Robotica en fysieke AI

Shanghai Electric zet AI in bij de productie en het onderhoud van gasturbines

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Shanghai Electric kondigde op 10 november 2026 aan dat industriële AI ondersteuning biedt bij de productie van turbinebladen, lasinspecties en onderhoud gedurende de volledige levenscyclus van zijn zware gasturbines. Het SIMPLE-platform maakt daarbij gebruik van gegevens van meer dan 60 turbine-eenheden en in totaal ruim 1 miljoen bedrijfsuren.

De aankondiging brengt expertise in machinebouw samen met productie- en bedrijfsgegevens. Zo wordt AI niet alleen ingezet bij de productie van onderdelen, maar ook voor dienstverlening aan operationele centrales. De aanpak richt zich op twee essentiële eisen voor zware gasturbines: het nauwkeurig bewerken van complexe onderdelen en betrouwbare prestaties gedurende een lange levensduur. Daarmee komen informatie over productiekwaliteit en onderhoud samen in één strategie voor de volledige levenscyclus van de apparatuur.

Productie van verschillende turbinebladen op één lijn

Turbinebladen verschillen in afmetingen, vorm en bewerkingsproces. Daarom moet productieapparatuur geschikt zijn voor uiteenlopende onderdelen en processen. De flexibele productielijn van Shanghai Electric combineert AI-beeldherkenning, digitale-tweelingmodellen van de productie, intelligente planning en robotica om de productie van verschillende modellen en automatische omschakelingen te ondersteunen.

Met 3D-beeldherkenning en AI worden onbewerkte turbinebladen geïdentificeerd in willekeurig gestapelde hopen, voordat ze worden opgepakt en op hun plaats worden gezet. Shanghai Electric meldt een nauwkeurigheid bij het oppakken van meer dan 99,99%. Dit onderdeel van het proces pakt een fundamentele uitdaging van automatisering aan: machines moeten onderdelen eerst herkennen en correct hanteren wanneer die niet in een vaste rangschikking worden aangeleverd.

De productielijn koppelt ook systemen voor productieplanning, productie-uitvoering en kwaliteitsbeheer gedurende het laden, bewerken, inspecteren en uiteindelijk verpakken. Operators kunnen schakelen tussen volledig geautomatiseerde productie en afzonderlijke bediening van machines om de continuïteit te waarborgen. De automatisering van verschillende modellen maakt zo deel uit van een verbonden werkproces waarin productie- en kwaliteitsgegevens behouden blijven terwijl de turbinebladen de lijn doorlopen.

Inspectie tijdens het lassen van rotoren

Kwaliteitsborging geldt ook voor grote, kostbare rotoren, waarbij de laskwaliteit rechtstreeks van invloed is op een veilige werking. Het inspecteren van bewerkte kenmerken op deze grote onderdelen brengt praktische uitdagingen met zich mee. Shanghai Electric ontwikkelde een AI-gestuurde visuele-inspectieterminal die AI, robotbesturing en lasexpertise combineert om laswerkzaamheden in realtime te monitoren en defecten in een vroeg stadium op te sporen.

Het ontwerp van de terminal met fysieke AI combineert een collaboratieve robot met een op maat gemaakte eindeffector, oftewel een hulpstuk voor gereedschap. De arm schuift met één druk op de knop uit en weer in, en past zich automatisch aan de lascyclus aan. Volgens het bedrijf maakt 5G-connectiviteit het mogelijk om beelden te analyseren en binnen enkele seconden inspectieresultaten terug te sturen.

Een terugkoppellus verbindt waarnemingen op de werkvloer met procesoptimalisatie en traceerbaarheid van de kwaliteit. Inspectiegegevens dienen daardoor niet alleen voor een afzonderlijke goed- of afkeuring: praktische productie-ervaring kan worden vastgelegd als digitale kennis en bij volgende productiewerkzaamheden opnieuw worden benut.

Bedrijfsgegevens als basis voor onderhoud

Binnen SIMPLE wordt AI gecombineerd met kennis van de werkingsprincipes van gasturbines voor realtime prestatiebewaking, dynamische optimalisatie van de bedrijfsvoering en vroegtijdige waarschuwingen voor mogelijke storingen. Coördinatie tussen cloud en edge verbindt ontwerp- en bedrijfsgegevens in een workflow voor beslissingsondersteuning, met bewaking, vroegtijdige waarschuwing, diagnose en corrigerende maatregelen. Volgens Shanghai Electric ondersteunt dit een verschuiving van reactieve reparaties naar proactief onderhoud.

Samenwerking op afstand biedt een extra mogelijkheid voor onderhoud. Specialisten kunnen livebeelden van locaties van centrales bekijken en met annotaties in augmented reality onderhoudswerkzaamheden begeleiden. Zo kan technische ondersteuning locaties bereiken zonder dat de benodigde expertise beperkt blijft tot personeel dat al ter plaatse is.

Shanghai Electric is van plan de integratie van gegevens over de volledige levenscyclus verder uit te breiden, zodat terugkoppeling uit productie en bedrijfsvoering het ontwerp, de productie en de service na verkoop kan verbeteren. Ook wil het bedrijf deze mogelijkheden in praktijkprojecten valideren en verder verfijnen, terwijl het zijn internationale activiteiten op het gebied van gasturbines uitbreidt. Daarbij ligt de nadruk op betrouwbare werking, tijdige onderhoudsondersteuning en kostenefficiënte exploitatie op lange termijn.

De volgende fase is daarom afhankelijk van validatie in operationele centrales. Voor Shanghai Electric verbindt deze geïntegreerde aanpak internationale expansie met een bredere industriële doelstelling: informatie die tijdens de productie en gedurende jarenlange dienstverlening van turbines wordt verzameld, inzetten om zowel fabrieksprocessen als onderhoud op lange termijn te verbeteren.

Atlas Roan is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij artificiële intelligentie in additieve fabricage, 3D-printen en geavanceerde materiaaltechniek behandelt. Zijn werk onderzoekt hoe AI-gestuurd ontwerp, simulatie en procesoptimalisatie de fabricageprocessen transformeren - van prototyping tot grootschalige productie.
Met een praktische en technisch gefundeerde benadering, onderzoekt Atlas hoe machine learning de printbetrouwbaarheid, materiaalprestaties en productie-efficiëntie verbetert in verschillende industrieën, zoals lucht- en ruimtevaart, automotive, gezondheidszorg en industriële fabricage. Hij is vooral geïnteresseerd in hoe AI snellere iteratie mogelijk maakt, afval vermindert en nieuwe materiaalcapaciteiten ontgrendelt die eerder onpraktisch of onmogelijk waren om te fabriceren.
Artikelen geschreven door Atlas Roan zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om technische nauwkeurigheid, duidelijkheid en verantwoorde berichtgeving over AI-gestuurde fabricage en materiaalinnovatie te garanderen.