Swarm IoT Cloud

Offentlig prosjektsammendrag

Overvåkning av metalltap i rørledninger har tradisjonelt vært gjort med intrusive sensorer, som er effektive for hydrokarbon- og kjemikalietransport, men ikke for vannkraft- og malmtransport siden sensoren ødelegges. Siden tidlig 2000-tallet har ikke-intrusive metoder vokst frem og Sensorlink er en av 4-5 aktører på verdensmarkedet. Ikke-intrusive ultralyd metoder kan betjene all rørbasert materialtransport trygt hvor man også får metalltapsprofil (hvordan omkretsen av rørene tynnes ned). I dagens systemer hentes data manuelt, eller overføres til lokale databaser via industrinettverk. Prosjektet utvikler en utvidelse av IoT teknologi til å støtte multisensorløsning pr node. Bruk av IoT infrastruktur med multisensorløsning er kosteffektivt og tilpasset metalltapsovervåkning. Sensorene må betjene væsketemperatur opp til +150?C. Utfordringen løses ved å utvikle sikkerhetskretser som tillater utplassering i Ex sone 1 i hht. IEC 60079. En skyløsning hvor data fra ulike brukere anonymt kan analysers sikkert utvikles. Kunstigintelligens (AI) brukes for å karakterisere to viktige integritetsfenomenene, lokal korrosjon (pitting) og begroing (scale). Fenomenene er krevende å detektere direkte med ultralyd og en bruker store datamengder for å karakterisere fenomenene. Utgangspunktet for slik læring er simulering og eksperimentell verifikasjon og utnyttelse av unsupervised learning metoder innen AI. Prosjektet kulminerer med felttester og en prøvedriftperiode for å samle inn data hvor man tester AI løsningen sin ytelse. Det siste krever alternativ verifikasjon av fenomenene som er tenkt gjort ved inspeksjon eller NDT. Prosjektet anses som nyskapende innen bruk av IoT som infrastruktur for multisensorløsninger, og som svært nyskapende innen utnyttelse av AI til diagnostisering. Resultatene fra prosjektet er bedriftsinternt nyttige, men også allmennyttige for ny bruk av IoT og AI.