В основе разработки лежит уникальный алгоритм, автоматизирующий анализ данных внутритрубной диагностики. Ранее обработка информации с диагностических «снарядов», перемещающихся внутри труб, требовала нескольких часов ручного труда специалистов и была подвержена человеческим ошибкам (до 10% данных). Новый метод позволяет анализировать магнитограммы в режиме реального времени, автоматически выделяя сварные швы и дефекты даже при наличии помех, что сокращает время обработки до считаных минут.
«Мы не только ускорили процедуру, но и уменьшили влияние человеческого фактора, отдав рутину компьютерной программе. Это важный шаг к созданию системы прогнозирования рисков на основе анализа технического состояния для всей трубопроводной инфраструктуры страны», – рассказал доцент кафедры термодинамики и тепловых двигателей Губкинского университета Константин Жучков.
По словам разработчиков, это не только оптимизирует издержки на содержание Единой системы газоснабжения России протяженностью более 200 тысяч километров, но и является фундаментом для создания интеллектуальной системы прогнозирования рисков. В будущем планируется интеграция нейросетевых технологий, которые смогут предсказывать возможные повреждения и вырабатывать рекомендации по ремонту, превратив специалиста-диагноста в оператора полностью роботизированного комплекса.
