Siemens Gamesa Renewable Energy сокращает время осмотра лопаток ветряных турбин на 75% за счет визуального контроля

По словам Fujitsu, они «разработали инновационную технологию искусственного интеллекта, которая значительно улучшает контроль качества производства и обнаружение дефектов, автоматически анализируя и диагностируя данные ультразвукового сканирования (NDT) за считанные минуты, помогая определять потенциальные дефекты быстрее и эффективнее, чем существующие методы». Эта технология должна применяться в процессе обеспечения качества Siemens Gamesa для лопаток ветряных турбин.

Fujitsu и Siemens Gamesa совместно работали над решением, которое использует методы глубокого обучения (deep learning), обработки изображений и сигналов в процессе проверки. ИИ анализирует изображения, полученные в результате сканирования данных контроля, чтобы выявить закономерности, которые могут указывать на производственные дефекты, такие как образование складок, которые могут привести к выходу из строя лезвий во время работы. Компания Fujitsu значительно ускорила процесс обеспечения качества (QA) Siemens Gamesa, создав совместное решение, в котором используются возможности глубокого обучения, позволяющие значительно сократить время осмотра новых лопаток ветряных турбин.

Siemens использует новое решение Fujitsu AI для ускорения процесса проверки лезвий из стекловолокна длиной до 75 метров. Время осмотра, чтобы тщательно проверить каждый сантиметр всей длины лопатки, сокращается до полутора часов. В результате высококвалифицированные инспекторы освобождаются от монотонной, но необходимой задачи, которая раньше могла занимать шесть часов.

Согласно пресс-релизу Fujitsu: «Компонент глубокого обучения в этой новой платформе искусственного интеллекта использует сверхчеловеческую способность глубоких нейронных сетей обрабатывать данные изображений для обнаружения соответствующих шаблонов на основе уникального набора технологий, разработанного Fujitsu Laboratories of Europe. Данный подход включает в себя преобразование реальных задач анализа данных в формат анализа изображений, автоматизацию и ускорение обнаружения соответствующих шаблонов в данных ультразвукового сканирования NDT, которые могут указывать на производственные дефекты. Поэтому ручная проверка специалиста может быть быстро нацелена на потенциальные дефекты, переводя в 80% сокращение области объекта, требующее внимания опытного техника.