سود:
- توانایی درک روش های بازرسی بصری و NDT و استفاده از بینایی کامپیوتر به عنوان راهنمای پیش غربالگری و توجه سطح بزرگ.
- امکان اعمال این موضوع که تمایز بین مربوطه/غیر مرتبط و پذیرش/رد یک نشانه متعلق به ممتحن تایید شده و سند حد است.
- توانایی درک خطرات منفی کاذب و مثبت کاذب و پایان ندادن معاینه با "سیستم گفت تمیز"
بیشتر مراقبت از چشم ها شروع می شود. یک ترک، یک نقطه خوردگی، یک بست شل، اثری از نشتی - اغلب عیوب ابتدا با بازرسی بصری مشخص می شوند. در هوانوردی مدرن، این چشم در حال حاضر با بینایی کامپیوتری (هوش مصنوعی که اشیاء، عیوب و الگوها را از روی تصاویر تشخیص میدهد) همراه است: اسکن بدنه پهپاد، تجزیه و تحلیل تصویر بوروسکوپ، علامتگذاری خودکار نقص. در این بخش، نحوه تقسیم بار چشم توسط هوش مصنوعی در بازرسی بصری و NDT (تست غیرمخرب، روشهای تشخیص عیوب داخلی/سطحی بدون آسیب رساندن به قطعه) را توضیح خواهیم داد، اما اینکه چرا تصمیم هنوز بر عهده بازرس مجاز است.
بازرسی بصری و مبانی NDT
بازرسی بصری می تواند کلی (GVI) یا جزئی (DVI) باشد. این کار با چشم غیرمسلح، ذره بین یا بروسکوپ انجام می شود. روشهای NDT نقصهایی را پیدا میکنند که با چشم غیر مسلح دیده نمیشوند:
- جریان گردابی (جریان گردابی - ترک های سطحی/زیرسطحی را به صورت الکترومغناطیسی پیدا می کند)،
- اولتراسونیک (التراسونیک - نقص داخلی/ضخامت را با موج صوتی اندازه گیری می کند)،
- نافذ رنگ (نفوذ مایع - باعث می شود ترک های سطحی با مایع رنگی قابل مشاهده باشد)
- ذرات مغناطیسی (ذره مغناطیسی - ترک های سطح فرومغناطیسی)،
- رادیوگرافی (رادیوگرافی - ساختار داخلی با اشعه ایکس).
NDT به پرسنل گواهی نیاز دارد (به عنوان مثال NAS 410 / EN 4179 سطح 1/2/3). این امری است که هوش مصنوعی هرگز نمی تواند آن را بر عهده بگیرد. هوش مصنوعی می تواند علامتی را در تصویر استخراج کند. ممتحن تایید شده تصمیم می گیرد که آیا آن علامت یک نقص واقعی (نشان دهنده مربوطه) است یا یک نشانه نادرست/غیر مرتبط.
دید کامپیوتر کجا مفید است؟
بینایی کامپیوتر در کارهای تکراری و با سطح بزرگ که در آن چشم انسان در حین بازرسی بصری خسته می شود، قدرتمند است:
- پیش اسکن سطح بزرگ: اسکن بدنه، پوشش بال، آسیب صاعقه توسط پهپاد/دوربین. علامت گذاری مناطق مشکوک
- پشتیبانی از تصویر بورسکوپ: آسیب بال داخلی موتور، برجسته کردن قاب مشکوک در کنترل محفظه احتراق.
- تشخیص تغییر: مقایسه تصویر قبلی و فعلی همان منطقه و علامت گذاری آسیب جدید.
- پشتیبانی اندازه گیری: مقیاس تخمینی اندازه آسیب (اندازه گیری دقیق ابزار دقیق است).
- ضبط/برچسب گذاری: کمک در مستندسازی مکان نشانه های یافت شده.
این یک لایه از پیش غربالگری و مسیریابی توجه است. او می گوید: «اینجا را نگاه کن. نمی گوید "این یک کرک است و محدودیت ندارد". این حکم بر اساس محدودیت های SRM/AMM و تفسیر آزمونگر است.
احتیاط: خطای دو طرفه بینایی کامپیوتر بسیار مهم است. منفی کاذب (فقدان نقص واقعی) یک خطر امنیتی مستقیم است. فقط به این دلیل که سیستم می گوید "واضح" امتحان را به پایان نمی رساند. مثبت کاذب (علامت گذاری یک نقص غیر موجود) باعث جداسازی و هزینه غیر ضروری می شود. بنابراین بینایی کامپیوتر مکمل معاینه انسان است نه جایگزین.
چرا تصمیم با شخص باقی می ماند؟
یک خط تیره در یک تصویر می تواند ترک، خراش، علامت روغن، نقص رنگ یا انعکاس نور باشد. مدل ها در شرایط خاص (نور، زاویه، وضعیت سطح) اشتباه هستند. علاوه بر این، اینکه آیا یک نشانه قابل قبول است (در محدوده، در کدام منطقه، دوباره) یک قضاوت مهندسی است و بستگی به اسناد حد مجاز دارد. هوش مصنوعی نمی تواند از نظر قانونی محدودیت را اعمال کند و گواهینامه ای نیز ندارد. بنابراین جریان همیشه به این صورت است: هوش مصنوعی علامتگذاری میکند → آزمایشگر تأیید میکند → در مورد سند حد تصمیم میگیرد → علائم مجاز.
نکته: از خروجی بینایی کامپیوتر به عنوان «جفت چشم دوم» استفاده کنید، نه به عنوان «چشم تک». بهترین نتایج در بازرسی دو لایه است، جایی که دستگاه آنچه را که انسان ممکن است از دست بدهد و آنچه دستگاه اشتباه علامت گذاری می کند را می گیرد.
سه کیف کوچک
مورد 1 - اسکن هواپیمای بدون سرنشین توجه را منحرف کرد. در طی بازرسی سطح بالایی بدنه، تصاویر هواپیماهای بدون سرنشین با دید کامپیوتری اسکن شدند و دو ناحیه مشکوک مشخص شدند. ممتحن نگاه دقیقی به این دو منطقه انداخت: یکی اثری از نفت (غیر مرتبط) بود، دیگری شروع یک آسیب واقعی صاعقه بود. ساعت ها اسکن چشم در یک سطح بزرگ به یک معاینه هدفمند کاهش یافته است. خسارت واقعی زودتر کشف شد.
مورد 2 - شکار مثبت کاذب. در تجزیه و تحلیل بورسکوپی، سیستم یک "ترک" در یک پره توربین را نشان داد. وقتی معاینه رسمی آن را بزرگ کرد و زاویه را تغییر داد، دید که رسوب سطحی است و ترک نیست. از جداسازی غیر ضروری موتور (هزینه بسیار بالا + خطر خطاهای جدید) جلوگیری شد. سیستم آن را علامت گذاری کرد، انسان آن را به درستی خواند.
مورد 3 - انضباط در مقابل منفی کاذب. او گفت که این سیستم در اسکن زیرسطحی بال "واضح" بود. بازرس همچنان از نظر رویه ای ناحیه مفصل بحرانی را با دست و با ذره بین بررسی کرد و شروع ظریفی از خوردگی پیدا کرد. "گفت سیستم روشن است" امتحان را تمام نکرد. نظم و انضباط یک خطای فراموش شده را گرفت.
چهار قالب قابل کپی
نقش: دستیار پیش از غربالگری بازرسی بصری. وظیفه: نقاط مشکوکی را که نیاز به توجه دارند در تصویر/ناحیه زیر علامت گذاری کنید و توضیح احتمالی (ترک؟ خراش؟ خوردگی؟ علامت؟) برای هر کدام ارائه دهید. قوانین: - قضاوت قطعی در مورد خطا انجام دهید. از زبان "مشکوک، باید تایید شود" استفاده کنید. - بیان کنید که حد پذیرش در SRM/AMM تعریف شده است و ممتحن تصمیم خواهد گرفت. تصویر/زمینه: [توضیح یا تصویری]
نقش: دستیار تشخیص تغییر. وظیفه: وضعیت قبلی و فعلی یک منطقه را مقایسه کنید و نقاط تازه تشکیل شده/رشد را علامت بزنید. قوانین: به این نکته اشاره کنید که تفاوت نور/زاویه ممکن است گمراه کننده باشد. اندازه گیری و تصمیم گیری دقیق. ورودی: [تعریف قبلی/جاری]
نقش: مشاور انتخاب روش NDT. وظیفه: توضیح دهید که کدام روش(های) NDT برای نوع و محل نقص احتمالی زیر مناسب است و چرا. قوانین: بیان کنید که استفاده از روش به پرسنل گواهی نیاز دارد و معیارهای پذیرش در مشخصات مربوطه است. وضعیت: [نوع نقص + مواد + مکان]
نقش: دستیار ضبط / برچسب زدن نشانه. وظیفه: یافته های بازرسی زیر را به یک رکورد ساختاریافته با مکان، نوع، اندازه (تخمینی)، مرجع عکس ترجمه کنید. قوانین: حفظ "تخمین زده"; بند قبول/رد را خالی بگذارید، متعلق به ممتحن است. یافته: [یادداشت خام]
اعلان ضعیف / اعلان قوی
ضعیف: "آیا در این عکس شکافی وجود دارد، آیا هواپیما می تواند پرواز کند؟"
به تشخیص و تصمیم گیری قابلیت پرواز با یک خروجی واحد نیاز دارد. هر دو دارای گواهی بازرس هستند و مشاغل مربوط به اسناد را محدود می کنند.
گوچلو: "نقاط مشکوک را در این تصویر علامت گذاری کنید و برای هر یک توضیح احتمالی بدهید (ترک/خراش/خوردگی/علامت). قضاوت نهایی را انجام ندهید، بگویید "باید تایید شود"؛ بیان کنید که حد پذیرش در SRM است و تصمیم به معاینه کننده است. به نور/زاویه گمراه کننده اشاره کنید."
این دستور هوش مصنوعی را در نقش پیش از غربالگری قرار می دهد و تصمیم گیری را به عهده انسان می گذارد.
جدول: توزیع نقش در معاینه دیداری/NDT
گام
بینایی کامپیوتر / هوش مصنوعی
انسان (آزمایشگر)
اسکن سطح بزرگ
علائم منطقه مشکوک
بررسی دقیق هدفمند
نظر نشانه
توضیح احتمالی را پیشنهاد می کند
تصمیم مرتبط/غیر مرتبط
اندازه
مقیاس تخمینی
اندازه گیری کالیبره شده
قبول/رد
- (نمی توانم)
حد سند + تامین
امضا/ثبت نام
پیش نویس کمک
امضای تایید شده
اشتباهات رایج
- پایان امتحان با "سیستم گفت واضح است". منفی کاذب یک خطر امنیتی است.
- اشتباه گرفتن علامت با تقصیر تمایز بین مرتبط/غیر مرتبط به عهده ممتحن است.
- استفاده از اندازه تخمین زده شده به عنوان اندازه گیری دقیق تصمیم پذیرش بر اساس اندازه گیری کالیبره شده است.
- تفسیر NDT بدون گواهینامه معیارهای مجوز و پذیرش به مشخصات بستگی دارد.
- نادیده گرفتن توهم نور/زاویه. مثبت/منفی کاذب تولید می کند.
به طور خلاصه
بازرسی بصری و NDT شکار عیوب حیاتی هستند، و بینایی کامپیوتر یک لایه پیش از غربالگری قدرتمند در اینجا است که بار چشم را به اشتراک میگذارد: اسکن سطوح بزرگ، علامتگذاری تغییرات، هدایت توجه. اما نشانه حکم نیست; تمایز مربوطه/غیر مرتبط، اندازه گیری اندازه و تصمیم پذیرش/رد متعلق به بازرس تایید شده و اسناد محدود است. بهترین نتایج در معاینه دو لایه است که در آن ماشین و انسان نابینایی یکدیگر را پوشش می دهند.
وظیفه کاربردی
سناریوی معاینه (عکس یا توضیحات) را انتخاب کنید. از هوش مصنوعی بخواهید نقاط مشکوک را با الگوی اول علامت گذاری کند. سپس خودتان برای هر علامت تصمیم بگیرید: مرتبط، غیر مرتبط، کدام حد SRM/AMM باید بررسی شود؟ نکاتی را که هوش مصنوعی از قلم انداخته یا به اشتباه علامت گذاری کرده است فهرست کنید و یک ارزیابی "بازرسی دو لایه" بنویسید.
چک لیست
- [ ] من از خروجی بینایی کامپیوتر به عنوان یک غربالگری اولیه استفاده کردم، نه به عنوان یک حکم.
- [ ] حتی با وجود اینکه نوشته بود "سیستم تمیز است"، من به صورت دستی مناطق بحرانی را بررسی کردم.
- [ ] من به عنوان ممتحن تصمیم مربوطه/غیر مرتبط را گرفتم.
- [ ] من تصمیم اندازه/پذیرش را بر اساس اندازهگیری کالیبرهشده و سند حدی استوار کردم.
- [ ] من مرجع صدور گواهی را برای نظر NDT مشاهده کردم.
- [ ] من اعوجاج های مربوط به نور/زاویه را در نظر گرفتم.