Vindkraftparker är nu verklighet i USA och inleder ett nytt kapitel i landets ambitioner om hållbar energiproduktion. Men ny teknik kommer med nya utmaningar, och för vindkraftproduktion till havs är inspektion en av de största.
På ungefär samma sätt som energibolag driver och underhåller havs- och oljetillgångar, behöver vindkraftkablar, strukturfundament och alla andra komponenter i turbinerna kontinuerlig övervakning och underhåll. Det är farligt arbete för människor, men det är ett jobb skräddarsytt för undervattensrobotar och smart AI-driven analys.
Med tanke på den ljusa framtiden och det växande (om än fortfarande lilla) fotavtrycket av havsbaserad vind i landets infrastruktur för energikraftproduktion, sträckte jag mig till Harry Turner, en maskininlärningsspecialist för Vaarst, ett företag som driver framtiden för marin robotik, för att diskutera hur robotar och maskininlärning förändrar spelet för att skapa energi.
GN: Kan du förklara några av utmaningarna med undervattensinspektion, särskilt för vindkraftverk till havs?
Harry Turner: För att bygga och underhålla vindkraftsanläggningar behöver du en klar förståelse för den havsbaserade miljön och din infrastruktur. Dessa tillgångar inkluderar allt från strukturer som turbiner sitter på, till kablar som transporterar el tillbaka till fastlandet. På dessa djup utförs vanligtvis inspektioner med fjärrstyrda undervattensfordon (ROV). Men de lag som styr dessa ROV och tolkar de uppgifter de samlar in arbetar på stora fartyg som de lever i allt från två veckor till tre månader. Och dessa fartyg kräver stora besättningar att springa, använda enorma mängder bränsle och är oerhört dyra.
En annan utmaning är att fånga och hantera den stora mängd unika data som krävs. Datavolymerna som är inblandade i denna process är enorma, tänk att 4k-video strömmas kontinuerligt av mer än tio kameror under en till tre månader – plus positioneringsinformation, ekolod med multistrålar och 20-30 andra dataströmmar som uppdateras upp till hundra gånger per sekund . Det kan också ta många hundra timmar att granska och analysera samlade videobilder. Manuell tolkning av potentiella riskfaktorer och erkännande av förändringar i havsbotten har hittills endast gjorts genom att tiotal människor placeras offshore på varje fartyg för att utföra detta arbete.
Slutligen är noggrann undervattensmätning otroligt svår, men också kritiskt viktig. Ofta är den ursprungliga CAD-informationen otillgänglig för undervattens tillgångar plus det kan finnas betydande marin tillväxt eller skada över tiden, så för att kunna underhålla och reparera dem korrekt är det viktigt att hitta mätnoggrannhet.
GN : Vilka tekniker används för närvarande vid havsbottensinspektion? Vilka är gränserna för den nuvarande tekniken och hur påverkar det antagandet av gröna energilösningar?
Harry Turner: Havsbottensundersökningar utförs från fartyg som använder ekolod som kartlägger havsbotten. För närmare inspektioner använder majoriteten av företagen manuellt manövrerade ROV som samlar in videodata. Varje ROV behöver minst två piloter för att driva den. Och sedan inspekteras de insamlade uppgifterna manuellt av ett ytterligare team. Ju fler människor du behöver desto större fartyg behöver du. Detta är inte bara dyrt, utan uppenbarligen har dessa fartyg också en miljöpåverkan.
Den marina robotikindustrin är mogen för innovation och AI kommer utan tvekan att förändra landskapet genom att minska koldioxidutsläppen av marin verksamhet med datadriven automatisering av marin robotik.
GN: Förklara hur Vaarst använder AI för att underlätta undersökning av havet. Vad är nytt och nytt med detta tillvägagångssätt?
Harry Turner: Under en tid har AI hyllats som en spelväxlare för många branscher. Det har enorm potential i ett antal applikationer, men just nu brottas alla branscher med hur man kan bli mer hållbar. Det är inom detta område som AI kan hjälpa till att skörda de bästa belöningarna. Framtiden för marin robotik ligger i att använda 3D-datorsyn och maskininlärning för att förbättra effektiviteten och underlätta övergången till grönare, förnybara energikällor och sätt att arbeta i offshore-miljöer.
Användningen av robotik inom energiindustrin är inte ny – så långt industrier går, de var relativt tidiga användare – men användningen av mer avancerad teknik, såsom samtidig lokalisering och kartläggning (SLAM), maskininlärning och alltmer autonoma ROV , presenterar ett tillfälle som för få använder. Genom att utnyttja sådan teknik kan energibolag skörda betydande fördelar.
Det finns tre nyckelområden som Vaarsts teknik har en betydande effekt:
För det första drivs ROV av piloter som utför alla kontrolluppgifter. Vaarst har byggt en plattform som eftermonterar olika lager av autonomi till ROV. Dessa lager går från avancerad hjälp till autonom kontroll. Stödja operatören för att göra jobbet säkert.
Medan en ROV normalt skulle springa på en fördefinierad väg som operatören skulle följa tillåter autonomitekniken att den tar SLAM-informationen och analyserar “på språng”, presentera alternativa alternativ för operatören för att slutföra sin strategi när han navigerar i hinder, eller kurskorrigering för strömmar. Operatören kan sedan fatta välgrundade beslut med ett tryck.
Genom att möjliggöra autonomi behövs färre piloter, och de kan lokaliseras på land, i en övervakande roll, vilket eliminerar behovet av större fartyg till havs.
För det andra innoverar Vaarst Computer Vision, det vill säga, hur en dator ser ut. Vision handlar om att ge förståelse och sammanhang till bilder. För att göra detta har Vaarst utvecklat teknik som fångar 3D-punktmoln för att skapa korrekta bilder och tillhörande mätningar i realtid. Detta gör att ROV kan “orientera sig” i sin miljö.
Slutligen bearbetar Vaarst's Machine Learning (ML) Platform videoflöden i diskreta ramar. Plattformen kan känna igen viktiga funktioner och anomalier, automatiskt märka dem och klassificera dem enligt konfidensnivåer – vilket gör det möjligt för mänskliga operatörer att kontrollera arbetet och bekräfta resultaten, vilket påskyndar processen. Detta återigen kan slutföras på land och därmed ta bort människor från farliga miljöer och minska fartygsstorlekar för en positiv miljöpåverkan.
Under de senaste rörledningsundersökningarna (som följer längden på en rörledning för att kontrollera dess tillstånd) kan det till exempel ha tagit hundratals timmar och inneburit att ytterligare besättningsmedlemmar tas med på besiktningsfartygen för att utföra detta tidskrävande, manuella arbete. Vaarsts teknik gör det möjligt att inte bara reducera den tid som krävs för att utföra denna uppgift, utan också behovet av att ta dessa besättningsmedlemmar på fartygen överhuvudtaget, vilket gör att arbetet kan utföras från land.
Harry Turner: Vi arbetar med ett antal ledande energileverantörer på några av de största förnybara projekten i Europa, från energioperatörerna själva till de många företag som arbetar inom försörjningskedjan. Alla ser de enorma fördelarna som kan uppnås genom framtidssäkerhet av deras datauppsättningar för pågående analys och att de kan lagra och underhålla sina data digitalt.
De enorma kostnadsbesparingarna från minskad omarbetning och stora tidsbesparingar vid datainsamling och analys är tilltalande. Liksom de reducerade dagarna till sjöss, vilket kan ge dramatiska kostnadsbesparingar, minskade koldioxidutsläpp och avlägsnande av människor från farliga förhållanden.
Förbättrad balans mellan liv och arbete är också nyckeln. Yngre generationer väljer livsstilar som ofta inte matchar kraven på att bedriva en karriär offshore på fartyg, så att möjliggöra arbete på land är ett viktigt sätt att attrahera och behålla talang. På samma sätt tilltalar gamification av teknikprogramvara denna generation och utnyttjar deras kompetensuppsättningar.
GN: Vilka lärdomar lärs vi om undersökningskontroll som använder din process? Vilka andra applikationer eller möjligheter kan din teknik öppna?
Harry Turner: Den huvudsakliga lärdom som man lär sig är att det finns ett effektivt och praktiskt sätt att effektivisera det som har varit en besvärlig och dyr process hittills. Energisektorn är redo för innovation, men den måste genomsyra hela leveranskedjan för underhåll och inspektion.
När vi fortsätter att bygga och förnya är det ingen tvekan om att de lärdomar vi lär oss inom marin robotik kommer att driva innovation inom AI till nya och spännande områden. Den vision- och autonomiteknik som vi har designat tillsammans med våra analysplattformar kan användas på vilken robotik som helst, inte bara undervattens-ROV. Den kan användas i vilken miljö som helst, från de djupaste diken till fientliga miljöer som kärnkraftsanläggningar, i luft med hjälp av drönare eller till och med i interplanetär upptäckt!
Robot
Tillbaka till arbete? Säg hej till den nya kontorsroboten Robotics in business: Allt människor behöver veta De bästa flygfotograferingsdronorna för affärsrobotar för barn: STEM-kit och mer tekniska gåvor för hackare i alla åldrar Hur pandemin har omformat AI, robotik och automatisering ( ZDNet YouTube) Vill du arbeta med robotar hela dagen? Här är vad du behöver göra (TechRepublic Premium)
Relaterade ämnen:
Hårdvara CXO Innovation Artificiell intelligens 