Combinando los conocimientos de especialistas en IA y expertos en corrientes de Foucault, Eddyfi Technologies creó un modelo de aprendizaje automático capaz de analizar los datos generados por las inspecciones de tuberías. En términos prácticos, este modelo puede reproducir una compleja cadena de procesamiento que incluye una combinación de escalado, filtros y mezcla de canales. Puede analizar todas las frecuencias de los canales absolutos y diferenciales al mismo tiempo y combinarlas para amplificar la señal de los defectos y minimizar al mismo tiempo el ruido y otras señales no deseadas, lo que permite a los inspectores aumentar la eficacia y mejorar la fiabilidad de los datos.
Figura 1: Instrumento Ectane®
Las herramientas de detección convencionales basadas en reglas definidas por el usuario están disponibles desde hace tiempo e incluso forman parte de procedimientos normalizados en el mercado nuclear. Estos sistemas basados en reglas tienen limitaciones que se superan con la IA.
Figura 2: Inspección de intercambiadores de calor con Ectane de Eddyfi Technologies
Unas buenas regiones de tubos son esenciales para la detección de indicaciones y dependen de la detección correcta de puntos de referencia. Las herramientas convencionales de detección de puntos de referencia son limitadas y no pueden determinar con precisión la anchura de una placa de soporte o una placa tubular en todos los contextos. Si la longitud de una placa de apoyo no está bien definida, un sistema de análisis no aplicará el algoritmo adecuado, posiblemente basado en un canal mixto, para analizar los datos cercanos a la placa. Una detección de puntos de referencia basada en IA resuelve este problema porque puede marcar con precisión la longitud independientemente de si la velocidad de tracción es constante o no.
¿Quiere ver Magnifi® en acción? Vea esta sesión de Coffee Break para descubrir cómo sus nuevas funciones pueden agilizar sus inspecciones de tubos y aumentar la eficiencia.
La detección basada en reglas puede realizarse colocando casillas y umbrales en el Lissajous, para circunscribir la zona en la que puede encontrarse un defecto. Sin embargo, esta forma de hacer las cosas también está limitada. Las casillas de detección pueden ser muy difíciles de ajustar, y puede ser necesario realizar reajustes para mantener una detección aceptable en todo el intercambiador de calor. Aunque esta herramienta resulta útil en ocasiones, es difícil de utilizar con eficacia y lleva mucho tiempo configurarla. La detección por IA no tiene estas limitaciones y puede detectar defectos incluso si se produce una deriva de la señal o si la amplitud de los defectos no alcanza del todo los límites de un umbral.
¿Está interesado en ver cómo la tecnología de inspección de tubos por corrientes inducidas basada en IA de Eddyfi Technologies puede desempeñar un papel en sus inspecciones de tubos de intercambiadores de calor? Obtenga más información en este artículo y póngase en contacto con nosotros para estar en contacto con nuestros expertos en tubos y mantenerse al día.