Espaço de Inspecção

Onde a comunidade de Inspecção e
NDT se reúnem
Group 1633.svg

Dr. Antonio Caballero apresenta em   Tecnologia na Ásia  

TechInAsia_01_0010.jpg

Tech in Asia, uma publicação digital online que serve uma comunidade tecnológica e empresarial altamente empenhada de mais de 3,5 milhões de utilizadores mensais, pediu ao nosso Chefe de Tecnologia para responder a perguntas da Internet sobre InspectionTech e NDT. Assista à entrevista ou veja o guião abaixo e teste os seus conhecimentos!

Olá, o meu nome é Antonio Caballero e sou o Director de Tecnologia na Screening Eagle Technologies. Estou aqui hoje para responder a algumas perguntas da InspectionTech a partir da Internet.

Vejamos a primeira...

O que é NDT?

NDT significa Non-Destructive Testing, e como o nome indica, é o processo de inspecção, teste ou avaliação de propriedades materiais, componentes ou elementos maiores, tais como infra-estruturas, sem causar danos à peça original.

Por outras palavras, não é necessário fazer um buraco na parede de betão para a testar.

Quais são os tipos de NDT?

Existem muitos tipos de END. Depende dos materiais, do princípio físico por detrás do método e da aplicação. A inspecção visual é o primeiro tipo de END, que é muito poderoso e útil para recolher as primeiras peças de informação. Outros tipos de END são, por exemplo

- tecnologia de ricochete para betão, papel ou rochas

- ultra-som para betão, metal ou compósitos

- testes electromagnéticos... e muitos mais.

Existem métodos não destrutivos avançados?

Sim, existem vários métodos não destrutivos avançados. Poderíamos mencionar, por exemplo, o Ultrasonic Phased Array, Time of Flight Diffraction, Eddy Current Testing ou Step-Frequency Continuous Wave GPR.

Os métodos avançados são também menos compreendidos, e o seu procedimento e interpretação de dados pode ser muito complicado. Pode ser necessário um Ph.D. para compreender alguns deles.

É por isso que na Screening Eagle Technologies, damos especial atenção ao desenvolvimento de software inteligente para processar os dados e simplificar a interpretação e a experiência do utilizador.

O nosso objectivo é democratizar a tecnologia e tornar esses métodos avançados de NDT fáceis e acessíveis a todos.

Qual é a precisão do radar de penetração no solo (GPR)?

Enganoso! Isto depende realmente da tecnologia de GPR, da aplicação e também do estado do bem.

Por exemplo, a nossa tecnologia de GPR baseia-se numa abordagem por etapas que dá uma enorme vantagem em comparação com os GPRs pulsantes. Nesta tecnologia, o sensor é capaz de modular o sinal transmitido numa vasta gama de frequências, levando a imagens de alta resolução em áreas profundas.

No entanto, para aqueles que gostam de manter alguns números, eu diria que a tecnologia GPR pode atingir uma precisão sub-cêntrica no betão dentro dos primeiros 60 a 80cm e uma precisão sub-dimétrica no solo dentro dos primeiros 5 a 10m.

Como são recolhidos e geridos os dados das inspecções?

Acredite ou não, a maioria das inspecções ainda são geridas com papel e máquina fotográfica!! Ainda assim, métodos tradicionais que reduzem a qualidade e disponibilidade dos dados.

Isto é muito crítico, uma vez que a saúde e a segurança da infra-estrutura e dos utilizadores dependem dela.

É por isso que desenvolvemos uma plataforma chamada INSPECT, que fornece todas as ferramentas necessárias numa única aplicação. A gestão dos dados de inspecção é fácil quando se pode fixar automaticamente os seus dados e imagens no local exacto, ter visualização 3D, possibilidade de colaboração e gerar relatórios numa questão de segundos!

Como pode a aprendizagem mecânica ser utilizada para a inspecção visual automatizada?

Grande pergunta!

A aprendizagem de máquinas abre todo um mundo de possibilidades no que diz respeito à inspecção visual. Pode ajudar a superar desafios como os custos elevados, a falta de objectividade e a má rastreabilidade.

Vejamos o seguinte exemplo. Se dois técnicos forem enviados para inspeccionar a mesma ponte, o seu relatório de inspecção e avaliação poderá ser muito diferente. Provavelmente, reportam defeitos diferentes, ou os mesmos defeitos são reportados com dimensões ou níveis de severidade diferentes.

Este problema poderia ser evitado com a aprendizagem de máquinas.

Por exemplo, o nosso motor de aprendizagem de máquinas, DEFECT, resolve os problemas acima mencionados. Todos os utilizadores obterão os mesmos resultados ao detectar e digitalizar fissuras, é mais rápido e totalmente rastreável.

No futuro, os modelos de aprendizagem de máquinas não só identificarão defeitos, mas também fornecerão uma indicação da causa. Tudo muito excitante, pelo menos para mim.

Pode a Inteligência Artificial prever defeitos futuros?

Absolutamente sim! De facto, a aprendizagem de máquinas em combinação com grandes análises de dados já está a ser utilizada para prever defeitos futuros ou para optimizar processos de manutenção em maquinaria industrial, aeroespacial, equipamento mineiro e muitos outros.

A adopção de IA e de grandes análises de dados na construção ou inspecção de infra-estruturas ainda está atrasada. Contudo, a oportunidade existe, e na Screening Eagle Technologies, estamos a trabalhar arduamente nessa linha de I&D para colmatar essa lacuna tecnológica e ser capazes de antecipar os defeitos suficientemente cedo.

De alguma forma, ser capaz de fornecer aos engenheiros e proprietários de bens uma bola de cristal para prever defeitos futuros.

O que é a monitorização estrutural da saúde?

Outra pergunta interessante...

A monitorização da saúde estrutural refere-se ao método de avaliação e controlo da saúde estrutural do bem.

Existe o equívoco geral de que a monitorização estrutural da saúde consiste apenas na instalação de sensores e na recolha de dados a partir deles. No entanto, é mais do que isso.

Um sistema adequado de monitorização da saúde estrutural deve também considerar os dados recolhidos nas inspecções visuais e END, a fim de gerar uma visão holística da condição estrutural do bem.

Para compreender melhor isto, pensemos nos sensores como o nosso sistema nervoso... O nosso sistema nervoso ajuda-nos a sentir coisas a que não podemos aceder ou ver. Mas se apenas tivermos um sistema nervoso, podemos não detectar algo de errado a acontecer na nossa pele. Algo que facilmente veria com os seus olhos.

Portanto, precisa de todos os níveis de informação, desde os dados dos sensores até às inspecções visuais e NDT para ter realmente a imagem completa.

Quais são as aplicações da aprendizagem de máquinas e da ciência dos dados na monitorização da saúde estrutural?

Bem... O futuro caminha para modelos orientados para os dados e com isso mais possibilidades de alavancar a aprendizagem de máquinas e a ciência dos dados na monitorização da saúde estrutural.

As possibilidades são ilimitadas.

Por exemplo, tornará possível a manutenção preditiva graças à verificação contínua e automática do estado do bem...

.... Com isso chegará a uma optimização do orçamento para o proprietário, pois ele ou ela terá toda a informação necessária para tomar a decisão certa na altura certa, sem pôr em perigo a segurança das pessoas que a utilizam...

....sobretudo podemos todos beneficiar de bens mais saudáveis que durarão mais tempo e preservarão o nosso ambiente natural.

Os robots são utilizados para inspecção autónoma?

Para esta pergunta, gostaria de vos apresentar o Max. Olá Max!!!

Robôs como o Max podem desempenhar um papel importante no futuro da inspecção. A utilização de zangões ou robots autónomos, transformará toda a indústria de inspecção, aumentando a qualidade, a segurança e trazendo um tremendo aumento da produtividade.

Bem, hoje é tudo por mim! Espero ter despertado em si mais curiosidade sobre o mundo de InspectionTech. Obrigado por estarem atentos!

Quer saber mais sobre ensaios não destrutivos com a InspectionTech inteligente? Contacte-nos para falar com um dos nossos peritos em todo o mundo e ter as suas perguntas respondidas - estamos presentes em mais de 100 países.

Conteúdo relacionado