Künstliche Intelligenz (KI) hat in den letzten zehn Jahren bedeutende Durchbrüche erzielt, und mehrere Branchen verlassen sich nun auf diese neuen Technologien, um verschiedene komplexe Aufgaben zu revolutionieren und den Arbeitern zu helfen, ihre Effizienz zu verbessern. Unter den verschiedenen Technologien, die als „künstliche Intelligenz“ betrachtet werden, wird ein Teilbereich als „maschinelles Lernen“ bezeichnet. Techniken des maschinellen Lernens können auf Daten angewendet werden, die aus Rohrinspektionen stammen.

Vorteile des Einsatzes von künstlicher Intelligenz im Vergleich zu konventionellen Tools für die Analyse von Wärmetauscherdaten
3:33

Durch die Kombination des Fachwissens von KI-Spezialisten und Wirbelstromexperten hat Eddyfi Technologies ein Modell für maschinelles Lernen entwickelt, das in der Lage ist, die bei Rohrinspektionen anfallenden Daten zu analysieren. In der Praxis kann dieses Modell eine komplexe Verarbeitungskette nachbilden, die eine Kombination aus Skalierung, Filtern und Kanalmischung umfasst. Es kann alle Frequenzen der Absolut- und Differenzkanäle gleichzeitig analysieren und kombinieren, um das Fehlersignal zu verstärken und gleichzeitig das Rauschen und andere unerwünschte Signale zu minimieren.

Eddyfi Technologies Ectane Instrument

Abbildung 1: Ectane®-Instrument

Herkömmliche Erkennungsinstrumente, die auf benutzerdefinierten Regeln basieren, sind seit einiger Zeit verfügbar und sogar Teil der standardisierten Verfahren auf dem Nuklearmarkt. Diese regelbasierten Systeme haben Einschränkungen, die durch KI überwunden werden.

Heat exchanger inspection with Eddyfi Technologies Ectane

Abbildung 2: Wärmetauscherinspektion mit Eddyfi Technologies Ectane

Gute Rohrbereiche sind für die Erkennung von Indikationen unerlässlich und hängen von der korrekten Erkennung von Orientierungspunkten ab. Herkömmliche Tools zur Erkennung von Orientierungspunkten sind begrenzt und können die Breite einer Trägerplatte oder eines Rohrbodens nicht in allen Fällen genau bestimmen. Wenn die Länge einer Stützplatte nicht genau definiert ist, wendet ein Analysesystem nicht den richtigen Algorithmus an, der möglicherweise auf einem gemischten Kanal basiert, um die Daten in der Nähe der Platte zu analysieren. Eine KI-basierte Markierungserkennung löst dieses Problem, da sie die Länge unabhängig von einer konstanten Ziehgeschwindigkeit genau markieren kann.

Möchten Sie Magnifi® in Aktion sehen? Sehen Sie sich diese Kaffeepause an und erfahren Sie, wie die neuesten Funktionen Ihre Rohrinspektionen rationalisieren und die Effizienz steigern können!

Die regelbasierte Erkennung kann durch das Setzen von Kästchen und Schwellenwerten auf den Lissajous erfolgen, um den Bereich einzugrenzen, in dem ein Fehler gefunden werden kann. Aber auch diese Vorgehensweise hat ihre Grenzen. Die Erkennungsfelder können sehr schwierig einzustellen sein, und es können Nachjustierungen erforderlich sein, um eine akzeptable Erkennung über den gesamten Wärmetauscher zu erhalten. Obwohl dieses Werkzeug manchmal nützlich ist, ist es schwierig, es effektiv zu nutzen, und es dauert lange, es einzurichten. Die AI-Erkennung hat diese Einschränkungen nicht und kann Defekte auch dann erkennen, wenn das Signal driftet oder die Amplitude der Defekte nicht ganz die Grenzen eines Schwellenwertes erreicht.

Möchten Sie wissen, wie die AI-basierte Wirbelstrom-Rohrinspektionstechnologie von Eddyfi Technologies bei der Inspektion Ihrer Wärmetauscherrohre eine Rolle spielen kann? Erfahren Sie mehr in diesem Artikel, und kontaktieren Sie uns, um mit unseren Rohrexperten in Verbindung zu treten und auf dem neuesten Stand zu bleiben.