Explorar PM8500 Ver la cartera de hormigón
La solución completa para la cartografía del subsuelo con tecnología GPR avanzada y versátil
Explóralo
Explore los escáneres de hormigón
Tech in Asia, es una publicación digital en línea que sirve a una comunidad empresarial y tecnológica altamente comprometida de más de 3,5 millones mensuales usuarios, le pidieron a nuestro Director de Tecnología que respondiera preguntas de Internet sobre InspectionTech y NDT.
Descripción de la tarjeta
Get the best NDT and InspectionTech content delivered straight to your inbox
Tech in Asia, una publicación digital en línea que sirve a una comunidad tecnológica y empresarial altamente comprometida de más de 3,5 millones de usuarios mensuales, pidió a nuestro Director de Tecnología que respondiera a las preguntas de Internet sobre InspectionTech y END. Vea la entrevista o eche un vistazo al guión a continuación y ponga a prueba sus conocimientos.
Hola, me llamo Antonio Caballero y soy el Director de Tecnología de Screening Eagle Technologies. Estoy aquí hoy para responder a algunas preguntas InspectionTech de Internet.
Echemos un vistazo a la primera...
END son las siglas de Ensayos No Destructivos y, como su nombre indica, se trata del proceso de inspeccionar, ensayar o evaluar propiedades de materiales, componentes o elementos de mayor tamaño, como infraestructuras, sin causar daños a la pieza original.
En otras palabras, no es necesario hacer un agujero en el muro de hormigón para probarlo.
Existen muchos tipos de END. Dependen de los materiales, del principio físico subyacente al método y de la aplicación. La inspección visual es el primer tipo de END, muy potente y útil para recopilar los primeros datos. Otros tipos de END son, por ejemplo
- tecnología de rebote para hormigón, papel o rocas
- ultrasonidos para hormigón, metal o materiales compuestos
- ensayos electromagnéticos... y muchos más.
Sí, existen varios métodos avanzados de END. Por ejemplo, ultrasonidos phased array, difracción del tiempo de vuelo, ensayos con corrientes de Foucault o GPR de onda continua con frecuencia de paso.
Los métodos avanzados también son menos conocidos, y su procedimiento e interpretación de datos pueden ser muy complicados. Es posible que necesite un doctorado para entender algunos de ellos.
Por eso, en Screening Eagle Technologies nos centramos especialmente en desarrollar software inteligente para procesar los datos y simplificar la interpretación y la experiencia del usuario.
Nuestro objetivo es democratizar la tecnología y hacer que estos métodos avanzados de END sean fáciles y accesibles para todos.
Difícil. Depende de la tecnología GPR, de la aplicación y también del estado del activo.
Por ejemplo, nuestra tecnología GPR se basa en un enfoque de frecuencia escalonada que ofrece una enorme ventaja en comparación con los GPR de impulsos. Con esta tecnología, el sensor puede modular la señal transmitida en una amplia gama de frecuencias, lo que permite obtener imágenes de alta resolución en zonas profundas.
Sin embargo, para los que les gustan los números, yo diría que la tecnología GPR puede lograr una precisión subcentimétrica en hormigón dentro de los primeros 60 a 80 cm y subdecimétrica en suelo dentro de los primeros 5 a 10 m.
Aunque parezca mentira, la mayoría de las inspecciones se siguen gestionando con papel y cámaras. Siguen siendo métodos tradicionales que reducen la calidad y disponibilidad de los datos.
Esto es muy crítico, ya que de ello dependen la salud y la seguridad de la infraestructura y de los usuarios.
Por eso hemos desarrollado una plataforma llamada INSPECT, que ofrece todas las herramientas necesarias en una sola aplicación. Gestionar los datos de inspección es fácil cuando se pueden fijar automáticamente los datos y las imágenes a la ubicación exacta, disponer de visualización 3D, posibilidad de colaboración y generar informes en cuestión de segundos.
Muy buena pregunta.
El aprendizaje automático abre todo un mundo de posibilidades en relación con la inspección visual. Podría ayudar a superar retos como los elevados costes, la falta de objetividad y la escasa trazabilidad.
Pongamos el siguiente ejemplo. Si se envía a dos técnicos a inspeccionar el mismo puente, su informe de inspección y su evaluación podrían ser muy diferentes. Es probable que notifiquen defectos distintos, o que los mismos defectos se notifiquen con dimensiones o niveles de gravedad diferentes.
Este problema podría evitarse con Machine Learning.
Por ejemplo, nuestro motor de aprendizaje automático, DEFECT, resuelve los problemas mencionados anteriormente. Todos los usuarios obtendrán los mismos resultados al detectar y digitalizar grietas, es más rápido y totalmente trazable.
En el futuro, los modelos de aprendizaje automático no solo identificarán los defectos, sino que también proporcionarán una indicación de la causa. Todo muy emocionante, al menos para mí.
Por supuesto que sí. De hecho, el aprendizaje automático en combinación con el análisis de big data ya se está utilizando para predecir futuros defectos o para optimizar los procesos de mantenimiento en maquinaria industrial, aeroespacial, equipos de minería y muchos otros.
La adopción de la IA y el análisis de big data en la construcción o la inspección de infraestructuras aún va con retraso. Sin embargo, la oportunidad está ahí, y en Screening Eagle Technologies estamos trabajando muy duro en esa línea de I+D¶ salvar esa brecha tecnológica y poder anticiparnos a los defectos con la suficiente antelación.
De alguna manera, ser capaces de proporcionar a los ingenieros y propietarios de activos una bola de cristal para predecir futuros defectos.
Otra pregunta interesante...
La vigilancia de la salud estructural es un método de evaluación y control de la salud estructural de los activos.
En general, existe la idea errónea de que la vigilancia de la salud estructural consiste únicamente en instalar sensores y recopilar datos de ellos. Sin embargo, es más que eso.
Un sistema adecuado de vigilancia de la salud estructural también debe tener en cuenta los datos recogidos de las inspecciones visuales y END para generar una visión holística del estado estructural del activo.
Para entenderlo mejor, pensemos en los sensores como si fueran nuestro sistema nervioso... Nuestro sistema nervioso nos ayuda a percibir cosas a las que no podemos acceder o ver. Pero si sólo tuviéramos un sistema nervioso, es posible que no detectáramos que algo va mal en nuestra piel. Algo que verías fácilmente con tus ojos.
Por lo tanto, se necesitan todos los niveles de información, desde los datos de los sensores hasta las inspecciones visuales y END para tener realmente la imagen completa.
Bueno... El futuro se dirige hacia los modelos basados en datos y, con ello, hacia más posibilidades de aprovechar el aprendizaje automático y la ciencia de datos en la supervisión de la salud estructural.
Las posibilidades son ilimitadas.
Por ejemplo, hará posible el mantenimiento predictivo gracias a la verificación continua y automática del estado del activo....
.... Con ello se llegará a una optimización presupuestaria para el propietario, ya que dispondrá de toda la información necesaria para tomar la decisión correcta en el momento adecuado, sin poner en peligro la seguridad de las personas que lo utilizan...
....en general, todos podemos beneficiarnos de unos bienes más sanos que durarán más y preservarán nuestro entorno natural.
Para esta pregunta, me gustaría presentarte a Max. ¡¡¡Hola Max!!!
Los robots como Max pueden desempeñar un papel importante en el futuro de la inspección. El uso de drones o robots autónomos transformará todo el sector de la inspección, aumentando la calidad y la seguridad y aportando un enorme impulso a la productividad.
Bueno, ¡eso es todo por mi parte hoy! Espero haber despertado en ti más curiosidad sobre el mundo de InspectionTech. ¡Gracias por seguirme!
¿Quiere saber más sobre los ensayos no destructivos con InspectionTech inteligente? Póngase en contacto con nosotros para hablar con uno de nuestros expertos en todo el mundo y obtener respuesta a sus preguntas: estamos presentes en más de 100 países.