صنعت و تولید

قبل از فاجعه – پیش‌بینی خرابی تجهیزات

ر رضا جلیل آذری ۱۴۰۵-۰۱-۲۳ ۱ دقیقه مطالعه ۲۴۲ بازدید
قبل از فاجعه – پیش‌بینی خرابی تجهیزات با بینایی ماشین

سیستم‌های هوش مصنوعی با آنالیز بافت و رنگ تصاویر دوربین، نشت‌های میکرونی را هفته‌ها قبل از قطعی خط تولید تشخیص می‌دهند.

نشتی‌های کوچک روغن یا بخار در تجهیزات صنعتی معمولاً تا زمانی که به خرابی بزرگ منجر شوند، نادیده گرفته می‌شوند. سیستم‌های هوش مصنوعی با آنالیز بافت، رنگ و الگوی تصاویر دوربین، می‌توانند نشت‌های میکرونی را هفته‌ها قبل از قطعی خط تولید تشخیص دهند. این فناوری «نگهداری پیش‌بینیانه هوشمند» نام دارد [۱].

الگوریتم‌ها تفاوت بین لکه روغن عادی و نشت فعال را یاد می‌گیرند. برای مثال، نشت گازهای داغ الگوی «شناور» در هوا ایجاد می‌کند که از طریق تغییر ضریب شکست نور قابل شناسایی است (تکنیک شلیرن). نشت مایعات نیز الگوی رشد شعاعی مشخصی روی سطح دارد. ترکیب دوربین‌های حرارتی و مرئی دقت را تا ۹۶٪ افزایش می‌دهد [۲].

جدول عملکرد:

نوع نشتتشخیص با چشم غیرمسلحهوش مصنوعی (تشخیص زودهنگام)
روغن (نشت قطره‌ای)فقط پس از قابل مشاهده شدن۱-۲ هفته قبل از گسترش
بخار داغ (نامرئی در هوا)غیرممکنحدود یک هفته قبل
گاز سرد (مانند CO2)غیرممکنچند روز قبل (با دوربین گازی)
دقت تشخیص نشت‌های کوچکبسیار محدود (نشت‌های مخفی دیده نمی‌شوند)۹۴٪

پالایشگاه‌های نفت، گاز و پتروشیمی بزرگترین کاربران این سامانه هستند. پالایشگاه‌های بزرگ ایران، از جمله پالایشگاه بندرعباس، با نصب ده‌ها و گاهی صدها دوربین هوشمند در واحدهای فرایندی حساس، ده‌ها مورد نشت مخفی را در طول سال شناسایی می‌کنند که هر کدام می‌توانست منجر به توقف چندین ساعته خط تولید شود [۳]. همچنین خودروسازان از این فناوری برای تشخیص نشت روغن و سیالات در خط مونتاژ نهایی خودرو استفاده می‌کنند.

ارزش بازار جهانی تشخیص نشت بصری تا ۲۰۳۰ به ۳.۲ میلیارد دلار می‌رسد [۴]. ترکیب با اینترنت اشیاء (IoT) امکان ثبت خودکار موقعیت دقیق نشت روی نقشه دیجیتال تأسیسات را فراهم می‌کند. همچنین هوش مصنوعی مولد (Generative AI) برای شبیه‌سازی سناریوهای نادر نشت و آموزش الگوریتم‌ها بدون نیاز به نمونه واقعی به کار می‌رود [۵].

جمع‌بندی: این فناوری هزینه‌های تعمیر اضطراری را تا ۵۰٪ کاهش می‌دهد و از توقف‌های ناگهانی و پرهزینه خط تولید جلوگیری می‌کند [۶]. هر ساعت توقف یک خط خودروسازی بزرگ می‌تواند تا ۵۰۰,۰۰۰ دلار ضرر داشته باشد – در مقابل، هزینه نصب و راه‌اندازی این سیستم ناچیز است.

منابع:

[۱] Lei, Y. et al. (2018). "A Review on Machinery Diagnostics and Prognostics for Predictive Maintenance." Mechanical Systems and Signal Processing, 104.

[۲] Ibarra-Castanedo, C. et al. (2020). "Active and Passive Thermography for Industrial Leak Detection: A Review." Infrared Physics & Technology, 106.

[۳] شرکت پالایش نفت بندرعباس (۱۴۰۱). «گزارش استقرار سیستم‌های پایش هوشمند در واحدهای فرایندی».

[۴] Grand View Research (2023). "Industrial Leak Detection Market Size Report, 2023–2030."

[۵] Goodfellow, I. et al. (2014). "Generative Adversarial Nets." Advances in Neural Information Processing Systems (NIPS).

[۶] McKinsey & Company (2020). "The Benefits of Predictive Maintenance in Industrial Operations."

تصاویر مرتبط

قبل از فاجعه – پیش‌بینی خرابی تجهیزات با بینایی ماشین

اشتراک‌گذاری

همین قابلیت‌ها را روی دوربین خودتان داشته باشید

دوربین‌های امنیتی هوشمند ویونکس با همین تحلیل‌های هوش مصنوعی، هشدار لحظه‌ای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه می‌شوند.

نظرات 0

هنوز نظری ثبت نشده است