MRO领域正在探索无人机检修服务

当前，各行业的企业都正转向无人机服务，希望借无人机取得战略优势，维修业也不例外，而且正在将无人机、机器人、数据等结合在一起，增强无人机的“行为能力”。

目前，一些大型工业企业都在转向机器人检修服务，尝试在现有基础设施的基础上结合无人机、机器人和人工智能（AI）等自动地完成数据采集和数据分析。

10月13日，霍尼韦尔推出了一款商用无人机（UAV）巡检服务，称为InView服务包，InView服务包是利用先进的英特尔“猎鹰”8+无人机系统以及霍尼韦尔在航空航天和各工业领域中积累的专业技术，为桥梁铁路等公共设施建设、能源、基础设施以及石油和天然气行业提供服务，帮助各行业客户加强对关键设备或设施的检查，降低长期处于危险环境作业的风险，保障人员的工作安全。霍尼韦尔InView服务包的整体方案（包括无人机、飞行应用程序和可定制的门户网站）可帮助客户针对例行检查或危机响应等不同情况定制标准化航路并提供数据分析。例如，霍尼韦尔InView巡检服务可以帮助供电部门的客户创建针对输配电系统的例行检查，在室内或在室外随时对生成的数据进行存储、检索和访问。

波音公司的子公司Insitu Pacific也于2014年开始试验使用“扫描鹰”无人机对昆士兰天然气公司（QGC）基础设施进行检测，并在2016年5月宣布继续承包该项服务。Insitu Pacific公司还为壳牌公司的子公司QGC提供全方位服务，Insitu Pacific公司拥有自己的平台，通过飞行无人机进行检查、分析数据并提供可操作的信息，同时与澳大利亚民航安全局（CASA）共同合作创造安全的飞行环境。

今年5月，Insitu Pacific宣布成立Inexa Solutions公司，新公司借鉴了澳大利亚的经验将提供数据、数据分析和可操作的情报。Inexa Solutions表示，将继续与QGC合作，此前他们通过地面检查和载人飞机每天只能检测6口井，而现在每天的检测数量超过100口。此外，该公司还透露不仅与QGC合作，还会与CASA合作，使操作更安全。目前，该公司已经建立了一个使用态势感知系统的无人机空域原型，包括与电信公司Telstra合作使用网络连接起来的远程站，创建数据流以及创建空域的网络共同操作来自低空飞行的无人机和载人飞机的图片。该公司可以为无人机远程操作人员提供网络，使其能够在空域内安全操作。同时，该公司也在为“扫描鹰”寻找其他的机会，此前美国海岸警卫队(USCG)于2017年3月发布了关于在国家安全快艇上操作的无人机的提案请求（RFP）草案，预计于2018年4月至6月签订最终合同。

洛克希德•马丁公司也正在致力于管路基础设施检修市场。空客公司表示，随着无人机的不断普及，该领域的年规模有望增长至亿美元以上。今年5月,空客公司在美国达拉斯举行的AUVSI Xponential展会上宣布新成立的商用无人机公司Airbus Aerial的美国基地正式投入运营，初始业务将集中在开发新的成像服务方面，为保险业、农业、油气行业、公共事业、及地方政府等提供无人机、卫星、高空飞机和其他来源的信息分析和可行动的数据。

6月13日，GE与计算领域的Nvidia公司在德国柏林宣布，成立一家专门提供先进检测服务的公司——Avitas系统公司。

Avitas系统公司将使用预见性数据分析、机器人和人工智能，为油气、运输和能源行业提供先进检测服务。Avitas系统公司将与GE合作开发用设施检测的地基和空中自主和半自主机器人，并基于GE的Predix工业互联网平台分析检测数据，自动识别缺陷给出最优的检测和维修计划建议等，可使客户的检测成本降低25%。客户通过一个具备7×24小时告警功能的检测平台能够实时访问检测数据。目前，GE公司已经开始将其测试用于炼油厂、工厂、铁路和其他工业设施检测的自主无人机和机器人“爬虫”。Avitas系统公司指出，一家中等规模的炼油厂每年的常规人工检查支出为400百万美元，而Avitas系统公司通过自动化检测仅需要300万美元，并且还可以基于数据收集优化检测资源。

同时，Avitas系统公司正在利用Nvidia的DGX计算机系统实现AI算法，并应用于设计检查路径，处理收集到的图片，以及自动检测腐蚀、热/冷点或微裂缝等缺陷的数据并进行分析。今年5月发布的DGX Station 是专门用于办公室环境的方案。Nvidia公司发现了该系统在运输车辆方面的潜力，并与Avitas系统公司分享了原型机，预计不久后Avitas系统公司将全面铺开生产。Nvidia的DGX-1超级计算工作站正在被集中用于解码和培训深度学习算法，如用于图像分类的卷积神经网络和用于标注图片的对抗性神经网络等。此外，Avitas 系统公司还计划将Nvdia的简洁版DGX 工作站与机器人相连接，进而在监测点就地自动识别缺陷。

Avitas 系统公司表示其长期目标是将机器人与AI算法相融合，进而增强机器人的“行为能力”，而且还要将AI从数据中心推向实地现场。在现场环境中使用 DGX 是非常重要的，因为有时需要检测的工业场所是远离人们生活区，所以要求检测的设施往往没有强大的网络基础设施，并且从野外无人机和机器人上返回的数据量通常太大，无法反馈到数据中心进行深度学习处理。AI解决方案可以实时处理检测数据，Avitas系统公司在 AI解决方案中保存深度学习模型，以适应新的用途。该公司表示，该计划将会扩展 Avitas Systems 的 AI的能力。

Avitas系统公司指出，AI未来将在众多不同地方得到应用。首先，采用AI能够为无人机开发出“最优飞行路线”，便于收集关键点处的图像及视频数据。其次，AI能够创建资产的3D模型，如传输塔、管道乃至炼油厂，并将这些3D模型“切分成层”，确保无人机与机器人发现其中诸如裂缝或者腐蚀等异常现象，从而自动执行缺陷检测工作。再次，通过GE的各种感官专家（油气管道泄漏识别、管道地理定位等）培训出的AI算法可以自动检测出设施缺陷。检查后的信息最终进入中央数据库，并与过去一段时间的检修数据相对比，进而评估出风险等级或者基于此风险制定出下一步的检修计划。因此，运用这种方法，不仅更具安全性，而且采集到的数据具有可重复性。无人机路径的可重复性能够为深度学习提供发挥空间。同时，还能够创建自动化飞行路径，且在未来6个月内重复使用该路径并对数据进行并行分析。

（李璇，编译自Inside MRO 2017-9-29）