Fusión de datos

Nuevo nivel de evaluaciones de integridad de pérdida de metal de ILI basadas en perfiles de corrosión tridimensionales

Data Fusion integra información de las herramientas MFL-A y MFL-C utilizando una red neuronal para caracterizar exhaustivamente todos los tipos de características de corrosión. Al utilizar las direcciones del campo magnético axial y circunferencial, Data Fusion aprovecha la información complementaria de ambas para producir un perfil detallado y preciso de la corrosión de las tuberías. Este enfoque garantiza que todas las clases de características se identifiquen y evalúen correctamente, abordando las complejidades inherentes a la gestión de la integridad de las tuberías.

Principales ventajas

Icono: Diagrama con una flecha ascendente y una lupa.

Cálculos más precisos de la presión de rotura

Icono: Tubería con conectores/costura.

Evaluaciones exhaustivas de las características de toda una línea

Icono: Un mapa y una lupa.

Cartografía detallada de anomalías en 3D

Icono: Engranajes que se engranan entre sí.

Mitigación de las limitaciones tecnológicas

Loading video...
Retrato de Kevin Siggers
Mediante la fusión de datos de señales MFL axiales y circunferenciales, convertimos los datos brutos en perfiles 3D de alta resolución, sustituyendo la subjetividad por la precisión. Esta innovación mejora las evaluaciones de tuberías, reduciendo costes y mejorando la seguridad.
Kevin Siggers, Manager Data Fusion Development, ROSEN Group 

Premio al mejor artículo por nuestra innovación en IPC 2024

En un campo de 345 artículos técnicos, nuestro artículo sobre "Fusión de datos de inspecciones en línea de fugas de flujo magnético axial y circunferencial complementarias y efectos en la vida útil restante segura" fue reconocido con el premio al mejor artículo en IPC 2024.

La selección se basó en la originalidad, la importancia para la ingeniería, la integridad, el reconocimiento del trabajo de otros, la organización, la claridad y la calidad gráfica.

¿No vio la presentación? Únase a nuestros expertos en RIO Pipeline el año que viene. 

Tradicionalmente, la integración de los hallazgos de las herramientas A y C de MFL ha sido una tarea manual, que ha requerido analistas altamente cualificados y competentes en las tecnologías MFL-A y MFL-C. Estos expertos deben comprender los puntos fuertes y las limitaciones de cada tecnología de inspección para extraer la información más relevante y caracterizar y dimensionar con precisión los rasgos. Estos expertos deben comprender los puntos fuertes y las limitaciones de cada tecnología de inspección para extraer la información más relevante y caracterizar y dimensionar con precisión los rasgos. Estos análisis sólo dan como resultado una representación básica de las dimensiones de la corrosión en forma de "caja": longitud, anchura y profundidad.

En cambio, el método de fusión de datos que proponemos consiste en combinar las señales magnéticas de las herramientas MFL-A y MFL-C en una red neuronal convolucional (CNN), generando un perfil completo de profundidad en 3D.

Este enfoque elimina la necesidad de interpretar y fusionar manualmente las señales MFL individuales, proporcionando una descripción completa de la morfología en 3D de las características y, por consiguiente, cálculos más precisos de la presión de rotura.

Representación gráfica de la combinación de datos MFL-A y MFL-C en una red neuronal convolucional mediante fusión de datos.
Retrato de mujer mirando una pantalla azul iluminada con código binario

Unlock the Power of Data

Ofrecemos una sinergia única de sistemas de inspección avanzados, análisis de vanguardia y experiencia humana para liberar el máximo potencial de sus datos de integridad de activos.
Seguir leyendo