◎ ความท้าทาย：

บรรเทาภาระของหน่วยงานท้องถิ่นทั่วสหรัฐอเมริกา ซึ่งแต่ละแห่งมีหน้าที่ดูแลสะพานหลายพันแห่งให้เป็นไปตามงบประมาณ และลดค่าใช้จ่ายในการปิดสะพานอันเนื่องมาจากปัญหาความปลอดภัย

◎ วิธีแก้ปัญหา：

Artec Leo, Artec Studio, ABAQUS, in-house AI algorithms

◎ ผลลัพธ์：

ชุดข้อมูลคานสะพานที่แสดงระดับการกัดกร่อนด้วยความแม่นยำสูง สามารถป้อนเข้าในระบบ AI รุ่นใหม่ที่คำนวณความจุ และทำเครื่องหมายการซ่อมแซมที่จำเป็นเพื่อหลีกเลี่ยงความล้มเหลว

◎ ทำไมต้อง Artec 3D ?：

ด้วยจอแสดงผลในตัวและฟังก์ชันไร้สายครบครัน Artec Leo บันทึกโครงสร้างพื้นฐานด้วยความยืดหยุ่น, ความเร็ว และความแม่นยำที่ไม่มีใครเทียบได้ เพื่อการวิเคราะห์ที่รวดเร็วและเชื่อถือได้

เครื่องสแกน 3D Artec Leo ถูกนำมาใช้เพื่อแปลงคานใต้สะพานให้เป็นดิจิทัล

ในชีวิตประจำวัน การพูดว่าวัตถุนั้น “แข็งแกร่งเท่าเหล็ก” ถือเป็นวิธีเน้นย้ำถึงความทนทานของวัตถุนั้น ๆ เพราะวัสดุชนิดนี้ถือเป็นหนึ่งในวัสดุที่แข็งแรงที่สุดในโลก แต่แม้แต่เหล็กก็ยังมีขีดจำกัด

ตัวอย่างเช่น สะพานสาธารณะหลายแห่งได้รับการค้ำยันด้วยคานเหล็กซึ่งมีแนวโน้มที่จะเสื่อมสภาพเนื่องจากสภาพอากาศที่เลวร้าย เนื่องจากความล้มเหลวในอดีตเคยก่อให้เกิดการบาดเจ็บและเสียชีวิตจำนวนมาก รวมถึงการสูญเสียทางการเงินจำนวนมากทั่วโลก การตรวจสอบเป็นประจำจึงมีความสำคัญอย่างยิ่งเพื่อให้แน่ใจว่าสะพานเหล่านี้ยังคงปลอดภัยและสามารถใช้งานได้เต็มประสิทธิภาพ

ในกรณีที่พบว่าสะพานเสื่อมสภาพ ขีดจำกัดการรับน้ำหนักของสะพานอาจลดลง และในบางกรณี สะพานอาจต้องปิดตัวลง ซึ่งต้องเสียค่าใช้จ่ายทางเศรษฐกิจมหาศาล

อย่างที่ทราบกันดีว่า หน่วยงานต่าง ๆ มีหน้าที่จัดการโครงสร้างพื้นฐานในเมืองต่าง ๆ ที่มีสะพานหลายพันแห่ง รวมถึงต้องรับผิดชอบในการให้บริการสาธารณะอื่น ๆ ด้วย การรักษาสมดุลนี้ยังทำให้ประสิทธิภาพมีความจำเป็นต่อการใช้ทรัพยากรให้คุ้มค่าที่สุด

นั่นเป็นเหตุผลที่นักวิจัยจาก Technische Universität Dresden และ University of Massachusetts Amherst จึงเริ่มพัฒนาวิธีการตรวจสอบสะพานเหล็กที่รวดเร็วและแม่นยำยิ่งขึ้น

เครื่องสแกน 3D Artec Leo ถูกนำมาใช้เพื่อแปลงคานใต้สะพานให้เป็นดิจิทัล

ปัจจุบัน การตรวจสอบโครงสร้างพื้นฐานดังกล่าวเกี่ยวข้องกับการกำจัดวัสดุที่กัดกร่อนและการวัดสิ่งที่เหลืออยู่โดยใช้การจับภาพจุดเดียวด้วยคลื่นอัลตราซาวนด์ซึ่งต้องใช้เวลาและแรงงานมาก ในทางกลับกัน ด้วย Artec Leo นักวิจัยได้ระบุวิธีการวัดลำแสงที่มีประสิทธิภาพมากกว่ามากและได้รับข้อมูลที่มีรายละเอียดสูงที่จำเป็นสำหรับการวิเคราะห์ที่รวดเร็วและลึกยิ่งขึ้น

ประสิทธิภาพของ Leo “ในจักรวาลอื่น”

ในช่วงแรก นักวิจัยได้พัฒนากระบวนการทำงานของตนโดยใช้ข้อมูลที่บันทึกด้วยเครื่องสแกนเลเซอร์ภาคพื้นดิน University of Massachusetts Amherst เป็นที่ตั้งของศูนย์นวัตกรรม 3D ของ Digital Media Lab ซึ่งเต็มไปด้วยเทคโนโลยีขั้นสูง รวมถึงอุปกรณ์ที่ติดตั้งบนขาตั้งกล้อง ซึ่งก่อนหน้านี้เคยใช้ในการแปลงข้อมูลเป็นดิจิทัลและวิจัยภูมิประเทศแบบเปิด เช่น ริมฝั่งแม่น้ำ

เมื่อต้องระบุรูปแบบการกัดกร่อนบนคานเหล็กที่ปลดประจำการแล้ว พบว่าเครื่องสแกน LiDAR นี้สามารถจับภาพรายละเอียดได้เพียงพอ อย่างไรก็ตาม ในการตรวจสอบสะพานในชีวิตจริง จำเป็นต้องวัดคานที่ปลายทั้งสองด้าน ในบริเวณที่ต้องใช้เครนตักดินเข้าถึง

เพื่อให้มีความยืดหยุ่นมากขึ้น ทีมงานจึงเปลี่ยนมาใช้ Artec Leo ซึ่งเป็นอุปกรณ์ไร้สายแบบครบวงจรที่มีความแม่นยำ 0.1 มม. และความเร็วในการจับภาพสูงถึง 35 ล้านจุดต่อวินาที Leo ซึ่งจัดหาโดย Artec 3D Ambassador Source Graphics นั้นไม่เพียงแต่เร็วและกะทัดรัดเท่านั้น แต่ยังใช้งานง่ายมาก ทำให้เรียนรู้วิธีใช้ได้ง่าย แม้แต่สำหรับผู้เริ่มต้นใช้งานที่ต้องการความแม่นยำสูงตั้งแต่เริ่มต้น

การวิเคราะห์การเบี่ยงเบนของคานและความหนาที่เหลือที่ดำเนินการกับคานสะพานที่เกิดการกัดกร่อนตามธรรมชาติโดยใช้ข้อมูลการสแกน 3D ของ Artec Leo

“โดยทั่วไปการกัดกร่อนมักเกิดขึ้นกับคาน ซึ่งเป็นโครงสร้างรองรับของพื้นสะพาน เนื่องจากพื้นสะพาน คุณต้องสแกนด้านหนึ่ง หยุด ย้ายถัง จากนั้นจึงสแกนอีกด้านหนึ่ง” Simos Gerasimidis รองศาสตราจารย์ของ University of Massachusetts Amherst กล่าว “การถือด้วยมือม อเนกประสงค์ และเคลื่อนย้ายสะดวกจึงมีความสำคัญมาก นอกจากนี้ Leo ยังบอกคุณได้ว่าคุณอยู่ใกล้หรือไกลเกินไป เพื่อให้คุณทราบทันทีว่าการสแกนนั้นดีหรือไม่”

“ด้วย Leo คุณสามารถรวบรวม (อย่างน้อย) หลายแสนจุดในเวลาห้านาที เมื่อใช้เทคนิคดั้งเดิม คุณสามารถจับภาพจุดหนึ่งได้ในเวลาสามนาที ดังนั้น หากคุณวัดประสิทธิภาพโดยใช้เวลาต่อข้อมูลที่จับภาพได้ แสดงว่าอยู่ในจักรวาลอื่น”

การตรวจสอบเชิงคาดการณ์ด้วย AI

หลังจากเชี่ยวชาญการสแกน 3D ของ Leo แล้ว Gerasimidis และเพื่อนร่วมงานก็หันมาปรับปรุงเวิร์กโฟลว์ของตนเอง การประมวลผลเริ่มต้นขึ้นภายใน Artec Studio ซึ่งเป็นซอฟต์แวร์ประมวลผลและจับภาพการสแกนของ Artec 3D ที่มีโหมด HD สำหรับการสแกนที่คมชัดเป็นพิเศษ แม้กระทั่งเมื่อแปลงพื้นผิวโลหะมันวาวให้เป็นดิจิทัล และอัลกอริทึมเฉพาะที่ช่วยให้ติดตามพื้นผิวและรูปทรงเรขาคณิตได้ดีที่สุด

การวิเคราะห์ลำแสงยังสามารถทำได้โดยใช้เครื่องมือตรวจสอบในตัวของโปรแกรม แต่ทีมงานเลือกที่จะทำงานกับกลุ่ม point clouds แทน เพื่อหลีกเลี่ยงโอกาสที่อาจเกิดการจัดตำแหน่งที่ไม่ถูกต้อง

ระหว่างการจัดระเบียบข้อมูล พวกเขาได้สร้างแผนที่เส้นชั้นความสูง 2D ซึ่งแสดงความหนาที่เหลือของ “web plate” (หรือแผงเหล็ก) ของคานแต่ละอัน แผนที่เหล่านี้ช่วยให้ผู้ตรวจสอบมองเห็นสภาพของคานได้อย่างรวดเร็วและง่ายดาย แต่ผู้วิจัยยังไม่หยุดแค่นั้น พวกเขาต้องการพัฒนาวิธีการใช้ข้อมูลนี้เพื่อเปิดเผยความจุของสะพาน

ดังนั้น เมื่อนำข้อมูลไปวางในระบบพิกัดแล้ว ทีมงานจึงป้อนข้อมูลดังกล่าวลงในซอฟต์แวร์วิเคราะห์องค์ประกอบจำกัด (FEA) ของ ABAQUS เพื่อวิเคราะห์โครงสร้าง หลังจากทำซ้ำขั้นตอนนี้ด้วยการสแกนคานที่ปลดประจำการสามอันหลายครั้ง พวกเขาใช้ผลการค้นพบ FEA ร่วมกันเพื่อสร้าง “สถานการณ์” ที่การรับน้ำหนักเกินจะนำไปสู่ความล้มเหลวด้วยการคำนวณ

“สำหรับแต่ละสถานการณ์การกัดกร่อน 1,400 สถานการณ์ที่สร้างขึ้น เราใช้กรอบงานอัลกอริทึมที่พัฒนาขึ้นภายในองค์กรเพื่อสร้างแบบจำลององค์ประกอบจำกัด” George Tzortzinis นักวิจัยจาก TU Dresden อธิบาย “จากจุดนั้น เราสามารถระบุความจุและโหมดความล้มเหลวที่แน่นอนของคานที่ถูกกัดกร่อนได้”

การสแกนคานแบบ 3D ที่สมบูรณ์ ซึ่งรวมถึงรูเล็ก ๆ และรายละเอียดพื้นผิวที่ละเอียด

ด้วยเป้าหมายที่จะเร่งการวิเคราะห์สะพานให้เร็วขึ้น ทีมงานจึงใช้สถานการณ์เหล่านี้ในการฝึก AI ที่สามารถค้นหารูปแบบระหว่างข้อมูลอินพุตโดยใช้การเรียนรู้ของเครื่องและการคำนวณความจุ แนวคิดคือ หากวิศวกรด้านการรับน้ำหนักป้อนแผนที่เส้นชั้นความสูงที่จับภาพด้วยการสแกน 3D ลงในเครื่องมือ AI นี้ พวกเขาจะประเมินความสามารถในการรับน้ำหนักที่กำหนดไว้ล่วงหน้าของคานได้โดยอัตโนมัติ

หลังจากสาธิตแนวทางนี้ในสภาพแวดล้อมที่ควบคุมได้ ทีมงานได้นำไปประยุกต์ใช้ในทางปฏิบัติด้วยการตรวจสอบสะพานที่ใช้งานในแมสซาชูเซตส์ แม้จะมีแรงสั่นสะเทือนและข้อจำกัดด้านการเข้าถึง พวกเขาก็สามารถระบุพื้นที่สึกหรอในพื้นที่ที่คล้ายกันบนคานได้อย่างรวดเร็วและมีประสิทธิภาพ และสร้างข้อมูลที่จำเป็นสำหรับวิศวกรในการกำหนดระดับการรับน้ำหนักของสะพานด้วยความแม่นยำที่มากขึ้น

ขั้นตอนต่อไปสำหรับการตรวจสอบโดยใช้พลัง AI คืออะไร?

เช่นเดียวกับวิธีการตรวจสอบสะพานแบบเดิม นักวิจัยต้องเช่าเครนและปิดถนนบางส่วน แต่วิธีนี้ก็เร็วกว่าและลดความไม่แน่นอนในการตรวจสอบได้อย่างมาก ด้วยสะพานเหล็กในสหรัฐฯ กว่า 20,000 แห่งที่ได้รับการจัดอันดับว่าอยู่ในสภาพ “แย่” และอีกกว่า 100,000 แห่งที่ได้รับการจัดอันดับว่า “พอใช้” เชื่อกันว่าวิธีการที่มีประสิทธิภาพมากขึ้นนี้จะช่วยให้สำนักงานบริหารทางหลวงกลางและหน่วยงานขนส่งของรัฐจัดการกับงานซ่อมแซมที่ค้างอยู่ซึ่งมีมูลค่าประมาณ 125,000 ล้านดอลลาร์ได้

ในอนาคต ทีมงานเสนอให้รวมผลการค้นพบของพวกเขาไว้ในหลักสูตรฝึกอบรมการรวบรวมข้อมูลที่ครอบคลุม ซึ่งจะช่วยสร้างความสม่ำเสมอให้กับอุตสาหกรรม ในระยะยาว พวกเขาเชื่อว่าการบูรณาการเครื่องมือเปรียบเทียบอัตราโหลดและการสูญเสียส่วนที่ขับเคลื่อนด้วย AI เข้ากับระบบการจัดการสะพานอาจช่วยปรับปรุงการบำรุงรักษาโครงสร้างพื้นฐานสาธารณะทั่วสหรัฐฯ ได้เช่นกัน

Gerasimidis สรุปว่า “รัฐต่าง ๆ ของสหรัฐฯ หลายแห่งกำลังพิจารณาบูรณาการการสแกน 3D เข้ากับเวิร์กโฟลว์ของตน โดยบางรัฐมี Artec Leos อยู่แล้ว นี่เป็นอุตสาหกรรมที่เปลี่ยนแปลงช้า ผู้คนจำเป็นต้องเห็นหลักฐาน และตอนนี้เราก็มีหลักฐานนั้นแล้ว ฉันคิดว่าเทคโนโลยีจะยังคงเติบโตต่อไปที่นี่ อาจจะไม่เกิดขึ้นในอีกหกเดือน แต่ในระยะเวลา 5-10 ปี สิ่งต่าง ๆ จะเปลี่ยนไป”