Doradztwo techniczne

Wydłużony okres eksploatacji infrastruktury rurociągowej wymaga dziś precyzyjnych narzędzi diagnostycznych oraz efektywnego przetwarzania danych bezpośrednio w miejscu ich pozyskiwania. Coraz większą rolę w takich projektach odgrywa edge computing, łączący kompaktową konstrukcję z wysoką wydajnością obliczeniową. Poniżej prezentujemy case study producenta AAEON, pokazujące wykorzystanie platformy PICO-MTU4 jako centralnego elementu mobilnego systemu inspekcyjnego przeznaczonego do pracy wewnątrz sieci rurociągów.

Kontekst: infrastruktura projektowana na 50–60 lat

W latach 60. XX wieku na całym świecie zrealizowano szeroko zakrojone inwestycje w infrastrukturę wodociągową i sanitarną. Miliony kilometrów podziemnych rurociągów stały się fundamentem systemów dystrybucji wody pitnej oraz odprowadzania ścieków.

Projektowana żywotność instalowanych wówczas rur szacowana była na około 50–60 lat. Obecnie wiele z tych systemów zbliża się do końca zakładanego okresu eksploatacji. Wymaga to przeprowadzenia szczegółowych inspekcji technicznych, w szczególności oceny grubości ścianek oraz identyfikacji uszkodzeń strukturalnych.

Wyzwania projektowe: kompaktowość, wydajność i odporność

Firma odpowiedzialna za ocenę integralności sieci rurociągów w wielu regionach potrzebowała platformy obliczeniowej, która mogłaby stanowić centralny element mobilnego urządzenia do inspekcji wewnątrz rur.

Rozwiązanie musiało spełnić szereg krytycznych wymagań:

• bardzo małe wymiary umożliwiające montaż w ograniczonej przestrzeni
• wysoka moc obliczeniowa do przetwarzania danych i analizy algorytmicznej bezpośrednio na brzegu sieci
• odporność na wibracje generowane przez mechanizmy urządzenia do inspekcji
• stabilna praca w zakresie temperatur od -20°C do 70°C,
• wysoka efektywność energetyczna zapewniająca długotrwałą pracę bez częstego ładowania

Architektura mobilnego systemu inspekcyjnego

Mózgiem operacji została płyta PICO-MTU4 o wymiarach 100 mm × 72 mm i masie zaledwie 0,08 kg. Kompaktowa konstrukcja umożliwiła integrację platformy z miniaturowym pojazdem zdolnym do przemieszczania się w rozbudowanej sieci podziemnych rurociągów.

Zastosowany procesor Intel® Core™ Ultra SoC zapewnił odpowiedni balans pomiędzy wydajnością a zużyciem energii. Zintegrowana jednostka NPU umożliwiła realizację zadań AI bez konieczności stosowania dodatkowych akceleratorów sprzętowych.

System wykorzystuje:

• interfejsy USB do obsługi kamer pozyskujących dane obrazowe
• złącza komunikacji szeregowej do integracji czujników pomiarowych
• wlutowaną pamięć LPDDR5, zapewniającą wysoką przepustowość i niskie opóźnienia transmisji danych
• opcjonalne złącza z blokadą (lockable connectors), zwiększające odporność systemu na wibracje i poluzowanie przewodów

Zakres temperatur pracy od -20°C do 70°C oraz zwarta konstrukcja platformy zapewniły stabilność działania w zmiennych warunkach środowiskowych, typowych dla infrastruktury podziemnej.

AI na brzegu: anomalie w czasie rzeczywistym

Platforma realizuje hybrydowy podział zadań pomiędzy CPU, GPU i zintegrowaną jednostkę NPU.

CPU odpowiada za zarządzanie zasobami, wielozadaniowość oraz wstępne przetwarzanie danych. Jednostka NPU realizuje bardziej zaawansowane operacje, takie jak: estymacja położenia, wykrywanie pęknięć, identyfikacja korozji, detekcja anomalii strukturalnych.

Pobór mocy NPU na poziomie poniżej 0,01 W umożliwia spełnienie rygorystycznych wymagań energetycznych, eliminując konieczność stosowania zewnętrznych kart GPU i dodatkowych modułów akceleracyjnych.

System nie tylko identyfikuje nieprawidłowości w czasie rzeczywistym, lecz także wykorzystuje modele uczenia maszynowego do oceny istotności wykrytych problemów bezpośrednio na brzegu sieci, bez konieczności przesyłania dużych wolumenów danych do zewnętrznych systemów przetwarzania.

Efekt wdrożenia PICO-MTU4

Podsumowując, zastosowanie platformy PICO-MTU4 w tak wymagającym projekcie potwierdza, że edge computing odgrywa coraz istotniejszą rolę w modernizacji infrastruktury rurociągowej. Połączenie kompaktowej konstrukcji, odporności środowiskowej oraz zintegrowanych możliwości AI umożliwiło stworzenie mobilnego systemu inspekcyjnego. Zdolnego do pracy w ograniczonej przestrzeni i niezwykle trudnych warunkach eksploatacyjnych.

Rozwiązanie pozwoliło na identyfikację anomalii strukturalnych w czasie rzeczywistym oraz podejmowanie decyzji serwisowych w oparciu o analizę danych bezpośrednio na brzegu sieci. W praktyce oznacza to zwiększenie precyzji diagnostyki, optymalizację działań utrzymaniowych oraz wydłużenie okresu bezpiecznej eksploatacji sieci rurociągowych.

Źródło: AAEON