logo
专注油气领域
与独立思考者同行

超越传统AI 看增强智能技术如何强化水下检查

超越传统AI 看增强智能技术如何强化水下检查

通过将人类直觉与自动化结合起来,获得有价值的数据分析结果,以提高效率,并强化状态监测。

编译 | 二丫

尽管计算机功能强大、速度很快,若没有人类的指导、直觉与经验,人工智能工具的价值会大打折扣,尤其是在定义需解决的问题时。增强智能是人工智能与分析人员直觉的融合,代表了电脑与它的操作人员(分析人员)利用高级程序实现人机协作。

据分析人士称,未来两年内,人工智能增强技术降有望在全球创造出2.9万亿美元的业务价值以及62亿小时的生产力。到2030年,它将超过所有其他类型的人工智能项目,占全球人工智能市场份额的44%。

为了实现上述收益并达到如此高的期望值,增强智能依靠以下三项制胜法宝:自主性、高级分析与交互操作。这三者相辅相成,实现了作业环境的自主或半自主响应,并为分析人员与操作人员提供了前所未有的实时分析。

超越传统AI 看增强智能技术如何强化水下检查

图1. 常规水下检查流程所涉及的各个阶段都可通过增强智能来进行改变。

如今水下作业广泛应用了功能更强的水下航行器与自主水面船只。与其他行业一样,采用增强智能可以改变水下作业与业务流程。

为了紧密联系数据工作流程的各个方面,在提供数据与获取更多信息和价值的背景下,i-Tech 7 Leidos公司通过以下两个主要方向来应对挑战:

1、通过应用自主系统进行数据采集与传输,减少对船舶的依赖;
2、通过自动获取与处理数据,更深入的分析数据。

应用增强智能

总的来说,现有的水下检查流程与上图中描述的步骤类似。尽管该业务流程已经过检验与测试,但每个阶段在很大程度上还是依靠人工来确认结果,几乎没有应用到自动化或标准化技术。

上图所示的高级阶段在顺序与总体流程方面几乎保持不变。然而,例如每个阶段所涉及的水下机器人或水下航行器作业,都可以通过增强智能来进行改变,以提高效率与质量,降低成本并节省时间。

改变水下检查方式

在项目的准备阶段,人力投入是关键因素。重中之重是确保应用于质量检查的自动化技术,能够增强与改善立项阶段的人为活动因素。

这可以减少重复的工作,最大程度地减少错误/返工以及不一致,从而可以更快、更准确地完成此阶段。例如,在任务规划期间,利用智能物流技术,并采用算法来规划作业,能够优化资源利用、排序以及路线选择。人工智能还可用于界定作业范围内的现有与历史数据的智能检索,并应用算法为作业者提供更丰富的数据,以执行质量控制与验证。

阶段1:数据采集

根据作业的规模与复杂程度,端到端的调查过程平均持续90-120天。在将结果交付给客户之前,这需要大量资本密集型的海上工作。在数据采集过程中,借助应用增强智能技术,可将人员行动的重心从数据采集提升到确保第一时间以尽可能高的质量完成计划。此外,增强智能提供的实时分析可在作业中更早地检测到关键事件。这意味着,当船舶与水下机器人/水下航行器就位后,可以执行所有必须的决策/干预。机器将成为新变化和/或新特性的可靠见证者。这将使作业者能够腾出时间,专注于关键因素与整体效率。

阶段2:数据处理

传统处理阶段的大多数活动都集中于劳动密集型、耗时的视频审查工作。借助增强智能,这类重复性的大量工作都可实现自动化和流线化,例如导航处理、数据同步等任务。除了显著加快处理速度,增强智能还使专家能够集中精力分析出最高质量的结果,并通过智能交叉引用历史数据集,为客户提供更多见解。在这里,机器将发展成为一个卓越的观察与记录平台。

阶段3:数据分析

回望过去,分析阶段一直局限于确保质量,而不是提供更多见解。通过增强智能,可比以往更早地向调查方提供更多见解。与先前相比,这更接近于实时检查。这种先进的分析技术还能够与先前调查进行比较,从而增强了决策依据(下图)。自动化分析技术还可使用历史数据集,来检测与描述随时间的变化,以识别趋势并提供预测。客户可应用该技术执行更深入的现场调查,以帮助未来的检查活动规划。人工智能将放大不同数据的价值,对它们进行聚合与比较,为人机界面提供通知。了解到所有可用数据都已用于分析的情况下,用户可以评估与阐述出高价值的见解和建议。

超越传统AI 看增强智能技术如何强化水下检查

图2. 可以使用图像中的素材,在船舶上近实时地生成运动重构三维点云模型,以增强对功能的理解。(来源:i-Tech 7 Leidos公司)

阶段4:报告与访问

最终,使用增强智能技术实现校对流程的自动化转型,并向客户提供调查结果。这包括该系统通过自助门户生成报告,并自动将报告发布给客户,从而协助客户检查水下系统,提高检查效率。它还可以通过基于网页端的可配置仪表板/地理信息系统,为客户提供高价值的数据与分析。自动化与人工智能技术将兼容于各种平台和格式,提供可视化门户,从而客户能够集中精力解决问题,而不是费时费力的管理与处理数据集。

未经允许,不得转载本站任何文章:

评论 抢沙发