Tech in Asia, una publicación digital en línea que sirve a una comunidad tecnológica y empresarial muy comprometida de más de 3,5 millones de usuarios mensuales, pidió a nuestro Director de Tecnología que respondiera a las preguntas de Internet sobre InspectionTech y NDT. Vea la entrevista o eche un vistazo al guión de abajo y ponga a prueba sus conocimientos.
Hola, mi nombre es Antonio Caballero y soy el Director de Tecnología de Screening Eagle Technologies. Hoy estoy aquí para responder a algunas preguntas sobre InspectionTech en Internet.
Echemos un vistazo a la primera...
NDT son las siglas de Non-Destructive Testing, y como su nombre indica, es el proceso de inspeccionar, probar o evaluar las propiedades de los materiales, los componentes o elementos más grandes, como las infraestructuras, sin causar daños a la pieza original.
En otras palabras, no es necesario hacer un agujero en el muro de hormigón para probarlo.
Hay muchos tipos de END. Dependen de los materiales, del principio físico en el que se basa el método y de la aplicación. La inspección visual es el primer tipo de END, que es muy potente y útil para recoger los primeros datos. Otros tipos de END son, por ejemplo
- tecnología de rebote para el hormigón, el papel o las rocas
- los ultrasonidos para el hormigón, el metal o los materiales compuestos
- ensayos electromagnéticos... y muchos más.
Sí, existen varios métodos avanzados de END. Podríamos mencionar, por ejemplo, los ultrasonidos Phased Array, la difracción por tiempo de vuelo, los ensayos por corrientes de Foucault o el GPR de onda continuada.
Los métodos avanzados también son menos conocidos, y su procedimiento e interpretación de datos pueden ser muy complicados. Es posible que necesite un doctorado para entender algunos de ellos.
Por eso, en Screening Eagle Technologies nos centramos especialmente en el desarrollo de software inteligente para procesar los datos y simplificar la interpretación y la experiencia del usuario.
Nuestro objetivo es democratizar la tecnología y hacer que estos métodos avanzados de END sean fáciles y accesibles para todos.
Es difícil. Realmente depende de la tecnología GPR, de la aplicación y también del estado del activo.
Por ejemplo, nuestra tecnología de GPR se basa en un enfoque de frecuencia escalonada que ofrece una enorme ventaja en comparación con los GPR de impulsos. En esta tecnología, el sensor es capaz de modular la señal transmitida en una amplia gama de frecuencias, lo que permite obtener imágenes de alta resolución en zonas profundas.
Sin embargo, para los que les gustan los números, diría que la tecnología GPR puede lograr una precisión subcentimétrica en el hormigón dentro de los primeros 60 a 80 cm y una precisión subdecimétrica en el suelo dentro de los primeros 5 a 10 m.
Aunque parezca mentira, la mayoría de las inspecciones se siguen gestionando con papel y cámara. Todavía son métodos tradicionales que reducen la calidad y la disponibilidad de los datos.
Esto es muy crítico, ya que la salud y la seguridad de la infraestructura y de los usuarios dependen de ello.
Por eso hemos desarrollado una plataforma llamada INSPECT, que ofrece todas las herramientas necesarias en una sola aplicación. La gestión de los datos de inspección es fácil cuando se pueden fijar automáticamente los datos y las imágenes en la ubicación exacta, tener una visualización en 3D, la posibilidad de colaboración y generar informes en cuestión de segundos.
¡Gran pregunta!
El aprendizaje automático abre todo un mundo de posibilidades en lo que respecta a la inspección visual. Podría ayudar a superar retos como los altos costes, la falta de objetividad y la escasa trazabilidad.
Pongamos el siguiente ejemplo. Si se envía a dos técnicos a inspeccionar el mismo puente, su informe de inspección y su evaluación podrían ser muy diferentes. Probablemente informen de diferentes defectos, o los mismos defectos se informen con diferentes dimensiones o niveles de gravedad.
Este problema podría evitarse con el aprendizaje automático.
Por ejemplo, nuestro motor de aprendizaje automático, DEFECT, resuelve los problemas mencionados anteriormente. Todos los usuarios obtendrán los mismos resultados a la hora de detectar y digitalizar las grietas, es más rápido y totalmente trazable.
En el futuro, los modelos de aprendizaje automático no solo identificarán los defectos, sino que también proporcionarán una indicación de la causa. Todo muy emocionante, al menos para mí.
Por supuesto que sí. De hecho, el aprendizaje automático en combinación con el análisis de big data ya se está utilizando para predecir futuros defectos o para optimizar los procesos de mantenimiento en la maquinaria industrial, la industria aeroespacial, los equipos de minería y muchos otros.
La adopción de la IA y el análisis de big data en la construcción o la inspección de infraestructuras todavía va con retraso. Sin embargo, la oportunidad está ahí, y en Screening Eagle Technologies estamos trabajando muy duro en esa línea de I+D para salvar esa brecha tecnológica y ser capaces de anticiparse a los defectos con la suficiente antelación.
De alguna manera, ser capaces de proporcionar a los ingenieros y propietarios de activos una bola de cristal para predecir futuros defectos.
Otra pregunta interesante...
La monitorización de la salud estructural se refiere al método de evaluación y control de la salud estructural del activo.
Existe la idea errónea de que la monitorización de la salud estructural consiste únicamente en instalar sensores y recoger los datos de los mismos. Sin embargo, es más que eso.
Un sistema adecuado de supervisión de la salud estructural también debe tener en cuenta los datos recogidos de las inspecciones visuales y de END para generar una visión global del estado estructural del activo.
Para entenderlo mejor, pensemos en los sensores como en nuestro sistema nervioso... Nuestro sistema nervioso nos ayuda a percibir cosas a las que no podemos acceder o ver. Pero si sólo tuviéramos un sistema nervioso, es posible que no detectáramos algo que está mal en nuestra piel. Algo que verías fácilmente con tus ojos.
Por lo tanto, se necesitan todos los niveles de información, desde los datos de los sensores hasta las inspecciones visuales y NDT para tener realmente la imagen completa.
Bueno... El futuro se dirige hacia los modelos basados en datos y, con ello, hacia más posibilidades de aprovechar el aprendizaje automático y la ciencia de los datos en la supervisión de la salud estructural.
Las posibilidades son ilimitadas.
Por ejemplo, hará posible el mantenimiento predictivo gracias a la verificación continua y automática del estado del activo...
....Con ello se llegará a una optimización del presupuesto para el propietario, ya que dispondrá de toda la información necesaria para tomar la decisión correcta en el momento adecuado, sin poner en peligro la seguridad de las personas que lo utilizan...
....En general, todos podemos beneficiarnos de unos bienes más saludables que durarán más tiempo y preservarán nuestro entorno natural.
Para esta pregunta, me gustaría presentarte a Max. ¡¡¡Hola Max!!!
Los robots como Max pueden desempeñar un papel importante en el futuro de la inspección. El uso de drones o robots autónomos, transformará toda la industria de la inspección, aumentando la calidad, la seguridad y aportando un enorme impulso a la productividad.
Bueno, ¡eso es todo por mi parte hoy! Espero haber despertado en vosotros más curiosidad por el mundo de la InspectionTech. ¡Gracias por vernos!
¿Quiere saber más sobre los ensayos no destructivos con InspectionTech inteligente? Póngase en contacto con nosotros para hablar con uno de nuestros expertos en todo el mundo y que le respondan a sus preguntas: estamos presentes en más de 100 países.