men brugen af mere avancerede teknologier, såsom samtidig lokalisering og kortlægning (SLAM), maskinindlæring og stadig mere autonome ROV'er , præsenterer en mulighed, som for få udnytter. Ved at udnytte sådanne teknologier kan energivirksomheder høste betydelige fordele.
Der er tre nøgleområder, Vaarsts teknologi har en betydelig indvirkning på:
For det første drives ROV'er af piloter, der udfører alle kontrolopgaverne. Vaarst har bygget en platform, der eftermonterer forskellige lag af autonomi til ROV'er. Disse lag går fra avanceret hjælp til autonom kontrol. Støtte operatøren til at udføre jobbet sikkert.
Mens en ROV normalt kører på en foruddefineret sti, som operatøren vil følge, giver autonomiteknologien det mulighed for at tage SLAM-informationen og analysere “på farten”, præsentere alternative muligheder for operatøren for at færdiggøre sin strategi, mens han navigerer i forhindringer eller korrigere kurser for strømme. Operatøren kan derefter træffe informerede beslutninger med et enkelt tryk.
Ved at muliggøre autonomi er der behov for færre piloter, og de kan placeres på land i en tilsynsrolle, hvorved behovet for større skibe offshore elimineres.
For det andet innoverer Vaarst Computer Vision, det vil sige den måde en computer ser på. Vision handler om at give billeder forståelse og kontekst. For at gøre dette har Vaarst udviklet teknologi, der fanger 3D-punktskyer for at skabe nøjagtige billeder og ledsagende målinger i realtid. Dette gør det muligt for ROV at “orientere sig” i sit miljø.
Endelig behandler Vaarst's Machine Learning (ML) platform videofeeds i diskrete rammer. Platformen kan genkende nøglefunktioner og anomalier, automatisk tagge dem og klassificere dem i henhold til konfidensniveauer – hvilket gør det muligt for menneskelige operatører at kontrollere arbejdet og bekræfte resultaterne, hvilket i høj grad fremskynder processen. Dette kan igen afsluttes på land og dermed fjerne folk fra farlige omgivelser og reducere skibstørrelser for en positiv miljøpåvirkning.
For eksempel kan det i de tidligere rørledningsundersøgelser (der følger længden af en rørledning for at kontrollere dens tilstand) have taget hundreder af timer og betød at tage yderligere besætningsmedlemmer på undersøgelsesfartøjerne til at udføre dette tidskrævende, manuelt arbejde. Vaarsts teknologi gør det muligt ikke blot at reducere den nødvendige tid til at udføre denne opgave, men behovet for overhovedet at tage disse besætningsmedlemmer med på skibene, hvilket gør det muligt at udføre arbejdet fra land.
Harry Turner: Vi samarbejder med en række førende energileverandører om nogle af de største vedvarende projekter i Europa, lige fra energioperatørerne selv til de mange virksomheder, der opererer inden for forsyningskæden. Alle ser de enorme fordele, der kan opnås ved fremtidssikring af deres datasæt til løbende analyse og ved at kunne gemme og vedligeholde deres data digitalt.
De enorme omkostningsbesparelser set fra reduceret omarbejdning og store tidsbesparelser i dataindsamling og analyse er tiltalende. Ligesom de reducerede dage til søs, som kan give dramatiske omkostningsbesparelser, reduceret CO2-udledning og fjernelse af mennesker fra farlige forhold.
Forbedret balance mellem liv og arbejde er også nøglen. Yngre generationer vælger livsstil, der ofte ikke svarer til kravene om at forfølge en karriere offshore på skibe, så det er en vigtig måde at tiltrække og fastholde talent på at gøre det muligt at udføre arbejde på land. Ligeledes appellerer gamification af teknologisoftware til denne generation og udnytter deres færdigheder.
GN: Hvilke erfaringer læres der om undersøisk inspektion ved hjælp af din proces? Hvilke andre applikationer eller muligheder kan din teknologi åbne op?
Harry Turner: Den vigtigste lektion, der læres, er, at der er en effektiv og praktisk måde at strømline, hvad der hidtil har været en besværlig og dyr proces. Energisektoren er klar til innovation, men den skal gennemsyre hele forsyningskæden for vedligeholdelse og inspektion.
Når vi fortsætter med at opbygge og innovere, er der ingen tvivl om, at de erfaringer, vi lærer inden for marine robotik, vil drive innovation inden for kunstig intelligens til nye og spændende områder. Den vision- og autonomiteknologi, vi har designet sammen med vores analyseplatforme, kan anvendes på enhver robotik, ikke kun undersøiske ROV'er. Det kan bruges i ethvert miljø, fra de dybeste havgrave til fjendtlige miljøer som nukleare anlæg, i luft ved hjælp af droner eller endda i interplanetarisk opdagelse! arbejde? Sig hej til den nye kontorrobot i erhvervslivet: Alt, hvad mennesker har brug for at vide De bedste luftfotograferingsdroner til erhvervslivet Robotter til børn: STEM-sæt og mere teknologiske gaver til hackere i alle aldre ZDNet YouTube) Vil du arbejde med robotter hele dagen? Her er hvad du skal gøre (TechRepublic Premium)
Relaterede emner:
Hardware CXO Innovation Kunstig intelligens 