The Evolution of Non-Destructive Testing Through AI
Die zerstörungsfreie Prüfung (ZfP) ist eine zerstörungsfreie Methode der Materialuntersuchung und kommt in vielen Bereichen der Indudtrie wie z.B. der Luft- und Raumfahrt, der Automobilindustrie, dem Bauwesen und dem Energiesektor zum Einsatz, um die Unversehrtheit und Sicherheit von Materialien und Strukturen zu gewährleisten, ohne diese zu beschädigen. Im Laufe der Jahre hat sich die ZfP gewandelt, neue Techniken schnellere Prüfverfahren finden dank der künstlichen Intelligenz ihren Einsatz.
Künstliche Intelligenz ersetzt die herkömmliche ZfP und automatisiert die Datenanalyse, erhöht die Genauigkeit der Fehlererkennung, ermöglicht vorausschauende Wartung und unterstützt Änderungen auf der Grundlage relevanter Erkenntnisse. Die ZfP 4.0 profitiert in hohem Maße vom Einsatz fortschrittlicher Datenanalyse, digitaler Zwillinge, effizienterer Inspektionsmethoden und automatischer Fehlererkennung (ADR), wodurch Effizienz, Genauigkeit und Management durch die Anwendung von ZfP-Techniken auf die gesamte Infrastruktur von Anfang bis Ende erheblich verbessert werden.
Die traditionelle Methode der ZFP
Bis heute machen manuelle Prüfungen mit rudimentären Instrumenten einen großen Teil der ZfP aus. Verfahren wie die Ultraschall-, Durchstrahlungs- und Magnetpulverprüfung erfordern erfahrene Fachleute. Trotz ihrer Wirksamkeit waren diese Verfahren im Allgemeinen langsam, anfällig für menschliche
Fehler und nicht leicht erweiterbar. Das menschliche Personal stellte auch ein großes subjektives Element dar, das es schwierig machte, Einheitliche Ergebnisse zu erzielen.
Einführung von künstlicher Intelligenz
Die künstliche Intelligenz hat den ZfP-Prozess verändert, indem sie viele dieser Einschränkungen beseitigt hat. Gleichzeitig werden die generierten Daten ausgewertet, Muster erkannt und prädiktive Analysen durchgeführt. Diese Aufgaben verändern die Art und Weise, wie Inspektionen durchgeführt werden. Die Synergie von künstlicher Intelligenz mit Bildgebungs- und Sensortechnologien ermöglicht es, die Genauigkeit und Effizienz verschiedener traditioneller zerstörungsfreier Prüfmethoden zu verbessern, was neue Möglichkeiten für die Technologie eröffnet.
Der Einfluss der KI in der ZFP
Kernpunkte der ZfP-Verfahren mit künstlicher Intelligenz
- Automatisierte Datenanalyse
KI-gestützte Systeme können mehr Daten aus Ultraschall-, Röntgen- und Thermografieverfahren nutzen und die Analyse in wenigen Sekunden durchführen. Eine solche Zusammenführung bietet eine günstige Umgebung für die einfache Erkennung von Mustern und Anomalien, was wiederum zu rationaleren Ergebnissen führt.
- Verbesserung der Fehlererkennung
Das Training von Modellen des maschinellen Lernens unter Verwendung großer Datenbanken ermöglicht die gleichzeitige Erkennung und Klassifizierung einer größeren Anzahl von Fehlern. Dies ermöglicht eine höhere Empfindlichkeit und eine frühere Erkennung von Problemen, die zu einem Ausfall hätten führen können, sowie eine höhere Wartungseffizienz.
- Predictive Maintenance
By spotting patterns within the inspection data trends, AI can ascertain any failures across equipment before they occur. Such predictions allow for corrective maintenance action to be taken and ensure that the time taken to augment efficiency and operational productivity with the elimination of breakdowns is drastically decreased.
- Vorausschauende Wartung
Durch das Erkennen von Mustern in den Trends von Inspektionsdaten kann KI Ausfälle in Anlagen erkennen, bevor sie auftreten. Solche Vorhersagen ermöglichen korrektive Wartungsmaßnahmen und verkürzen die Zeit, die zur Steigerung der Effizienz und Produktivität des Betriebs durch die Behebung von Ausfällen benötigt wird.
- · Überwachung in Echtzeit
KI-Systeme können dem Benutzer sofortige Rückmeldungen über Wartungen der Produktionssysteme geben, die eine Unterbrechung erfordern.
Solche Technologien und Systeme ermöglichen schnelle Korrekturen und stellen sicher, dass die Inspektion nicht nur genau ist, sondern auch die Wartezeit verkürzt und ungeplanten Ausfällen und Qualitätsmängeln vorbeugt.
- Digitale Partnerschaften, Digital Twin
Der Begriff „Twinning“ wird oft mit der 4D-Modellierung in Verbindung gebracht, aber bei NDT 4.0 umfasst er die gesamte Einheit und ihre jeweiligen Modelle. Die Schlüsseltechnologie von NDT 4.0 ist die Fähigkeit, reale Einheiten zu simulieren und auf der Grundlage dieses Modells Handlungsempfehlungen zu geben. Ein digitaler Zwilling ermöglicht es, ein virtuelles Modell eines physischen Objekts zu analysieren und seine zukünftige Leistung genauer einzuschätzen.
- Standardisierung und Neutralität
Der Mensch verzerrt die Inspektionen, die KI eliminiert diese Verzerrung, indem sie immer die gleichen Algorithmen und Kriterien anwendet. Dies führt zu gleichen Ergebnissen bei verschiedenen Inspektionsarten und länderübergreifend, was die Zuverlässigkeit gewährleistet.
Digitale Einrichtung mit Hardware, PACS und Software
Anwendungen von KI in der ZfP
- Automatisierung von Inspektion und Identifikation
KI ermöglicht die automatische Erkennung eines Bauteils in einem Bild und die Zuweisung von Prüfanweisungen. Die Software kann eine Schablone über ein Bild legen, um den zu prüfenden Bereich anzuzeigen, und während der Prüfung Daten erfassen, die in das integrierte Datenmanagementsystem (IDMS) eingespeist werden.
- Erkennung von Erosion, Korrosion und Ablagerungen:
Ein bildgebendes KI-Tool kann Erosion, Korrosion und Ablagerungen anhand von Inspektionsbildern leicht erkennen und lokalisieren, was die Genauigkeit und Effizienz erhöht. Darüber hinaus ermöglicht es schnellere und effizientere Inspektionen, da der Bedarf an manuellen Inspektionen sinkt.
- Automatisierung der Messung:
Ein KI-Algorithmus kann den dünnsten Bereich eines Rohrs oder einer anderen Probe identifizieren und messen. Dies reduziert menschliche Fehler und erhöht gleichzeitig die Genauigkeit des Messverfahrens.
- Erkennung verdeckter Objekte/Bilder (CID)
Die künstliche Intelligenz kann Bilder scannen und markieren, die einer weiteren Analyse bedürfen, indem sie nach Problemen wie fehlenden Schrauben an Verbindungen, nicht qualitätsgeprüften Bildern oder Filmfehlern sucht. Diese KI-Technologie kann bei der Durchstrahlungsprüfung eingesetzt werden
- Detaillierte Analyse von Teilen/Bildern (SIDA)
KI, die in der Lage ist, Teile visuell zu inspizieren, kann einzelne Teile in der Tiefe auf Fehler untersuchen, Wanddickenmessungen durchführen und Prüfvorschriften erkennen. Sie kann auch auf Folienfehler prüfen und Text und IQI-Messungen erkennen, um die Entscheidungsfähigkeit der Prüfer zu verbessern.
- Bildrauschen, Superauflösung und -verbesserung
Künstliche Intelligenz (KI) reduziert das Bildrauschen erheblich, erhöht die Auflösung und verbessert die Bildqualität, insbesondere unter schwierigen Bedingungen. KI kann beispielsweise Störungen aus Schweißbildern entfernen und die Fehlererkennung verfeinern, so dass Prüfer diese Probleme genauer erkennen können.
- Automatische Fehlererkennung (ADR)
Künstliche Intelligenz ist in der Lage, Defekte in Bildern präzise zu erkennen und zu klassifizieren, um Inspektoren bei der genaueren und schnelleren Identifizierung von Problemen zu unterstützen. Sie nutzt überwachtes Lernen zur Identifizierung von Fehlern anhand von Trainingsbildern mit Beschriftungen und verwendet Bildklassifizierungs-, Objekterkennungs- oder klassifizierte segmentierte Algorithmen für verschiedene spezifizierte Prüfanforderungen.
Leistungsfähigkeit von NDT ohne AI
Stärken:
- Zuverlässigkeit: Ultraschall, Radiographie und Farbeindringprüfung werden seit langem in der Praxis eingesetzt und haben ein breites Anwendungsspektrum in der Industrie und Wirtschaft gefunden.
- Qualifikation der Prüfer: Die Prüfer bringen viel Erfahrung und Wissen durch ein zertifiziertes Ausbildungssystem in ihre Arbeit ein.
- Breite Anwendung: Die Methoden eignen sich für ein breites Spektrum von Anwendungen, einschließlich der Luft- und Raumfahrt sowie der Öl- und Gasindustrie.
- Konformität: Die Anforderungen der Industrie werden erfüllt.
Einschränkungen:
1. menschliches Versagen: Diese Verfahren erfordern ein hohes Maß an Fachwissen und Geschicklichkeit, was die Variabilität und die Möglichkeit ermüdungsbedingter Fehler erhöht.
2. Zeitaufwand: Manuelle Verfahren sind zeitaufwändig in der Vorbereitung und Analyse.
3. Entdeckung von Mängeln: Kleine oder versteckte Fehler können übersehen werden.
4. Gerätebedingte Einschränkungen: Alte Messgeräte können mit komplexen Fehlern und Rauschen nicht umgehen.
5. Mangelnde Vorhersagefähigkeit: Konzentriert sich nur auf vorhandene Fehler.
Leistungsmerkmale
1. POD-Werte (Probability Of Detection):
- Die besten Auswerter erreichen eine Erkennungswahrscheinlichkeit von 85,2 für echte und echte negative Signale.
- Dies ergibt eine Wahrscheinlichkeit von 2,1 % für einen Fehlalarm.
2. Binäre Entscheidungsdynamik:
- Wahr-Positiv: Die als fehlerhaft erkannte Probe wird korrekt zurückgewiesen.
- Wahr negativ: Die Probe, die sich als fehlerfrei erwiesen hat, wird angenommen.
- Falsch-positiv: Eine fehlerfreie Probe wird fälschlicherweise zurückgewiesen.
- Falsch-negativ: Eine fehlerhafte Probe wird untersucht und die Fehler werden übersehen.
3. Flächendeckung und Arbeitsgeschwindigkeit: Für eine große Fläche sind mehrere Untersuchungen erforderlich, was mehr Zeit in Anspruch nimmt und die Betriebskosten erhöht.
Vergleich der POD-Kurven zur Verdeutlichung der Leistungsunterschiede
Wie kann künstliche Intelligenz die zerstörungsfreie Prüfung verbessern?
Künstliche Intelligenz (KI) kann die Rolle des Menschen in der zerstörungsfreien Prüfung (ZfP) ergänzen, indem sie Abweichungen reduziert, die Konsistenz erhöht und Prozesse automatisiert. Und so funktioniert es:
1. Reduzierung des menschlichen Faktors:
- Automatisierte Fehlererkennung: Die Möglichkeit, dass menschliche Prüfer Fehler aufgrund von Ermüdung oder Voreingenommenheit übersehen, wird reduziert, KI-Algorithmen sind bei der Analyse großer Datenmengen zur Fehlersuche überlegen.
- Standardisierte Bewertung: Es gibt keine unterschiedlichen Kriterien, die von verschiedenen Inspektoren oder während einer Schicht angewendet werden, da die KI den gleichen Satz von Kriterien verwendet.
2. Verbesserung von Genauigkeit und Konsistenz:
- Hohe Sensitivität: Optimal gestaltete maschinelle Lernmodelle können Fehler entdecken, die sonst aufgrund der großen Menge an Fehlerdaten, mit denen sie trainiert wurden, fälschlicherweise übersehen würden.
- Bild- und Signalverarbeitung: Die KI verwendet Algorithmen, die das Signal-Rausch-Verhältnis der Inspektionsdaten verbessern und kleine Details hervorheben, so dass die Fehler leichter zu erkennen sind.
3. Rückmeldung und Eingreifen in Echtzeit:
- Kontinuierliche Überwachung: KI-Sensoren, die in Komponenten eingebettet sind, liefern Erkenntnisse in Echtzeit, ohne dass eine manuelle Überprüfung erforderlich ist.
- Vor-Ort-Analyse: Die Entscheidungsfindung bei Inspektionen wird verbessert, da KI schnelle Bewertungen liefert und lange Wartezeiten überflüssig macht.
4. Die Bedeutung der Objektivität: - Objektive Bewertungen: Dies ist eine komplexe Aufgabe, die KI nicht übernehmen kann, da die KI datengestützt bleiben und menschliche Fehler ausschließen will.
- Mustererkennung: Individuelle Interpretationen und erfahrungsbedingte Erkennungsfehler werden durch Algorithmen eliminiert.
5. vorausschauende Wartung unterstützen: - Datengestützte Erkenntnisse: Künstliche Intelligenz nutzt historische und aktuelle Daten, um mögliche Ausfälle vorherzusagen und Wartungsarbeiten zu planen, bevor ein Problem auftritt.
- Proaktive Entscheidungsfindung: Künstliche Intelligenz hilft, Ausfälle zu vermeiden, so dass eine fehleranfällige menschliche Reaktion überflüssig wird.
6. Optimierung und Vereinfachung von Arbeitsabläufen: - Automatisiertes Berichtswesen: KI-Systeme erstellen unabhängige und detaillierte Berichte, die es dem menschlichen Prüfer ermöglichen, komplizierte Routinearbeiten zu erledigen.
- Stapelverarbeitung: KI kann mehrere Datensätze oder Bilder gleichzeitig auswerten, was die Inspektionsrate erhöht und die Arbeitsbelastung verringert.
Durch die Integration von KI kann NDT:
- Zuverlässigkeit und Konsistenz der ZfP-Dienstleistungen gewährleisten.
- Erhöhte Sicherheit und Zeitersparnis durch Reduzierung von Ausfallzeiten.
- Geringere Kosten durch manuelle Fehler oder unnötige Doppelprüfungen.
Beispiele für ZfP mit KI:
Einige Beispiele, wie KI in ZfP-Szenarien eingesetzt wurde, um menschliche Faktoren zu reduzieren und die Ergebnisse zu verbessern:
1. Durchstrahlungsprüfung (RT) für die Inspektion von Pipelines.
Anwendung: KI verfügt über Algorithmen, die in der Lage sind, Röntgenbilder von Pipelines zu analysieren und Risse, Korrosion und andere strukturelle Schäden zu erkennen.
Aufgabe der KI:
Die maschinellen Algorithmen werden mit umfangreichen Datensätzen gefüttert und sind bei der Suche nach Defekten genauer als menschliche Prüfer.
Kritische Bereiche werden von den automatisierten Systemen für zukünftige Untersuchungen markiert, so dass die Anzahl falsch, negativer Ergebnisse geringer ist als zuvor.
2. Ultraschallprüfung (UT) in der Flugzeugwartung
Anwendung: KI-gesteuerte Ultraschallsysteme werden bei der Suche nach Ermüdungskorrosionsrissen an Flugzeugteilen eingesetzt.
Die Rolle der KI:
Die Erkennung von Anomalien erfolgt durch die Analyse der Ultraschallwellenformen mittels verschiedener KI-Modelle.
Die Entscheidungsfindung in Echtzeit hängt nun weniger von der Interpretation komplexer Wellenmuster durch Menschen ab.
Auswirkungen: Die Genauigkeit und Zuverlässigkeit der Flugtüchtigkeitsbewertung wurde verbessert und der Zeitaufwand für die Inspektion erheblich reduziert.
Auswirkungen: Es werden mehr Defekte entdeckt, Ausfallzeiten werden reduziert und die Sicherheit bei Öl- und Gasarbeiten wird verbessert.
3. Visuelle Inspektion (VT) in der Fertigungsindustrie
Anwendung: KI-basierte Bildverarbeitungssysteme prüfen Automobilteile während der Produktion auf Fehler.
Die Rolle der KI:
Aufgenommene Bilder oder Videos werden mit Deep-Learning-Algorithmen interpretiert, um Kratzer, Dellen oder Ausrichtungsfehler an Bauteilen zu erkennen.
Durch induktives Lernen können die Systeme neue Fehlertypen erkennen.
Auswirkungen: Die Qualitätssicherung wird verbessert, menschliche Ermüdung minimiert und Ausschuss in der Produktion reduziert.
4. Infrarot-Thermografie (IRT) bei Bauwerksuntersuchungen
Anwendung AI interpretiert Wärmebilder, um Isolationsfehler, Feuchtigkeitsschäden oder Schwachstellen in der architektonischen Struktur von Gebäuden zu erkennen.
Die Rolle der KI:
Algorithmen, die in KI-Geräte zur Unterstützung eingebettet sind, analysieren Wärmebilddaten und identifizieren Hotspots und Anomalien.
Automatisierte Systeme erstellen Berichte mit verwertbaren Informationen.
Auswirkungen: Weniger Fehler bei der Interpretation von Wärmebilddaten, dadurch höhere Zuverlässigkeit der Ergebnisse und schnellerer Abschluss von Inspektionen.
5. Magnetpulverprüfung (MPT)
Anwendung KI-basierte Systeme analysieren die Muster von Magnetfeldern, um Diskontinuitäten zu lokalisieren.
Die Rolle der KI:
Die eingesetzten Algorithmen des maschinellen Lernens unterscheiden zwischen kleinen und großen Fehlern.
Automatisierte Systeme führen flächendeckende Inspektionen ohne menschlichen Eingriff durch.
Auswirkungen: Durch das Erkennen kritischer Situationen wird das Risiko von Fehlern reduziert und damit die Sicherheit erhöht.
Computertomographie (CT), zerstörungsfreie Prüfung (ZfP) von Turboladern. Aufgenommen mit hoher Auflösung durch Xray Lab.
Perspektiven der künstlichen Intelligenz in der zerstörungsfreien Prüfung
Die Entwicklung der zerstörungsfreien Prüfung kann auf die Implementierung einiger neuerer Technologien zurückgeführt werden, die sich derzeit in der Entwicklung befinden. Computer Vision, Deep Learning und die Verbesserung von IoT-Systemen werden den Bau fortschrittlicherer Prüfsysteme ermöglichen. Beispielsweise könnten Drohnen mit KI-gestützten Sensoren die Landschaft der Infrastrukturinspektionen verändern. Digitale Zwillinge, die virtuelle Kopien physischer Objekte sind, werden die Überprüfung in Echtzeit ermöglichen.
Mit der Verfügbarkeit von KI-Werkzeugen wird die zerstörungsfreie Prüfung für alle Industrien zugänglich.
Künstliche Intelligenz gewinnt immer mehr an Bedeutung und wird in Zukunft einen sehr hohen Einfluss auf die Industrie haben.
xis.ai's KI-basierte industrielle Inspektion macht ZfP schneller, sicherer und genauer
Was leisten Xray-Lab & xis.ai mit KI in der zerstörungsfreien Prüfung?
Xray-Lab und xis.ai sind beide auf die Verbesserung der zerstörungsfreien Prüfung (ZfP) durch fortschrittliche Technologien, insbesondere KI, spezialisiert, um die Fehlererkennung und Materialanalyse in verschiedenen Branchen zu verbessern. Xray-Lab bietet eine umfassende Palette an zerstörungsfreien Prüfverfahren wie Computertomographie (CT), Röntgenprüfung, Ultraschallprüfung (UT), Wirbelstromprüfung (ET), Farbeindringprüfung (PT) und Endoskopie/Videoskopie. Mit modernsten Geräten und KI-gestützten Analysewerkzeugen gewährleisten sie eine präzise Fehlererkennung und Materialanalyse, ohne die Produkte zu beschädigen. Sie setzen KI ein, um die ZfP durch Steigerung der Produktivität, Genauigkeit und Prüfgeschwindigkeit zu verbessern, und betonen die Bedeutung strukturierter digitaler Datenbanken wie PACS, um KI-Modelle für bessere Prüfprozesse zu trainieren.
In ähnlicher Weise automatisiert Xis.ai visuelle Qualitätsprüfungen mit Hilfe von KI und Robotik, wobei der Schwerpunkt auf der Fehlererkennung in Echtzeit liegt. Die No-Code-Computer-Vision-Plattform von Xis.ai integriert hochauflösende Kameras und KI-Algorithmen zur Erkennung von Fehlern. Die Lösungen von Xis.ai vereinfachen Inspektionsprozesse, reduzieren den Bedarf an manuellen Inspektionen und gewährleisten eine konsistente Qualitätskontrolle. Beide Unternehmen sehen das transformative Potenzial von KI in der zerstörungsfreien Prüfung, um Innovationen voranzutreiben, die Effizienz zu steigern und hohe Qualitätsstandards in Branchen wie der Fertigungsindustrie, der Pharmaindustrie, der Luft- und Raumfahrt und der Automobilindustrie zu gewährleisten.
Comment
0Comments
No comments yet.
