Robotyka i fizyczna AI

Shanghai Electric wykorzystuje AI w produkcji i konserwacji turbin gazowych

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Shanghai Electric poinformowała 10 listopada 2026 r., że przemysłowa sztuczna inteligencja wspiera produkcję łopatek, kontrolę spoin i utrzymanie turbin w całym cyklu ich eksploatacji w obszarze turbin gazowych dużej mocy. Platforma SIMPLE korzysta z danych pochodzących z ponad 60 jednostek turbinowych i ponad 1 mln skumulowanych godzin pracy.

W ogłoszeniu połączono wiedzę inżynierską w zakresie urządzeń z danymi produkcyjnymi i eksploatacyjnymi, rozszerzając zastosowanie AI od produkcji komponentów po serwis turbin w działających elektrowniach. Działania te odpowiadają na dwa kluczowe wymagania stawiane turbinom dużej mocy: precyzyjną obróbkę złożonych części oraz niezawodną pracę przez długi okres eksploatacji. Zakres ten łączy informacje o jakości produkcji i konserwacji w ramach jednej strategii zarządzania cyklem życia urządzeń.

Wielowariantowa produkcja łopatek

Łopatki turbin różnią się rozmiarem, kształtem i przebiegiem obróbki, dlatego urządzenia produkcyjne muszą obsługiwać wiele typów komponentów i procesów. Elastyczna linia produkcyjna Shanghai Electric łączy systemy wizyjne oparte na AI, cyfrowe bliźniaki procesów produkcyjnych, inteligentne planowanie i robotykę, aby umożliwić produkcję wielowariantową oraz automatyczne przezbrajanie.

Systemy wizyjne 3D i AI rozpoznają półfabrykaty łopatek w losowo ułożonych stosach, a następnie je pobierają i pozycjonują. Shanghai Electric podaje, że dokładność pobierania przekracza 99,99%. Ten etap procesu pozwala rozwiązać podstawowy problem automatyzacji: maszyny muszą najpierw rozpoznać komponenty, które nie są ułożone w sposób jednolity, a następnie prawidłowo się z nimi obchodzić.

Linia łączy również systemy planowania produkcji, realizacji produkcji i zarządzania jakością na etapach załadunku, obróbki, kontroli i końcowego pakowania. Aby zapewnić ciągłość pracy, operatorzy mogą przełączać się między produkcją w pełni zautomatyzowaną a obsługą pojedynczych maszyn. Automatyzacja produkcji wielowariantowej jest więc częścią połączonego procesu, w którym informacje o produkcji i jakości są zachowywane w miarę przesuwania się łopatek przez linię.

Kontrola podczas spawania wirników

Zapewnienie jakości obejmuje również duże, kosztowne wirniki, w których jakość spoin bezpośrednio wpływa na bezpieczeństwo eksploatacji. Kontrola obrobionych elementów tak dużych komponentów wiąże się z praktycznymi trudnościami. Shanghai Electric opracowała terminal do kontroli wizyjnej oparty na AI, łączący sztuczną inteligencję, sterowanie robotami i wiedzę z zakresu spawania, aby monitorować prace spawalnicze w czasie rzeczywistym i wcześnie wykrywać wady.

Konstrukcja terminala wykorzystująca ucieleśnioną sztuczną inteligencję łączy robota współpracującego ze specjalnie zaprojektowanym efektorem końcowym, czyli osprzętem roboczym. Jego ramię wysuwa się i cofa po naciśnięciu przycisku, a także automatycznie dostosowuje się do cyklu spawania. Firma informuje, że łączność 5G pozwala systemowi analizować obrazy i przekazywać wyniki kontroli w ciągu kilku sekund.

Pętla sprzężenia zwrotnego łączy obserwacje z hali produkcyjnej z optymalizacją procesów i identyfikowalnością jakości. Dane z kontroli mają zatem znaczenie wykraczające poza pojedynczy wynik „zaliczono” lub „nie zaliczono”: praktyczne doświadczenia z produkcji można zachować w postaci wiedzy cyfrowej i ponownie wykorzystywać w kolejnych pracach produkcyjnych.

Dane eksploatacyjne wspierają konserwację

W ramach platformy SIMPLE AI łączy się z wiedzą na temat zasad działania turbin gazowych, aby monitorować ich pracę w czasie rzeczywistym, dynamicznie optymalizować parametry eksploatacyjne i wcześnie ostrzegać o potencjalnych usterkach. Koordynacja przetwarzania w chmurze i na brzegu sieci łączy dane projektowe i eksploatacyjne w procesie wspomagania decyzji obejmującym monitorowanie, wczesne ostrzeganie, diagnozowanie i działania naprawcze. Shanghai Electric opisuje to rozwiązanie jako wsparcie przejścia od napraw reaktywnych do konserwacji proaktywnej.

Zdalna współpraca stanowi kolejny kanał wsparcia konserwacji. Specjaliści mogą oglądać obraz na żywo z zakładów i korzystać z oznaczeń w rzeczywistości rozszerzonej, aby kierować pracami konserwacyjnymi. Dzięki temu pomoc techniczna może docierać do różnych lokalizacji, a dostęp do specjalistycznej wiedzy nie ogranicza się do personelu obecnego na miejscu.

Shanghai Electric planuje dalszą integrację danych z całego cyklu życia urządzeń, aby informacje zwrotne z produkcji i eksploatacji mogły usprawniać projektowanie, produkcję i serwis posprzedażowy. Firma zamierza również weryfikować i doskonalić te możliwości w projektach realizowanych w rzeczywistych warunkach, rozwijając działalność w obszarze turbin gazowych na rynkach międzynarodowych. Koncentruje się przy tym na niezawodnej pracy, terminowym wsparciu konserwacyjnym i opłacalnej eksploatacji długoterminowej.

Kolejny etap zależy zatem od weryfikacji rozwiązań w działających elektrowniach. W przypadku Shanghai Electric takie zintegrowane podejście wiąże ekspansję międzynarodową z szerszym celem przemysłowym: wykorzystywaniem informacji gromadzonych podczas produkcji i wieloletniej eksploatacji turbin do usprawniania zarówno procesów fabrycznych, jak i długoterminowej konserwacji.

Atlas Roan jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się sztuczną inteligencją w produkcji addytywnej, druku 3D i zaawansowanej inżynierii materiałowej. Jego praca bada, w jaki sposób napędzane przez AI projektowanie, symulacja i optymalizacja procesów transformują przepływy produkcyjne - od prototypowania do produkcji na dużą skalę.
Z praktycznej i technicznie uzasadnionej perspektywy Atlas analizuje, w jaki sposób uczenie maszynowe poprawia niezawodność druku, wydajność materiałów i efektywność produkcji w branżach takich jak lotnictwo i kosmonautyka, motoryzacja, opieka zdrowotna i produkcja przemysłowa. Jest szczególnie zainteresowany tym, jak AI umożliwia szybsze iteracje, redukuje odpadki i odblokowuje nowe możliwości materiałowe, które wcześniej były niepraktyczne lub niemożliwe do wyprodukowania.
Artykuły autorstwa Atlasa Roana są wygenerowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną dokładność, klarowność i odpowiedzialne relacjonowanie innowacji w produkcji i materiałach napędzanych przez AI.