Надежный и быстрый контроль целостности трубчатых теплообменников достаточно сложный процесс из-за наличия шумов и помехо в сигнале. Целью каждой инспекции является возможность своевременно предоставить отчет о качестве вашему клиенту. В этой статье обсуждается синергия между искусственным интеллектом (ИИ) и сертифицированными аналитиками для повышения точности и согласованности отчетов об инспекциях.
Анализ данных кожухотрубных теплообменников проводится уже несколько десятилетий, но по-прежнему остается сложной задачей. Эффективность и важность инспекции доказана, но она по-прежнему требует специальной подготовки, отнимает много времени, а на интерпретацию данных влияют многие параметры, такие как опорные конструкции, колебания датчика и вариации геометрии. Кроме того, необнаруженный дефект может иметь серьезные последствия: загрязнение или утечки жидкости, снижение эффективности теплопередачи, нежелательные химические реакции, дорогостоящие простои, а также риски для окружающей среды и безопасности.
В попытке уменьшить эти источники неверного толкования были разработаны обычные средства обнаружения, основанные на определяемых пользователем правилах, которые даже являются частью стандартизированных процедур в ядерной отрасли. Хотя эти инструменты могут быть полезны для больших теплообменников, их сложно использовать эффективно, и их настройка занимает много времени. Более того, они не адаптируются к меняющимся условиям и параметрам
За последние десятилетия ИИ совершил крупный прорыв в различных отраслях, позволив компьютерам выполнять действия, которые когда-то были доступны только человеческому мозгу. Эта современная технология представляет собой крупную технологическую революцию, которая позволит компьютерам выполнять различные сложные задачи во многих аспектах жизни, таких как беспилотные автомобили, технология распознавания лиц и приложение для транскрипции, используемое в смартфонах.
Чтобы оставаться в авангарде технологий и помочь отрасли улучшить контроль кожухотрубных теплообменников во всем мире, объединив опыт специалистов по ИИ и экспертов по вихретоковому контролю (ECT), Eddyfi Technologies разработала новый механизм обнаружения с использованием ИИ для обычных трубок ECT. данные. Модель обнаружения ИИ, интегрированная в Magnifi® , направлена на повышение достоверности анализа сигналов ECT и поддерживает сбор данных более высокого качества.
Что такое ИИ и как он работает?
ИИ можно определить как набор технологий, направленных на разработку машины, которая может имитировать реакцию человека на конкретную проблему. Среди различных технологий, помеченных как «Искусственный интеллект», есть подмножество, именуемое «машинным обучением». Это не что иное, как математическая модель, представляющая связь между набором входных параметров и выходным результатом. Особенность машинного обучения заключается в том, что модель по своей сути изучается на основе экспериментальных данных с использованием процесса автоматического обучения и статистических методов. Например, данные системы наблюдения на основе искусственного интеллекта могут передаваться из базы данных, содержащей изображения всех распространенных форм автомобилей, чтобы научиться распознавать автомобили без необходимости дальнейшего вмешательства человека.
Возможности обнаружения модуля Magnifi AI-ECT
Eddyfi Technologies тесно сотрудничала со многими партнерами, чтобы собрать широкий спектр экспериментальных данных из реальных проверок. Затем собранные данные тщательно анализируются, и любые соответствующие признаки идентифицируются с помощью тега, который используется в качестве входных данных для разработки процесса обнаружения, на который заявлен патент. После нескольких итераций, модификаций и проверок выбирается модель для интеграции в конкретную версию Magnifi.
Затем модуль Magnifi AI-ECT автоматически возвращает результаты ИИ, находя, размещая и отмечая точную длину трубных досок, опорных пластин и потенциальных показаний в интерфейсе программного обеспечения, тем самым помогая аналитикам подготовить свой окончательный отчет с большей уверенностью.
Рисунок 1: Представление кода (слева), типичное представление данных катушек ECT на ленточной диаграмме (справа). Представление кода отображает результаты обнаружения ИИ для ориентиров синим цветом, потенциальное расположение указаний красным цветом и введенные вручную указания черным цветом.
Более того, благодаря автоматическому скринингу во время сбора данных обнаружение ИИ для ЕСТ может мгновенно подтвердить, были ли собраны данные о полной длине трубки. После того, как нейронные сети ИИ просмотрели данные, дополнительные инструменты позволяют аналитику сортировать, фильтровать и классифицировать показания по желанию.
Примеры включают:
- Сортировку трубок в порядке убывания количества потенциальных показаний
- Показ только трубок с результатами ИИ
- Показт трубок с непройденными тестами проверки качества данных (DQV)
- Классифиция индикаций на основе канала, диапазона амплитуд и диапазона фаз. Функция группировки особенно полезна для трубок с большим количеством показаний.
Рис. 2. Результаты группировки индикации отображаются на панели индикации в приложении Magnifi frontstage.
Рис. 3. Представление панели списка данных с параметрами меню сортировки/фильтрации для изменения файлов данных, отображаемых на основе информации в столбцах журнала и отчета.
Новый модуль AI-ECT означает, что вам не придется делать это в одиночку; считайте это своим секретным оружием для следующей инспекции труб. Он прост в освоении и удобен в использовании как во время сбора данных, так и во время анализа. Весь процесс оптимизирован для выполнения менее чем за одну секунду, чтобы выполнить задачу отрасли по максимально быстрому получению результатов проверки. Однако важно помнить, что результаты ИИ строго предполагают возможные показания. В обязанности сертифицированного аналитика входит выявление соответствующих дефектов и сообщение о них.
Системные требования и возможности модуля обнаружения ИИ см. в примечаниях к выпуску программного обеспечения, которые можно найти здесь
