آوانگرید با کمک هوش مصنوعی مولد، عیب‌یابی و راه‌اندازی مجدد توربین‌های بادی را سریع‌تر می‌کند
آوانگرید، ارائه‌دهنده راهکارهای انرژی پاک، کاربرد تازه‌ای از هوش مصنوعی را به کار گرفته است که هدف آن کمک به نگهداری توربین‌های بادی در سراسر ایالات متحده است.
این فناوری که First Time Right Autopilot نام دارد، دستیار دیجیتالی مهندسان میدانی است که وظیفه رسیدگی به مشکلات فنی پیچیده را بر عهده دارند.
این سامانه با تحلیل مستندات تجهیزات و کدهای خطا، به شناسایی و رفع مشکلات، تعمیر تجهیزات و بازگرداندن توربین‌های بادی به مدار بهره‌برداری کمک می‌کند.
دیجیتالی‌سازی دانش فنی برای تکنسین‌های میدانی
توربین‌های بادی امروزی هزاران قطعه پیچیده الکتریکی و مکانیکی دارند که در شرایط محیطی سخت فعالیت می‌کنند.
هنگام بروز مشکلات فنی، مهندسان معمولاً ناچارند صدها صفحه از دفترچه‌های راهنمای بهره‌برداری و نگهداری را بررسی کنند.
آوانگرید سامانه First Time Right Autopilot را طراحی کرده و در آن از خدمات Amazon Bedrock برای گردآوری و یکپارچه‌سازی مستندات فنی استفاده می‌کند.
این نرم‌افزار به‌طور مستمر دفترچه‌های پیچیده ماشین‌آلات، سوابق تعمیر و نگهداری، نقشه‌های فنی و پایگاه‌های اطلاعاتی کدهای خطای تولیدکنندگان تجهیزات را دریافت و پردازش می‌کند.
هوش مصنوعی مولد، حجم زیادی از اطلاعات فنی ذخیره‌شده در اسناد قدیمی را در یک کتابخانه دیجیتال مرکزی گردآوری می‌کند.
به این ترتیب، مهندسان میدانی می‌توانند از طریق یک رابط واحد، فوراً به اطلاعات فنی چندین دهه گذشته دسترسی پیدا کنند.
وجود این کتابخانه دیجیتال متمرکز تضمین می‌کند که مهندسان همواره به منابع و مستندات فنی موردنیاز خود دسترسی داشته باشند.
تسریع عیب‌یابی در محفظه بالایی توربین‌ها
اگر حسگرهای داخلی سامانه‌های پایش توربین مشکلی الکتریکی یا مکانیکی را تشخیص دهند، سامانه به‌طور خودکار کدهای خطای مرتبط با عیب را تولید می‌کند.
متخصصانی که در ارتفاع زیاد و داخل محفظه بالایی توربین کار می‌کنند، این کدها را در اپلیکیشن تلفن همراه وارد می‌کنند.
مدل‌های هوش مصنوعی مولد با تحلیل کدهای خطا در کنار سوابق عیب‌یابی و اقدامات پیشین برای رفع مشکلات، می‌توانند به بررسی و تفسیر خطاهای پیچیده کمک کنند.
در نتیجه، تکنسین‌ها دیگر مجبور نیستند برای یافتن راه‌حل، دفترچه‌های راهنمای چاپی را زیرورو کنند؛ سامانه بلافاصله پیشنهادهای مرتبط را در اختیارشان قرار می‌دهد.
این قابلیت، نیاز به حدس و گمان را هنگام بررسی مشکلات پیچیده الکتریکی، هیدرولیکی و مکانیکی کاهش می‌دهد.
در نهایت، فرایند عیب‌یابی کارآمدتر می‌شود و زمان کمتری می‌گیرد.
یکسان‌سازی دستورالعمل‌های تعمیر در مزارع بادی
در ایالات متحده مزارع بادی متعددی وجود دارند که در آن‌ها از انواع مختلف توربین‌های ساخته‌شده به دست تولیدکنندگان اصلی تجهیزات استفاده می‌شود.
سامانه First Time Right Autopilot دستورالعمل‌های تعمیر را با توجه به پیکربندی‌های سخت‌افزاری متفاوت و مزارع بادی واقع در مناطق مختلف استانداردسازی می‌کند.
این ابزار دستورالعمل‌هایی دقیق و مرحله‌به‌مرحله ارائه می‌دهد که تکنسین‌ها می‌توانند هنگام تعمیر یک توربین مشخص از آن‌ها پیروی کنند.
با استفاده از این راهنمایی‌های استاندارد، تکنسین‌ها می‌توانند تعمیرات را با روشی مشابه مهندسان ارشد انجام دهند.
استانداردسازی دستورالعمل‌های نگهداری و تعمیر به کاهش خطاهای انسانی، جلوگیری از آسیب‌دیدن قطعات توربین و افزایش ایمنی کارکنان کمک می‌کند.
همچنین، دستورالعمل‌های یکسان تعمیر توربین‌ها باعث می‌شوند کیفیت خدمات در تمام تأسیسات فعال تولید انرژی تجدیدپذیر در سطحی یکسان حفظ شود.
توانمندسازی گروه‌های میدانی با دسترسی همراه به اطلاعات هوشمند
تکنسین‌های میدانی می‌توانند از طریق تلفن‌های همراه خود به ابزار تولید محتوای مبتنی بر هوش مصنوعی دسترسی داشته باشند و در طول فعالیت‌های میدانی از آن استفاده کنند.
آن‌ها می‌توانند پرسش‌های خود را درباره عملکرد قطعات و اقداماتی که انجام داده‌اند، به زبان طبیعی مطرح کنند و پاسخ‌ها را بلافاصله، با زبانی فنی اما قابل‌فهم، دریافت کنند.
دسترسی همراه به این اطلاعات باعث می‌شود تکنسین برای مراجعه به مستنداتی که در سطح زمین نگهداری می‌شوند، مجبور نباشد از برج توربین پایین بیاید.
این فرایند همچنین تعامل میان کارکنان میدانی و بخش مهندسی مستقر در خشکی را بهبود می‌بخشد.
حل سریع‌تر و کارآمدتر مشکلات، بهره‌وری مزارع بادی را افزایش می‌دهد و در نتیجه، انرژی تجدیدپذیر بیشتری در اختیار شبکه برق قرار می‌گیرد.
به گزارش نشریه T&D World، دستیارهای دیجیتال همراه، شیوه رسیدگی کارکنان میدانی به تأسیسات انرژی تجدیدپذیر را تغییر داده‌اند.
محدودیت‌های ابزارهای هوش مصنوعی مولد در نگهداری و تعمیرات
به‌کارگیری سامانه First Time Right Autopilot به تصمیم‌گیری‌های فنی کمک می‌کند، اما دستیار دیجیتال نمی‌تواند جایگزین کار فیزیکی انسان شود.
عملکرد مدل‌های هوش مصنوعی مولد کاملاً به دقت و کامل‌بودن داده‌های موجود در دفترچه‌های راهنمای فنی و گزارش‌های بهره‌برداری و نگهداری وابسته است.
برای انجام بازرسی‌های فیزیکی، تعمیرات مکانیکی و اطمینان از ایمنی تجهیزات الکتریکی، همچنان حضور نیروی انسانی ضروری است.
آسیب‌های پیش‌بینی‌نشده به سازه و فرسودگی قطعات نیز به تخصص مهندسی نیاز دارند.
اعتبارسنجی مداوم داده‌ها ضروری است تا اطمینان حاصل شود که مدل هوش مصنوعی، تشخیص درست و راهنمایی مناسبی برای رفع مشکلات ارائه می‌دهد.
دستیارهای دیجیتال مهندسی، کارآمدی فرایند عیب‌یابی را افزایش می‌دهند، اما برای تضمین بهره‌وری مزارع بادی همچنان به تخصص و قضاوت انسانی نیاز است.