Hogyan segít a mesterséges intelligencia

A Nemzetközi Energiaügynökség (IEA) szerint a tengeri szélenergia globális piaca 2010 és 2018 között évente közel 30 százalékkal nőtt. Olyan országok, mint Dánia, Kína és az Egyesült Királyság élen járnak a tengeri szélenergia hasznosításában, sőt Boris Johnson miniszterelnök kijelentette, hogy szeretné, ha Nagy-Britannia lenne a "szélenergia Szaúd-Arábiája". Az iparág további növekedést ígér, a BloombergNEF szerint a megújuló energiába történő beruházások 2021 első félévében rekordot döntöttek.

A szélerőművek azonban fenntartható energiaforrást hasznosítanak, ugyanakkor magát az energetikai átállást megfelelően kell irányítani, hogy csökkentsék mind a szén-dioxid-kibocsátást, mind pedig az e fellendülőben lévő iparágat alkotó vállalkozások környezetre gyakorolt hatását. A turbinákat tartó és a szélerőművekből az energiát a szárazföldre szállító kábeleket és alapokat folyamatosan ellenőrizni és karbantartani kell.

A tengeri szélturbinákon végzett ilyen munkálatok elvégzéséhez az energiavállalatoknak általában nagy hajókat kell kiküldeniük, amelyek hatalmas mennyiségű üzemanyagot használnak fel, nagyon magasak az üzemeltetési költségeik, és gyakran akár 60 fős legénységgel rendelkeznek a mérnököktől és a búvárpilótáktól kezdve a szakácsokig és a takarítókig. Egy ilyen hajó élettartama alatt akár 275 000 tonna szén-dioxid-kibocsátásért is felelős lehet.

Az új és innovatív technikák azonban segítenek minimalizálni ennek az egyébként bolygónkat kímélő folyamatnak a környezetre gyakorolt negatív hatását. A fejlettebb technológiák, például az egyidejű lokalizáció és térképezés (SLAM), a gépi tanulás és az autonóm ROV-ok (távolról működtetett víz alatti járművek) használata lehetőséget nyújt az offshore eszközfelügyeleti és karbantartási folyamatok fejlődésére és forradalmasítására ebben az iparágban - így könnyebben, olcsóbban és tisztábban lehet áttérni a fenntarthatóbb energiatermelésre.

Manapság számos tengeri energiaipari vállalat kézi vezérlésű ROV-okat használ az eszközök ellenőrzésére szolgáló videoadatok gyűjtésére. Mindegyik működtetéséhez általában legalább két pilótára van szükség, majd az összegyűjtött adatokat egy további, szintén a hajón tartózkodó csapat manuálisan vizsgálja felül.

Míg egy ROV-ot általában a hajó fedélzetén lévő operátor kézzel irányítana, az autonóm technológia lehetővé teszi, hogy a búvárhajó átvegye a SLAM-információkat, kidolgozza, hogy hol van, és "menet közben", valós időben elemezzen, választási lehetőségeket mutatva be a szárazföldi emberi felügyelőnek.

A gép ezután végrehajtja a feladatát, miközben navigál az akadályok között, vagy korrigálja a pályát az áramlatok hatásainak mérséklése érdekében. A felügyelő így egyetlen érintéssel megalapozott döntéseket hozhat. A nagyobb fokú autonómia lehetővé tételével kevesebb pilótára van szükség, akik a szárazföldön helyezkedhetnek el, tisztán felügyeleti szerepet betöltve, így csökkentve a nagyobb hajók szükségességét a nyílt tengeren.

Egy másik kihívás, amellyel a vállalatoknak ezen a területen szembe kell nézniük, hogy a ROV-ok által gyűjtött eszközadatok túl nagyok ahhoz, hogy műholdakon keresztül továbbítani lehessen őket. A több tíz vagy akár több száz órányi 4K videofájlt jellemzően kézzel elemzik a hajók fedélzetén, hogy meghatározzák a problémákat és a potenciális veszélyeket, például a sérüléseket vagy a tengeri növekedést. Ez fáradságosan lassú és időigényes.

Olyan idő, amely alatt a hajónak a tengeren kell maradnia. A videóadatokat 3D pontfelhővé tömörítve, diszkrét képekkel, és egy alacsony sávszélességű felhőplatformon keresztül futtatva a felmérők jelentősen felgyorsíthatják a folyamatot. A képkockák gépi tanulással történő elemzése tovább gyorsítja a folyamatot, mivel a technológia képes felismerni a kulcsfontosságú jellemzőket és rendellenességeket, és kategorizálni azokat - lehetővé téve az emberi operátorok számára, hogy egyszerűen ellenőrizzék a munkát és megerősítsék a megállapításokat, automatizálva ezzel egy hosszú és fárasztó folyamatot.

Ez a technológia lehetővé teszi, hogy ne csak a feladat elvégzéséhez szükséges időt csökkentsük, hanem azt is, hogy a személyzet tagjai egyáltalán a hajókon legyenek, lehetővé téve, hogy a munkát a parton végezzék el - jelentősen csökkentve a költségeket és megelőzve a felesleges szén-dioxid-kibocsátást. Azzal, hogy ezt a technológiát beépítik a meglévő folyamatokba, a vállalatok lépéseket tesznek a fenntartható és tiszta energiára való átállás felé.

Saját vállalatom, a Vaarst arra számít, hogy 2026-ra technológiája révén a jelenleg tengeri karbantartási munkákhoz használt nagy hajók közül 75-re nem lesz szükség. Ezzel az iparág szén-dioxid-szennyezése évi 825 000 tonnával fog csökkenni. Egyértelmű, hogy ez a technológia hatalmas lehetőségeket rejt magában a tenger alatti alkalmazásokban. A tengeri környezet összetett, de értékes tesztkörnyezetet kínál az autonóm robotika fejlesztéséhez és betanításához, a technológia azonban nem korlátozódik erre a felhasználási esetre. Jelentős lehetőség van arra, hogy az előnyöket számos iparágban kihasználják.

Az autonómia-technológia, a SLAM-rendszerekkel és a gépi tanuláson alapuló elemzési platformokkal együtt szinte bármilyen robotra alkalmazható, nem csak a tenger alatti ROV-okra. Fel lehet szerelni drónokra, hogy felhőkarcolók ellenőrzésére használják. Használható nukleáris hulladéktelepeken, az ember számára túl veszélyes területeken végzett munkák elvégzésére. Még a Föld körüli pályán való használatának lehetőségét is látjuk, műholdak ellenőrzésére. A szinte korlátlan alkalmazási lehetőséggel egyre több vállalkozás fogja kihasználni ennek a technológiának az előnyeit.