Utilisation de l'automatisation, de l'intelligence artificielle et de l'analyse des données pour optimiser la planification de l'exploitation et de la maintenance
L'industrie éolienne représente 6 % de la production d'électricité aux États-Unis, mais les parcs éoliens sont encore très coûteux à exploiter, ce qui limite leur échelle potentielle et leur adoption comme source d'énergie renouvelable. Les lames sont un élément coûteux à entretenir. Des études montrent que les dommages aux pales représentent environ 23 % des coûts annuels. Les méthodes actuelles d'exploitation et d'entretien de ce type de dommages (à terre et en mer) sont généralement axées sur des pratiques "réactives" ou "correctives", ce qui entraîne souvent des coûts élevés de réparation et des pertes de revenus importantes.
Les drones sont devenus un moyen viable de recueillir des données sur les pales d'éoliennes. Les drones d'entreprise le rendent plus rapide, plus facile et plus efficace, ce qui permet de réaliser des économies dès les premières étapes de l'inspection, avant la phase de réparation et de planification. De plus, les inspections de drones constituent une solution de rechange plus sûre et moins coûteuse en ressources que les inspections de câbles, les inspections par caméra au sol et d'autres types traditionnels de programmes de surveillance.
Inspections automatisées ou manuelles des drones : Sont-ils si différents ?
Il existe trois types de base d'inspection de drone : manuelle, semi-automatique et automatisée.
-Les inspections manuelles sont simplement celles qui exigent que le pilote ou le technicien s'occupe de l'inspection à partir du sol, qu'il dirige et manipule manuellement le drone de façon à capturer des images des quatre côtés des trois pales.
-La semi-automatisation consiste généralement à manipuler les lames jusqu'à une position définie, puis à régler manuellement les points de repère que le bourdon suit. Dans ce scénario, le drone ne peut pas "voir" les pales et ne les évitera donc pas si les points de repère croisent son chemin. Elle se limite également à l'inspection d'une seule lame à la fois.
-Les inspections automatisées, qui sont moins disponibles sur le marché en raison de la sophistication de la technologie et de l'intelligence artificielle nécessaires à leur réalisation, ne dépendent pas d'un pilote pour guider l'inspection. Le drone est capable de percevoir les pales et de développer sa propre trajectoire de vol pour capturer toutes les données nécessaires sans se heurter aux pales. L'automatisation fournit une inspection répétable et très précise qui produit des données qui présentent des avantages par rapport aux données produites par une inspection manuelle, notamment :
- Élimination de l'erreur humaine de chaque inspection, garantissant une inspection complète et complète de chaque lame, à chaque fois ;
- Des résultats reproductibles - les drones utilisant l'automatisation et l'IA produisent des résultats hautement mesurables et comparables, offrant de nombreux avantages, y compris la comparaison d'images identiques d'une année sur l'autre d'un même dommage, au même endroit précis ;
- La fiabilité de la technologie élimine les erreurs. Les dommages graves ou qui progressent rapidement sont découverts avant qu'ils ne nécessitent un temps d'arrêt important pour être réparés. Des stratégies de planification et d'entretien proactif peuvent alors être employées.
Données pour la prise de décision et l'entretien préventif
De bonnes données sont nécessaires pour les technologies de demain, telles que l'apprentissage automatique et l'intelligence artificielle, qui nécessitent une base de données complètes et de haute qualité pour fonctionner. Il y a deux ans, une inspection de drone était le début et la fin de l'histoire. Souvent, après une inspection manuelle des drones (le seul type disponible), le nombre écrasant d'images recueillies était transmis à un client dans un format qui prête à confusion et qui est encombrant. Des fichiers Excel ou une masse de fichiers PDF ont été produits, contribuant simplement au problème général auquel font face tant d'industries : trop de données.
Deux ans plus tard, les entreprises de robotique qui sont toujours à flot et prospères dans un environnement commercial d'énergie éolienne ont été en mesure d'utiliser ce qui est, à l'heure actuelle, des millions d'images de pales. Pour les sociétés d'inspection automatisée de drones, les données produites ont commencé à révéler une quantité stupéfiante d'informations et de données exploitables.
Encore une fois, comme les inspections automatisées sont répétables, mesurables et fiables, les données - en particulier les données recueillies sur les mêmes turbines au fil du temps - deviennent plus puissantes à chaque inspection. Multipliez cette puissance en associant un système logiciel d'analyse prédictive à une capacité de collecte de données automatisée.
Les données analysées, organisées, analysées et catégorisées peuvent être transformées en décisions. Les principaux fournisseurs d'énergie éolienne ont constaté un énorme retour sur investissement grâce à des données d'inspection des pales d'éoliennes bien recueillies et analysées en profondeur.
Un exemple pratique
SkySpecs s'est récemment associé à un leader mondial dans le secteur des énergies renouvelables. Par le passé, l'entreprise s'approchait des inspections des pales à l'aide de caméras au sol ou en attendant que les dommages aux pales soient si graves qu'ils devaient être réparés immédiatement. Aucune des deux méthodes ne fonctionnait bien, mais ils étaient sceptiques quant aux avantages des méthodes moins traditionnelles de collecte et d'analyse des données. Le client prévoyait qu'1% de ses 100 turbines à inspecter révéleraient des dommages.
SkySpecs a inspecté 100 turbines en cinq jours à l'aide d'un système automatisé de collecte de données de drone. Les données ont été téléchargées vers le hub de leur logiciel d'analyse et ont révélé ce qui suit :
- 17 % des aubes de turbine présentaient des dommages de catégorie quatre ou cinq (sur une échelle de un à cinq, dont cinq étaient les plus graves).
- Une fissure du bord de fuite exactement au même endroit sur un peu plus de 20 % des pales inspectées.
Des méthodes de collecte de données disparates, l'absence d'un système compréhensible et des méthodes dépassées de traitement des inspections et de l'énorme masse de données qu'elles produisent ont conduit à un besoin critique d'une "source unique de vérité". Alors que de plus en plus d'entreprises se lancent dans la recherche de solutions de " grandes données ", il est essentiel qu'elles recherchent une solution complète - une solution qui débouche sur des décisions d'affaires qui profitent à toute l'organisation et créent une approche plus unifiée et éclairée de la durabilité future.
Aucun commentaire:
Enregistrer un commentaire