Innovationsprojekt: Op til 75 procent af operatørtiden til dataanalyse sparet på test af vinger 

Med afsæt i kunstig intelligens og billedgenkendelse har førende forskere og virksomheder fra Danmark optimeret arbejdet med test af slid på vindmøllevinger.  

Når vinden rigtig har fat, så snurrer vindmøllevingerne med tophastigheder på 320 km/t.

Ved de hastigheder bliver regndråber og støvpartikler til projektiler, og derfor har forkanterne af vindmøllevingerne ofte brug for at blive serviceret.

Med en Rain Erosion Tester kan man forudsige levetiden for vindmøllevinger, men: Store dele af de data, som testeren indsamler, bliver aldrig benyttet, da det er en meget tidskrævende proces at analysere data. Det gør innovationsprojektet Requim noget ved.

“Som tommelfingerregel siger vi, at ti timers test kræver en times analyse efterfølgende”, siger Jesper Dal Hasager, Technical Product Manager i R&D Test Systems A/S, som er problemejer i innovationsprojektet og sammen med DTU Vind og Energisystemer og Wind Power Lab løser udfordringen.

EU Regionalfond støtter økonomisk, og Energy Cluster Denmark faciliterer.

AI kigger med og sparer tid

Gennem en innovativ AI-løsning vil ingeniørerne være i stand til at reducere mængden af tid brugt på manuelt at analysere testresultaterne.

“Det primære formål med projektet har været AI-modellen, som betyder, at dem, der arbejder med erosionstest, kan spare 50-75 procent af tiden. Derved kan man flytte brainpower til andre opgaver,” siger han.

Charlotte Bay Hasager fra DTU Vind og Energisystemer ser værdi i at etablere et kunstigt testmiljø, der minder om de faktiske forhold offshore.

“Normalt bruger man sine øjne: Her er en skade. Det er en lidt kedelig proces at sidde og kigge på processen manuelt. Det nye er, at man bruger billedgenkendelse og en algoritme i en computer til at finde skaderne. Hvornår sker skaderne? Hvornår er der et hul i coatingen? Det er en snedigere måde at gøre det på,” siger hun.

På niveau med ekspert 

Det nye AI-redskab kan påpege, hvor skaden er sket. Maskinen er trænet til at genkende fejl, og er i tests på niveau med specialister:

“Vi har set på en ekspert, der er vant til at finde fejl manuelt, og målt hans fejlfinding med algoritmens resultater. De er ret identiske,” siger Charlotte Bay Hasager.

Anders Røpke, CEO i Wind Power LAB, er ligeledes begejstret for et vellykket udkomme af innovationsprojektet:

“Det har været en rigtig god læring for os alle sammen, og jeg forventer, at AI-analyser bliver fundamentet for gode datastrukturer fremover. Det fjerner en masse spildtid,” siger han.

For Anders Røpke er det fortsat mange udviklingspotentialer at kigge ind i:

“Vi kan også bruge produktet indenfor aviation, og skaleringsmulighederne er derfor ret store. Vi håber på, at det bliver til et EUDP-projekt med de samme partnere fremover,” siger han.