آشنایی با NDT 4.0 – بخش دوم

اتصال ابری و یکپارچگی سیستمی در صنعت 4

بخش دیگری که در موضوع NDT 4.0 ارزیابی می‌کنیم، اتصال ابری (Cloud connection) و یکپارچگی سیستمی (system integration) است. با فناوری امروز، تقریباً همه چیز قابل اتصال است. مثلا سیستم‌ها به مانیتورهای از راه دور یا به دیگر سیستم‌های متصل هستند و یا سیستم‌های در کارخانه‌های مختلف، و حتی در صورت تمایل، کارخانه‌های کامل متصل در سراسر جهان نیز وجود دارند.

امروزه تصویر گزینی Image acquisition در محل امکان پذیر است که دانشمندان علم کامپیوتر آن را “لبه” Edge می‌نامند؛ در این روش، تفسیر مرکزی در یک مرکز کاملا مناسب انجام می گیرد. این روش میتواند یک راه‌حل برای جبران کمبود نیروی کار متخصص که بسیاری از شرکت‌ها با آن مواجه هستند یا ناهماهنگی‌های ناشی از بار زیاد کاری باشد. رابط‌های استاندارد شده در ارتباطات ماشین‌ها مانند OPC UA به سیستم‌ها اجازه تعامل می‌دهند.

Edge AI یا هوش مصنوعی لبه یک روش به‌کار‌گیری از هوش مصنوعی است که بدون نیاز به ارتباط دائمی با مراکز داده مرکزی و ابری (سرورهای ابری) ، الگوریتم‌ها روی دستگاه‌های سخت‌افزاری محلی (دستگاه‌هایی با قابلیت انجام محاسبات درون خود) مورد استفاده قرار می‌گیرد. این مفهوم برخلاف رویه همیشگی است که در آن توسعه و اجرای نرم افزار‌های مبتنی بر هوش مصنوعی کاملا در ابر cloud ai انجام می‌گرفت، همچنین بسیار با روش‌های قدیمی توسعه هوش مصنوعی که برای انجام کار های خاصی مانند خواندن ارقام چک بانکی استفاده می‌شد تفاوت دارد. در نتیجه این رویکرد در نزدیک‌ترین نقطه به سرور، امکان پردازش و آنالیز داده را برای شما فراهم می‌کند.

بیشتر بخوانید : آشنایی با NDT 4.0

نمونه بهره گیری فناوری NDT 4.0 در تست غیرمخرب

در حال حاضر، تست غیرمخرب اغلب فقط برای اطمینان از کیفیت در نظر گرفته می‌شود، اما می‌تواند اطلاعات بیشتری را ارائه دهد.

بیایید فرض کنیم یک شرکت ریخته‌گری هر 20 ثانیه یک قطعه آلومینیومی تولید می‌کند. گاهی اوقات پارامترهای فرآیند تولید از محدوده خارج می‌شوند و قطعات معیوب (مثلاً تخلخل‌ها) تولید می‌شوند. این شرکت برای جلوگیری از تولید و تحویل این قطعات، رادیوگرافی دیجیتال انجام می‌دهد. در گذشته این روند بدین شکل بود که بازرسی اشعه ایکس در انتهای خط با تأخیری قابل توجه از چند ساعت تا حتی چند روز بین ریخته‌گری و بازرسی انجام می‌شد. با نزدیک‌تر کردن این دو وظیفه به یکدیگر، تولید کننده دو مزیت را ایجاد میکند:
• اول انجام مراحل ارزش افزوده کمتر روی قطعات معیوب، و مهمتر از آن:
• سیستم اشعه ایکس که می‌تواند با سیستم ریخته‌گری ارتباط برقرار کند و با افزایش نرخ ضایعات از حد مجاز “هشدار” دهد یا حتی بهتر از آن، مستقیماً با فرآیند تولید ارتباط برقرار کند تا تصحیح خودکار را ممکن سازد. به این ترتیب فرآیند ریخته‌گری می‌تواند تصحیح شود تا به کیفیت مطلوب بازگردد – اکنون NDT باعث صرفه‌جویی زیادی برای شرکت شده است.

یکپارچه سازی در NDT 4.0

همه این اقدامات نوید افزایش قابل توجهی در بهره‌وری را می‌دهند، اما اگر این اقدامات با هم انجام شوند، اثرات آن‌ها حتی بیشتر هم می‌شود.

فرض کنیم که سیستم رباتیکی که در بالا ذکر شد، در کارخانه‌های A و B نصب شده است و فرض کنیم که در آن منطقه کمبود نیروی بازرسی واجد شرایط وجود دارد، شرکت تصمیم می‌گیرد تمام تصاویر را به کارخانه C که مرکز برتر NDT آن است، انتقال دهد. تفسیر تصاویر به صورت مرکزی برای تمام مکان‌های دیگر انجام می‌شود. در همین حال، اطمینان حاصل می‌شود که یک مبنا برای کیفیت بازرسی وجود دارد.

همه داده‌ها در یک مرکز داده محلی بایگانی می‌شوند و سیستم هوش مصنوعی در پس‌زمینه به طور مداوم آموزش دیده و ارتقا می یابد. هرچه سیستم هوشمندتر شود، بازرسان و مفسران کمک بیشتری دریافت می‌کنند که به وسیله آن میتوانند کیفیت ارزیابی را بیشتر بهبود ‌بخشند. این مثال ساده نشان می‌دهد که رباتیک، اتصال ابری، یکپارچگی سیستم و هوش مصنوعی می‌توانند چه تأثیر قدرتمندی بر صنعت ما داشته باشند.

گستره پوشش NDT 4.0

جهان تا کنون هرگز پیچیده تر از این نبوده است و با گسترش زنجیره های تامین برای پوشش دادن هر گوشه از جهان، ما شاهد ظهور اتوماسیون در مقیاس بزرگ در سطح مغازه ها و فروشگاه ها و فراتر از آن هستیم. به‌ویژه اقتصادهای غربی با رقابت فزاینده‌ای از سوی کشورهای کم‌هزینه روبرو هستند که به سرعت از نظر فناوری عقب می مانند. بسیاری از بخش‌های دیگر در شرکت‌ها در حال حاضر به دلیل اختلال دیجیتالی تغییر کرده‌اند و ربات‌ها در بسیاری از زمینه‌ها به مشارکت‌کنندگان ارزشمندی تبدیل شده‌اند.

در هر بخش، از خودرو گرفته تا هوافضا، تأثیر اتوماسیون غیرقابل انکار است. امروزه شرکت‌ها فهمیده‌اند که در یک رقابت جهانی هستند و ادامه دادن امور به آن روشی که همیشه انجام میدانند به احتمال زیاد عواقب شدیدی در پی خواهد داشت.

بیشتر بخوانید: مزایای استفاده از هوش مصنوعی در تجزیه‌وتحلیل داده بازرسی غیر مخرب لوله

کیفیت در NDT 4.0

تست غیرمخرب به طور سنتی در مورد تغییر محتاط بوده است و دلایل خوبی برای آن وجود دارد. چرا که در نهایت همه ما مسئول کیفیت محصولی هستیم که توسط شرکت هایمان تحویل می گردد.

به عنوان نگهبانان کیفیت، صنعت NDT شبکه ای قوی از استانداردها و مقررات سفت و سخت ایجاد کرده است. عملکرد بالای یک سیستم کیفیت بی سابقه است که از محصولات محافظت می کند، اما از جنبه منفی، این سختی ها اغلب می توانند سرعت کار را به میزان قابل توجهی کاهش دهند. به عنوان مثال اخیرا، یک تامین کننده در صنعت هوافضا با تغییر تکنولوژی از اشعه ایکس به رادیوگرافی دیجیتال، رباتیک و کنترل های عددی کامپیوتری، صرفه جویی قابل توجهی در هزینه ها (با ضریب تقریبی ده) ایجاد کرد. نرخ بازگشت سرمایه یا (ROI) شگفت انگیز بود و به شرکت کمک می کرد تا در برابر رقبای جدید خود در کشورهای مختلف در تجارت باقی بماند. متأسفانه، این پروژه باید متوقف می‌شد، زیرا مشخص شد که قطعات تحت استانداردی که در دهه 1970 ایجاد شده بود، اداره می‌شوند، که نمی‌توان آن را تغییر داد. چنین شرایطی در صنعت ما بسیار متداول است و به طور مؤثر ارزش عظیمی را که می تواند برای شرکت ها و کشورهای ما بدست آورد، از بین می برد.

بیشتر بخوانید: سرمایه گذاری تحصیلی در تست غیر مخرب

گرچه چنین داستان هایی رایج هستند، صنعت تست غیرمخرب در حال حاضر شاهد یک تحول اساسی است. فن‌آوری‌ها و رویکردهای جدید در چندین صنعت مانند خودروسازی که الزامات کیفی سخت‌تری نسبت به مثلاً هوافضا دارند، پذیرفته شده‌اند. برای مثال اخیرا یکی از تولیدکنندگان پیشرو خودرو در آلمان به تازگی سیستم توموگرافی کامپیوتری Computed Tomography (CT) را برای بازرسی روتورها برای موتورهای الکتریکی اتخاذ کرده است. این سیستم از یک ربات صنعتی برای مدیریت قطعات و از هوش مصنوعی برای تفسیر تصاویر استفاده می کند. در همان زمان، سیستم به طور کامل به سیستم ابری شرکت متصل است و تمام داده ها را در زمان واقعی پردازش می کند. مهارت های مورد نیاز برای اپراتورهای این سیستم با آنچه برای فرآیند دستی گذشته مورد نیاز بود کاملاً متفاوت است.

درک تحول مداوم و سرمایه گذاری زودهنگام بر روی مهارت های جدید بسیار مهم است.

NDT به عنوان یک حسگر

روندهای مبتنی بر داده در صنعت 4.0 و تست غیر مخرب 4.0 با اطلاعات ارائه شده توسط حسگرها تقویت می‌شوند. این حسگرها همه جا حاضرند و از نقاط داده‌ی مجزا مانند دما، زمان، موقعیت و غیره گرفته تا پیچیده‌ترین حسگرهایی که اطلاعاتی با عمق بسیار بالاتر ارائه می‌دهند، گسترده‌اند. یکی از این حسگرها که در NDT یافت می‌شود، سیستم‌های CT است – شاید بتوان گفت این حسگر توانایی ارائه بالاترین سطح اطلاعات در مورد محصول و فرآیندهای یک شرکت را دارد.

وقتی از فکر کردن به تصاویر اشعه ایکس به عنوان تنها ورودی‌های کیفیت NDT دست برداریم، شروع به دیدن سطح بعدی ارزش در این داده‌ها می‌کنیم. این در مورد تصاویر دو بعدی و سه بعدی صادق است – بنابراین باید از خود بپرسیم که از صدها و هزاران تصویری که تولید می‌کنیم چه چیزهای دیگری می‌توانیم یاد بگیریم؟

تصور کنید که فرآیند تولید از تغییرات ظریفی که در این تصاویر اتفاق می‌افتد و در بازرسی‌های کیفی معمولاً نادیده گرفته می‌شود، چه چیزهای دیگری می‌تواند کسب کند. سپس این اثر را با ارتباط دادن این تغییرات کوچک با داده‌های به دست آمده از سایر پارامترهای فرآیند مورد استفاده برای ساخت همان قطعه، ترکیب کنید. امکانات بی‌شماری وجود دارد و دنیای NDT می‌تواند به ارائه این اطلاعات افتخار کند – نه فقط در مورد کیفیت، بلکه در مورد بهبود و کنترل فرآیند.

این توسعه اهمیت NDT را بیش از پیش افزایش خواهد داد. مهم است که کیفیت را ارزیابی کرده و اطلاعاتی ارائه دهیم که آیا یک قطعه قابل قبول است یا باید دور ریخته شود. ارزش بیشتر این خواهد بود که اطلاعاتی نیز در مورد چگونگی جلوگیری از دور ریخته شدن قطعات در آینده ارائه دهیم. این ارزش افزوده NDT را به یکی از مهم‌ترین فرآیندهای هر شرکتی تبدیل می‌کند.

چگونه برای آینده آماده شویم ؟

سوال اولیه مقاله مربوط به فرصت در مقابل تهدید بود. پاسخ یکتایی برای این سوال وجود ندارد، زیرا این مسئله بسیار وابسته به عوامل مختلف است، اما این حرکت به یک شکل یا شکل دیگر، صنعت NDT را به طور اساسی تغییر خواهد داد و نیاز به پذیرش این تغییر وجود خواهد داشت.

این فرآیند در طول چند سال آینده گسترش و فشار این تغییر در طول این مدت افزایش خواهد یافت. با این حال، این دلیلی برای وحشت رقم زدن یا چنگ زدن کورکورانه به پیشنهادات فناوری نیست – همه ما باید به یاد داشته باشیم که شغل ما، قبل از هر چیز، اطمینان از سلامت قطعات و جلوگیری از تحویل قطعات معیوب است. این هدف نباید توسط بهبود بهره‌وری یا فناوری جدید به خطر بیافتد؛ بنابراین، نیاز به توسعه یک نقشه راه تغییر استراتژیک با اهداف واقع‌گرایانه و اقدامات اضطراری وجود دارد. تحلیل دقیق فرآیند، دستاوردهایی را نشان خواهد داد که می‌توان به راحتی به آن‌ها رسید.

بیشتر بخوانید: نقش تست غیرمخرب در بازرسی سلامت مخازن

همچنین بسیار مهم است که در یک زمان گام‌های زیادی برداشته نشود. برای مثال، حرکت از فیلم (2.0) به یک سیستم ربات ADR کاملاً خودکار (4.0) ممکن است برای برخی سازمان‌ها بیش از حد دشوار باشد. گام‌های درست می‌تواند ابتدا شامل تغییر از فیلم به رادیو گرافی دیجیتال (3.0) باشد، سپس فرآیندها و تکنیک‌های جدید را پایه‌گذاری کرده و تمامی اپراتورها را قبل از حرکت به جلو، تأیید کنند. پس از آن که فرآیندها، تکنیک‌ها و افراد با فرآیندهای جدید آشنا شدند، گام بعدی می‌تواند به دقت اتوماسیون و دیجیتالی کردن مراحل بعدی فرآیندها مانند تشخیص نقص خودکار/مساعد، و غیره باشد.

بیشتر بخوانید: ارزیابی سلامت کابل  سیم بکسل های مهار برج آتش (Flare) با تکنیک غیر مخرب نشت شار مغناطیسی MFL

آیا دیجیتالی شدن شغل افراد را می‌گیرد؟

ترس بزرگی وجود دارد که ربات‌ها، هوش مصنوعی و اتوماسیون، جایگاه افراد در مشاغل را بگیرند. این ترس عمدتاً توسط مقالات رسانه‌ای گمراه‌کننده و فیلم‌های آینده‌نگرانه به وجود آمده است. حتی اگر فناوری جدید بتواند کارهای شگفت‌انگیزی انجام دهد، اما به هیچ وجه به توانایی‌های مغز انسان نزدیک نمی‌شود. ما به زودی شاهد جایگزینی این سیستم‌ها با حرفه‌ای‌ها در زمینه NDT نخواهیم بود – صنعت پزشکی بهترین مدرک این موضوع است. واقعیت این است که با وجود این که صنعت پزشکی اکنون از هوش مصنوعی برای کمک به تفسیر تصاویر استفاده می‌کند، هنوز نمی‌تواند با حجم عظیم داده‌هایی که توسط فناوری‌های جدید تولید می‌شود، هماهنگ شود. لازم است یک تغییر بنیادین در درک ما از این فناوری‌های کمکی ایجاد شود.

ربات‌ها به ما کمک می‌کنند تا قطعات را جابجا کنیم و مقدار کار فیزیکی را کاهش دهیم، ابر پردازش ها باعث می‌شود آرشیو کردن و پردازش نتایج بسیار آسان‌تر شود، و هوش مصنوعی به ما کمک می‌کند تا قابلیت‌های ارزیابی خود را بهبود بخشیم.

بدون شک، مشاغل ما تغییر خواهند کرد و فعالیت‌هایی که انجام می‌دهیم بیشتر به کامپیوتر وابسته خواهند بود. این موضوع نیاز به بازآموزی و یادگیری مهارت‌های جدید دارد، اما در نهایت، هر ماشین نیاز به یک انسان برای نظارت دارد. بیایید به دیگر انقلاب‌های صنعتی مانند برق‌رسانی فکر کنیم – این اتفاق افتاد و ما هنوز شغل داریم. مهمتر این است که با دید باز به این فناوری جدید نگاه کنیم و از فرصت‌هایی که برای ما دارد استقبال کنیم. بزرگترین تهدید این است که منتظر بمانیم تا این اتفاقات بیفتد و توسط کسانی که زودتر آنها را پذیرفته‌اند، کنار گذاشته شویم.