インフラ点検の効率化：AIとドッキングドローンの力

インフラ点検は、橋梁、ダム、送電線などの資産の安全性を維持するために不可欠です。しかし、従来の方法では、安全上のリスク、処理の遅さ、人的ミスなど、多くの課題に直面しています。技術の進化に伴い、 自動ドッキングドローンワークフロー より効率的で、拡張性があり、安全なソリューションを提供します。

先日開催された、gNext社の社長であるラス・エリス氏を招いたPlatform Connectウェビナーでは、ドローン搭載型機器（DiaB）技術がインフラ監視とメンテナンスをどのように変革していくのかを探りました。この技術により、組織はリスクを低減しながら、頻繁かつ正確な点検を実施できるようになります。今回のブログ記事では、ウェビナーの重要なポイントをまとめ、自動化が手動点検の課題にどのように対処しているのか、そしてDiaB技術がこの変革の最前線に立っている理由について解説します。

手動による資産検査における課題

手動による検査は、費用がかさみ、非効率的で、多くの場合危険を伴い、多大なリソースと時間を要します。例えば、ドローンによる検査は、必要なリソースを含めて約250ドルで済みますが、手動による検査は、追加の人件費と時間の延長により、最大4,600ドルかかる場合があります（上の図を参照）。検査員は、橋の上や冷却塔のような狭い空間など、困難で危険な環境を頻繁に移動するため、作業がさらに複雑化し、安全上のリスクが高まります。

「ご存知の通り、手作業による資産点検にはよく知られた課題が伴います」とラス氏は述べ、「安全は常に最優先事項であり、最も重要なことです。」

情報が一元化されておらず、手作業によるデータ収集に依存しているため、一貫したデータ品質を維持することが難しく、それが意思決定や効率性に影響を与えます。その結果、資産の状態を完全かつ正確に把握することが困難になり、重大な問題が見過ごされた場合、将来的に高額な修理費用が発生する可能性があります。

手動ドローン操作の欠点

ドローンはインフラ点検を大幅に効率化させた一方で、手動による点検作業には特有の課題も存在する。遠隔地の点検現場への頻繁な移動は、点検コストを大幅に増加させる。点検が必要な施設の多くはアクセス困難な場所に位置しており、パイロットは長距離移動を余儀なくされるため、移動費と宿泊費の両方が増加する。

こうした物流上の負担はデータ収集のコストを増加させ、頻繁な検査を時間のかかるものにし、最終的には検査業務の効率性に悪影響を及ぼします。さらに、複数の拠点にわたって手作業による業務を拡大することは、多数のパイロットチームを必要とし、運用コストも高額になるため、困難を伴います。

ドローンとAIを活用して資産検査の課題を克服する

完全自律型のドッキング式ドローンシステムでは、ドローンの離陸、点検、充電のための帰還、収集データのアップロード、データ処理を、すべて人間の介入なしに行うことができます。ドローンは現場のドッキングステーションに格納され、定期的な点検や緊急事態への対応のためにいつでも出動できる状態になっています。

ドローンとAIを用いたインフラ点検は、以下の方法で実施できます。

ユースケースの決定
適切なハードウェアとペイロードの選択
データ収集にドローン自律プラットフォームを使用する
データ処理プラットフォームの選択

適切なハードウェアとペイロードの選定

幅広い選択肢があるため、互換性のあるハードウェアを選ぶことが重要です。たとえば、ユーザーがM300またはM30ドローンを運用している場合、Heishaドッキングステーションなどのオプションは、これらのモデルに信頼性の高い充電サポートを提供します。米国でAnzu Raptorを使用しているユーザー向けには、HextronicsはAnzuドローンをサポートするように設計されたHextronics Universalなどのパートナードッキングステーションを提供しています。M300およびM350ドローンと互換性のあるHextronics Atlasは、バッテリー交換機能も備えており、運用停止時間を短縮できます。さまざまな用途で企業に広く採用されているDJIドックもM30シリーズをサポートしており、ドローン運用の汎用性を高めます。

FlytBaseを使えばデータ収集が簡単にできます

Drone-in-a-Box（DiaB）システムを利用するインフラ管理者は、ミッションプランナーとスケジューラーを通じて検査を効率的に自動化できます。ドローンは自律的に離陸し、データを収集して分析のためにアップロードできます。さらに、 FlytBaseミッションのリアルタイム録画を可能にし、ユーザーがドローンを手動で誘導したり、将来の検査のためにウェイポイントを登録したりすることができます。

「毎日午前9時にドローンは自律的に離陸し、必要なデータとメディアをすべて収集し、 FlytBaseを通じてさらなる分析のために処理プラットフォームに直接アップロードします」と、 FlytBase事業開発責任者であるアジンキヤ氏は述べています。

この検査ワークフローの自動化により、事前にプログラムされた飛行経路に沿って一貫性のある高品質なデータ収集が保証され、毎回同じ画像が取得されるため、正確な比較が可能になります。その結果、手動検査では見落とされがちな微妙な変化も、時間の経過とともに容易に検出できます。飛行後には、プラットフォームがデータ管理とエクスポートを簡素化し、 FlytBase Flinksを使用してgNextなどのデータ処理プラットフォームで検査結果を簡単に分析できるようにします。

ラス氏は、「現在、当社では様々な種類の橋梁、ダム、変電所、原子力発電所、冷却塔など、42種類の資産を監視しています。建物や屋上から携帯電話基地局まで、建築環境にあるあらゆるものを、既に監視しているか、近いうちに監視対象に含める予定です」と述べています。

効率的なデータ処理は資産検査において極めて重要であり、AIはこのプロセスを簡素化し強化する上で中心的な役割を果たします。gNextのようなソフトウェアを使用することで、オペレーターは42種類以上の定義済み資産タイプから選択し、AI搭載のInspectAssist™を活用してコンクリート構造物の欠陥を検出・定量化することができます。

この合理化されたアプローチにより、単一のインターフェース内で情報に基づいた意思決定が可能になり、検査プロセスを大幅に高速化すると同時に、精度を向上させ、人的ミスのリスクを低減します。gNextは、平面図、立面図、2D/3D、等高線、点群、DTMモデルなどの機能を備え、あらゆるプロジェクトのニーズに合わせて拡張可能な包括的な検査ソリューションを提供します。

結論

FlytBaseのプラットフォームにDrone-in-a-Box（DiaB）技術とgNextなどのデータ処理ソフトウェアを統合することで、インフラ点検の新たな基準が確立されます。手作業による非効率性を排除し、自動化の力を活用することで、組織はこれまで以上に迅速、安全、かつ高精度な点検を実施できるようになります。

詳細については、gNextとの共同開催による最新のウェビナー「ドローンドックとAI駆動型欠陥検出によるインフラ検査の効率化」をご覧ください。ここ。