Tech in Asia, una pubblicazione digitale online che serve una comunità tecnologica e commerciale altamente impegnata di oltre 3,5 milioni di utenti mensili, ha chiesto al nostro Chief Technology Officer di rispondere alle domande di internet su InspectionTech e NDT. Guarda l'intervista o dai un'occhiata allo script qui sotto e metti alla prova le tue conoscenze!

Salve, mi chiamo Antonio Caballero e sono il Chief Technology Officer di Screening Eagle Technologies. Oggi sono qui per rispondere ad alcune domande di InspectionTech da Internet.

Diamo un'occhiata alla prima...

Che cos'è NDT?

NDT è l'acronimo di Non-Destructive Testing e, come dice il nome, è il processo di ispezione, test o valutazione delle proprietà dei materiali, dei componenti o di elementi più grandi come le infrastrutture senza causare danni alla parte originale.

In altre parole, non è necessario fare un buco nel muro di cemento per testarlo.

Quali sono i tipi di NDT?

Ci sono molti tipi di NDT. Dipende dai materiali, dal principio fisico dietro il metodo e dall'applicazione. L'ispezione visiva è il primo tipo di NDT, che è molto potente e utile per raccogliere le prime informazioni. Altri tipi di NDT sono per esempio

- la tecnologia a rimbalzo per calcestruzzo, carta o rocce

- ultrasuoni per calcestruzzo, metallo o materiali compositi

- test elettromagnetici... e molti altri.

Ci sono metodi non distruttivi avanzati?

Sì, ci sono diversi metodi NDT avanzati. Potremmo menzionare per esempio, Ultrasonic Phased Array, Time of Flight Diffraction, Eddy Current Testing o Step-Frequency Continuous Wave GPR.

I metodi avanzati sono anche meno compresi, e la loro procedura e interpretazione dei dati potrebbe essere molto complicata. Potrebbe essere necessario un dottorato di ricerca per capirne alcuni.

Ecco perché noi di Screening Eagle Technologies ci concentriamo in particolare sullo sviluppo di un software intelligente per elaborare i dati e semplificare l'interpretazione e l'esperienza dell'utente.

Il nostro obiettivo è democratizzare la tecnologia e rendere questi metodi NDT avanzati facili e accessibili a tutti.

Quanto è accurato il radar a penetrazione del suolo (GPR)?

Difficile! Questo dipende davvero dalla tecnologia GPR, dall'applicazione e anche dalle condizioni del bene.

Per esempio, la nostra tecnologia GPR si basa su un approccio a frequenza modulata che offre un enorme vantaggio rispetto ai GPR a impulsi. In questa tecnologia, il sensore è in grado di modulare il segnale trasmesso in una vasta gamma di frequenze, portando a immagini ad alta risoluzione in aree profonde.

Tuttavia, per quelli a cui piace tenere dei numeri, direi che la tecnologia GPR può raggiungere una precisione sub-centimetrica nel cemento entro i primi 60-80 cm e una precisione sub-decimetrica nel suolo entro i primi 5-10 m.

Come vengono raccolti e gestiti i dati delle ispezioni?

Che ci crediate o no, la maggior parte delle ispezioni sono ancora gestite con carta e telecamera! Ancora, metodi tradizionali che riducono la qualità e la disponibilità dei dati.

Questo è molto critico perché la salute e la sicurezza dell'infrastruttura e degli utenti dipendono da questo.

Ecco perché abbiamo sviluppato una piattaforma chiamata INSPECT, che fornisce tutti gli strumenti necessari in un'unica applicazione. Gestire i dati delle ispezioni è facile quando è possibile appuntare automaticamente i dati e le immagini nella posizione esatta, avere una visualizzazione 3D, possibilità di collaborazione e generare rapporti in una manciata di secondi!

Come può essere usato il machine learning per l'ispezione visiva automatizzata?

Ottima domanda!

Il machine learning apre un intero mondo di possibilità per quanto riguarda l'ispezione visiva. Potrebbe aiutare a superare sfide come i costi elevati, la mancanza di obiettività e la scarsa tracciabilità.

Prendiamo il seguente esempio. Se due tecnici vengono mandati a ispezionare lo stesso ponte, il loro rapporto d'ispezione e la loro valutazione potrebbero essere molto diversi. Probabilmente riportano difetti diversi, o gli stessi difetti sono riportati con dimensioni o livelli di gravità diversi.

Questo problema potrebbe essere evitato con il Machine Learning.

Per esempio, il nostro motore di apprendimento automatico, DEFECT, risolve i problemi di cui sopra. Tutti gli utenti otterranno gli stessi risultati nel rilevamento e nella digitalizzazione delle crepe, è più veloce e completamente tracciabile.

In futuro, i modelli di apprendimento automatico non solo identificheranno i difetti, ma forniranno anche un'indicazione della causa. Tutto molto eccitante, almeno per me.

L'intelligenza artificiale può prevedere i difetti futuri?

Assolutamente sì! Infatti, l'apprendimento automatico in combinazione con l'analisi dei big data viene già utilizzato per prevedere i difetti futuri o per ottimizzare i processi di manutenzione in macchinari industriali, aerospaziali, attrezzature minerarie e molti altri.

L'adozione dell'AI e dell'analisi dei big data nella costruzione o nell'ispezione delle infrastrutture è ancora in ritardo. Tuttavia, l'opportunità c'è, e a Screening Eagle Technologies, stiamo lavorando molto duramente in quella linea di R&D per colmare quel gap tecnologico ed essere in grado di anticipare i difetti abbastanza presto.

In qualche modo, essere in grado di fornire agli ingegneri e ai proprietari di beni una sfera di cristallo per prevedere i difetti futuri.

Cos'è il monitoraggio della salute strutturale?

Un'altra domanda interessante...

Il monitoraggio della salute strutturale si riferisce al metodo di valutazione e controllo della salute strutturale del bene.

C'è l'idea errata generale che il monitoraggio dell'integrità strutturale consista solo nell'installare sensori e raccogliere i dati da essi. Tuttavia, è più di questo.

Un adeguato sistema di monitoraggio della salute strutturale dovrebbe anche considerare i dati raccolti dalle ispezioni visive e NDT per generare una panoramica olistica delle condizioni strutturali dell'asset.

Per capirlo meglio, pensiamo ai sensori come al nostro sistema nervoso... Il nostro sistema nervoso ci aiuta a percepire cose a cui non possiamo accedere o vedere. Ma se tu avessi solo un sistema nervoso, potresti non rilevare qualcosa di sbagliato che accade sulla tua pelle. Qualcosa che vedreste facilmente con i vostri occhi.

Pertanto, è necessario disporre di tutti i livelli di informazione, dai dati dei sensori alle ispezioni visive e NDT per avere davvero il quadro completo.

Quali sono le applicazioni del machine learning e della scienza dei dati nel monitoraggio della salute strutturale?

Beh... Il futuro si sta dirigendo verso modelli guidati dai dati e con ciò più possibilità di sfruttare l'apprendimento automatico e la scienza dei dati nel monitoraggio della salute strutturale.

Le possibilità sono illimitate.

Per esempio, renderà possibile la manutenzione predittiva grazie alla verifica continua e automatica delle condizioni dell'asset...

....Con questo si arriverà a un'ottimizzazione del budget per il proprietario, poiché avrà tutte le informazioni necessarie per prendere la decisione giusta al momento giusto, senza mettere in pericolo la sicurezza delle persone che lo utilizzano...

....Infine possiamo tutti beneficiare di beni più sani che dureranno più a lungo e preservare il nostro ambiente naturale.

I robot vengono utilizzati per l'ispezione autonoma?

Per questa domanda, vorrei presentarvi Max. Ciao Max!!!

I robot come Max possono giocare un ruolo importante nel futuro dell'ispezione. L'uso di droni autonomi o robot, trasformerà l'intero settore dell'ispezione, aumentando la qualità, la sicurezza e portando un enorme aumento della produttività.

Bene, questo è tutto da parte mia oggi! Spero di aver acceso in voi una maggiore curiosità sul mondo dell'InspectionTech. Grazie per avermi seguito!

Vuoi saperne di più sui test non distruttivi con InspectionTech intelligente? Contattateci per parlare con uno dei nostri esperti in tutto il mondo e avere una risposta alle vostre domande - siamo presenti in oltre 100 paesi.