Tech in Asia, une publication numérique en ligne qui sert une communauté technologique et commerciale très engagée de plus de 3,5 millions d'utilisateurs mensuels, a demandé à notre directeur de la technologie de répondre aux questions de l'Internet sur InspectionTech et NDT. Regardez l'interview ou jetez un coup d'œil au script ci-dessous et testez vos connaissances !
Bonjour, je m'appelle Antonio Caballero et je suis le directeur de la technologie chez Screening Eagle Technologies. Je suis ici aujourd'hui pour répondre à quelques questions d'Internet sur les technologies d'inspection.
Jetons un coup d'œil à la première...
NDT est l'abréviation de Non-Destructive Testing, et comme son nom l'indique, il s'agit du processus d'inspection, de test ou d'évaluation des propriétés des matériaux, des composants ou des éléments plus importants tels que les infrastructures, sans endommager la pièce d'origine.
En d'autres termes, vous n'avez pas besoin de faire un trou dans le mur en béton pour le tester.
Il existe de nombreux types de CND. Ils dépendent des matériaux, du principe physique qui sous-tend la méthode et de l'application. L'inspection visuelle est le premier type de CND, qui est très puissant et utile pour collecter les premiers éléments d'information. Les autres types de CND sont par exemple
- la technologie du rebond pour le béton, le papier ou les roches
- les ultrasons pour le béton, le métal ou les composites
- les essais électromagnétiques... et bien d'autres encore.
Oui, il existe plusieurs méthodes avancées de CND. On peut citer, par exemple, le réseau phasé ultrasonique, la diffraction en temps de vol, le contrôle par courants de Foucault ou le GPR à ondes continues et à fréquence échelonnée.
Les méthodes avancées sont également moins bien comprises, et leur procédure et l'interprétation des données peuvent être très compliquées. Vous aurez peut-être besoin d'un doctorat pour comprendre certaines d'entre elles.
C'est pourquoi, chez Screening Eagle Technologies, nous mettons un accent particulier sur le développement de logiciels intelligents pour traiter les données et simplifier l'interprétation et l'expérience de l'utilisateur.
Notre objectif est de démocratiser la technologie et de rendre ces méthodes avancées de CND faciles et accessibles à tous.
C'est difficile ! Cela dépend vraiment de la technologie GPR, de l'application et de l'état du bien.
Par exemple, notre technologie GPR est basée sur une approche à fréquence échelonnée qui offre un avantage énorme par rapport aux GPR pulsés. Dans cette technologie, le capteur est capable de moduler le signal transmis dans une large gamme de fréquences, ce qui permet d'obtenir des images haute résolution dans les zones profondes.
Cependant, pour ceux qui aiment garder des chiffres, je dirais que la technologie GPR peut atteindre une précision sub-centimétrique dans le béton dans les 60 à 80 premiers centimètres et une précision sub-décimétrique dans le sol dans les 5 à 10 premiers mètres.
Croyez-le ou non, la plupart des inspections sont encore gérées avec du papier et une caméra ! Encore des méthodes traditionnelles qui réduisent la qualité et la disponibilité des données.
Ceci est très critique car la santé et la sécurité de l'infrastructure et des utilisateurs en dépendent.
C'est pourquoi nous avons développé une plateforme appelée INSPECT, qui fournit tous les outils nécessaires dans une seule application. La gestion des données d'inspection est facile lorsque vous pouvez automatiquement épingler vos données et vos images à l'emplacement exact, disposer d'une visualisation 3D, d'une possibilité de collaboration et générer des rapports en quelques secondes !
Bonne question !
L'apprentissage automatique ouvre un monde entier de possibilités en matière d'inspection visuelle. Il pourrait aider à surmonter des défis tels que les coûts élevés, le manque d'objectivité et une mauvaise traçabilité.
Prenons l'exemple suivant. Si deux techniciens sont envoyés pour inspecter le même pont, leur rapport d'inspection et leur évaluation pourraient être très différents. Ils signalent probablement des défauts différents, ou les mêmes défauts sont signalés avec des dimensions ou des niveaux de gravité différents.
Ce problème pourrait être évité grâce à l'apprentissage automatique.
Par exemple, notre moteur d'apprentissage automatique, DEFECT, résout les problèmes mentionnés ci-dessus. Tous les utilisateurs obtiendront les mêmes résultats lors de la détection et de la numérisation des fissures, c'est plus rapide et entièrement traçable.
À l'avenir, les modèles d'apprentissage automatique ne se contenteront pas d'identifier les défauts, mais fourniront également une indication de leur cause. Tout cela est très excitant, du moins pour moi.
Absolument, oui ! En fait, l'apprentissage automatique combiné à l'analyse des big data est déjà utilisé pour prédire les défauts futurs ou pour optimiser les processus de maintenance dans les machines industrielles, l'aérospatiale, les équipements miniers et bien d'autres.
L'adoption de l'IA et de l'analyse des big data dans la construction ou l'inspection des infrastructures est encore à la traîne. Cependant, l'opportunité est là, et chez Screening Eagle Technologies, nous travaillons très dur dans cette ligne de R&D pour combler ce fossé technologique et être capable d'anticiper les défauts suffisamment tôt.
En quelque sorte, être capable de fournir aux ingénieurs et aux propriétaires d'actifs une boule de cristal pour prédire les défauts futurs.
Une autre question intéressante...
La surveillance de la santé structurelle fait référence à la méthode d'évaluation et de contrôle de la santé structurelle d'un bien.
On pense généralement à tort que la surveillance de la santé structurelle consiste uniquement à installer des capteurs et à collecter les données qu'ils contiennent. Or, c'est bien plus que cela.
Un bon système de surveillance de l'état structurel doit également prendre en compte les données recueillies lors des inspections visuelles et des contrôles non destructifs afin de générer une vue d'ensemble de l'état structurel de l'actif.
Pour mieux comprendre, considérons les capteurs comme notre système nerveux... Notre système nerveux nous aide à percevoir des choses auxquelles nous n'avons pas accès ou que nous ne pouvons pas voir. Mais si vous n'aviez qu'un système nerveux, vous ne détecteriez peut-être pas quelque chose d'anormal au niveau de votre peau. Quelque chose que vous verriez facilement avec vos yeux.
C'est pourquoi vous avez besoin de tous les niveaux d'information, des données des capteurs aux inspections visuelles et CND, pour avoir vraiment une vue d'ensemble.
Eh bien... L'avenir se dirige vers des modèles axés sur les données et, avec cela, davantage de possibilités d'exploiter l'apprentissage automatique et la science des données dans la surveillance de la santé structurelle.
Les possibilités sont illimitées.
Par exemple, cela rendra possible la maintenance prédictive grâce à la vérification continue et automatique de l'état de l'actif....
....Avec cela, on en viendra à une optimisation budgétaire pour le propriétaire, car il disposera de toutes les informations nécessaires pour prendre la bonne décision au bon moment, sans mettre en danger la sécurité des personnes qui l'utilisent....
....En somme, nous pouvons tous bénéficier de biens plus sains qui dureront plus longtemps et préserveront notre environnement naturel.
Pour cette question, j'aimerais vous présenter Max. Bonjour Max !
Les robots comme Max peuvent jouer un rôle important dans l'avenir de l'inspection. L'utilisation de drones ou de robots autonomes transformera l'ensemble du secteur de l'inspection, en augmentant la qualité, la sécurité et en apportant un formidable élan à la productivité.
Eh bien, c'est tout pour moi aujourd'hui ! J'espère avoir éveillé votre curiosité pour le monde de l'inspection technique. Merci de votre attention !
Vous voulez en savoir plus sur les essais non destructifs avec InspectionTech intelligent ? Contactez-nous pour parler avec l'un de nos experts dans le monde entier et obtenir des réponses à vos questions - nous sommes présents dans plus de 100 pays.