Data Fusion
Neue Stufe der ILI-Integritätsbewertung von Metallverlusten auf der Grundlage von 3-dimensionalen Korrosionsprofilen
Data Fusion integriert Informationen von MFL-A- und MFL-C-Tools mithilfe eines neuronalen Netzwerks, um alle Arten von Korrosionsmerkmalen umfassend zu charakterisieren. Durch die Nutzung sowohl der axialen als auch der umlaufenden Magnetfeldrichtung nutzt Data Fusion komplementäre Informationen aus beiden, um ein detailliertes und genaues Profil der Pipeline-Korrosion zu erstellen. Dieser Ansatz stellt sicher, dass alle Merkmalsklassen richtig identifiziert und bewertet werden, um die Komplexität des Pipeline-Integritätsmanagements zu bewältigen.
Die wichtigsten Vorteile
Genauere Berechnungen des Berstdrucks
Umfassende Merkmalsbewertungen für eine ganze Pipelinelänge
Detaillierte 3D-Anomaliekartierung
Abmilderung der technologischen Einschränkungen
Durch Datenfusion von axialen und umlaufenden MFL-Signalen verwandeln wir Rohdaten in hochauflösende 3D-Profile und ersetzen Subjektivität durch Präzision. Diese Innovation verbessert die Bewertung von Pipelines, senkt die Kosten und erhöht die Sicherheit.
Best Paper Award für unsere Innovation auf der IPC 2024
In einem Feld von 345 Fachbeiträgen wurde unser Paper über "Data Fusion of Complementary Axial and Circumferential Magnetic Flux Leakage In-line Inspections and Effects on Safe Remaining Life" mit dem Best Paper Award auf der IPC 2024 ausgezeichnet.
Die Auswahl basierte auf Originalität, technischer Bedeutung, Vollständigkeit, Anerkennung der Arbeit anderer Organisationen, Klarheit und grafischer Qualität.
Du hast die Präsentation verpasst? Besuche unsere ExpertInnen nächstes Jahr auf der RIO Pipeline.
Traditionally, integrating findings from MFL tools A and C has been a manual task, requiring highly skilled analysts proficient in both MFL-A and MFL-C technologies. These experts must grasp the strengths and limitations of each inspection technology to extract the most relevant information and accurately characterize and size features. Such analyses only result in a basic 'box' representation of corrosion dimensions – length, width and depth.
In contrast, our proposed Data Fusion method involves combining the magnetic signals from MFL-A and MFL-C tools into a convolutional neural network (CNN), generating a comprehensive 3D depth profile.
This approach eliminates the need for the interpretation and manual merging of individual MFL signals, providing a complete 3D morphology description of the features and subsequently more accurate burst pressure calculations.
Unlock the Power of Data
Wir bieten eine einzigartige Synergie aus fortschrittlichen Inspektionssystemen, modernster Analytik und menschlicher Expertise, um das Potenzial deiner Daten zur Integrität von Assets voll auszuschöpfen.