MFL Data Fusion

Neue Stufe der ILI-Integritätsbewertung von Metallverlusten auf der Grundlage von 3-dimensionalen Korrosionsprofilen

Data Fusion integriert Informationen von MFL-A- und MFL-C-Tools mithilfe eines neuronalen Netzwerks, um alle Arten von Korrosionsmerkmalen umfassend zu charakterisieren. Durch die Nutzung sowohl der axialen als auch der umlaufenden Magnetfeldrichtung nutzt Data Fusion komplementäre Informationen aus beiden, um ein detailliertes und genaues Profil der Pipeline-Korrosion zu erstellen. Dieser Ansatz stellt sicher, dass alle Merkmalsklassen richtig identifiziert und bewertet werden, um die Komplexität des Pipeline-Integritätsmanagements zu bewältigen.

Graphical representation of combining MFL-A and MFL-C data into a convolutional neural network via Data Fusion.

Die wichtigsten Vorteile

Icon: Diagram with an ascending arrow and a magnifying glass.

Genauere Schätzungen des Berstdrucks

Icon: Pipeline with connectors/seams.

Umfassende Merkmalsbewertungen für eine ganze Pipelinelänge

Icon: A map and a magnifying glass.

Detaillierte 3D-Anomaliekartierung

Icon: Gears that mesh with each other.

Abmilderung der technologischen Einschränkungen

$name

Best Paper Award für unsere Innovation auf der IPC 2024

In einem Feld von 345 Fachbeiträgen wurde unser Paper über "Data Fusion of Complementary Axial and Circumferential Magnetic Flux Leakage In-line Inspections and Effects on Safe Remaining Life" mit dem Best Paper Award auf der IPC 2024 ausgezeichnet.

Die Auswahl basierte auf Originalität, technischer Bedeutung, Vollständigkeit, Anerkennung der Arbeit anderer Organisationen, Klarheit und grafischer Qualität.

IPC 2024 Best Paper Zertifikat

PDF0.15 MBEnglish

$name

Close-up of a tool from the RoCorr service family.

Inline-Inspektionsservices für Korrosion

Unsere RoCorr Services sind darauf ausgelegt, Metallverluste zu erkennen, zu bewerten und zu lokalisieren. So können Maßnahmen ergriffen werden, bevor die Integrität der Pipeline beeinträchtigt wird.

Weiterlesen
Blue stripes abstractly form a neural computer network against a dark background.

Einsatz künstlicher Intelligenz für ein besseres Anlagemanagement

Wir nutzen künstliche Intelligenz, um Technologien in fortschrittliche Produkte und Dienstleistungen zum Schutz von Mensch und Umwelt umzuwandeln und weiterzuentwickeln.

Weiterlesen
Abstract image that resembles an eye to whose black pupil lead colorful threads.

Integritätsanalyse bei ROSEN

Unsere Initiative Integritätsanalyse untersucht, wie Datenanalysetechniken mit künstlicher Intelligenz Pipeline-Betreiber bei ihrem umfassenden Asset-Integritätsmanagement unterstützen können.

Weiterlesen
Graphical representation of combining MFL-A and MFL-C data into a convolutional neural network via Data Fusion.

Wie MFL Data Fusion das Integritätsmanagement verbessern wird

Unser Experte Hazem Rahmah, Service Manager für Data Fusion, erläutert, wie die Kombination der Stärken verschiedener MFL-Technologien der Branche zugutekommen wird.

Weiterlesen