Planlegging av inspeksjoner på industrielle anlegg ved hjelp av digital tvilling

Abstract

I dette prosjektet implementeres en programvare som planlegger autonome inspeksjoner på industrielle anlegg. Planleggingen går ut på å finne gode posisjoner som en robot kan gå til for å inspisere en gitt ventil på anlegget. Programvaren benytter 3D-modeller og annen data fra en digital tvilling av anlegget.

Gjennom prosjektet implementeres et utviklingsmiljø der modulene er organisert som Docker-konteinere. ROS benyttes som kommunikasjonsrammeverk, Gazebo benyttes som simuleringsverktøy, og RViz benyttes for visualisering av data. Videre implementeres en planleggingsmodul som gjennomfører selve planleggingen, samt en inspektørmodul som utfører inspeksjoner i en simulert verden.

For å gjennomføre planleggingen blir først 3D-modeller av anleggets gangveier tolket, og ut fra dette blir det funnet en mengde punkter der en robot kan befinne seg. Hvert av disse punktene blir deretter testet opp mot ventilen som skal inspiseres. Hvert punkt er gjenstand for tre tester: avstand til ventilen, vinkel mot ventilen, samt hvorvidt det er fri sikt til ventilen. Deretter regnes det ut en vektet poengsum ut fra resultatet fra testene. Punktet med beste poengsum blir valgt som inspeksjonsposisjon for den gitte ventilen.

Den implementerte algoritmen testes på ulike utsnitt fra Equinors Huldra-plattform. Resultatene indikerer at algoritmen fungerer, men ikke feilfritt. Gode inspeksjonsposisjoner blir funnet for mellom en tredel og halvparten av ventilene. I de tilfellene der algoritmen ikke klarer å finne en god inspeksjonsposisjon for en ventil, så oppfatter algoritmen i mange tilfeller dette, og forkaster inspeksjonsposisjonene. Dessuten viser resultatene at algoritmen er svært tidkrevende, noe som i hovedsak skyldes strålesporing i fri sikt-testen.

Konklusjonen er at denne programvaren er et godt startsted for mer effektiv planlegging av autonome inspeksjoner på industrielle anlegg. Likevel er det en del som bør forbedres ved programvaren. For det første bør tidsbruken minkes. Dette kan gjøres ved å løse fri sikt-testen på en annen måte, eller ved å gå bort fra å teste alle punkter og heller forsøke å søke seg fram til et godt punkt. Annet som bør forbedres er algoritmen som finner mulige inspeksjonsposisjoner ut fra 3D-modeller av gangveier.

In this project, a software for planning autonomous inspections on industrial plants is implemented. The planning is about finding good positions for a robot to conduct inspections on a given valve. The software utilizes 3D models and other data from a digital twin of the plant.

Through the project, a development environment is implemented, where the modules are organized as Docker containers. ROS is used as communication protocol, Gazebo is used as a simulation tool, and RViz is used for visualizing data. Further, a module for the actual planning is implemented, and also a module for conducting inspections in a simulated world.

The first step for accomplishing the planning is to interpret 3D models of the walkways on the plant and from there find positions where the robot is allowed to walk. Each of these points are then tested against the valve that is to be inspected. Each point goes through three tests: distance to the valve, angle to the valve, and whether there are any obstacles between the point and the valve. Further, a weighted sum is calculated from the test results. The point with the best weighted sum is then chosen as inspection position for the given valve.

The implemented algorithm is tested on several snippets from Equinor's Huldra platform. The results indicate that the algorithm works, but not flawless. Inspection positions that are good enough are found for between a third and half of the valves. When the algorithm is unable to find a good inspection position for a valve, the algorithm is often able to detect this. The algorithm is very time consuming, for the most part due to the ray tracing in the obstacle test.

The conclusion is that this software is a good starting point for more efficient planning of autonomous inspections on industrial plants. Still, there are some aspects that should be improved. Firstly, the time consumption should be minimized. This can be done by either implementing the obstacle test in another way, or by searching for a good inspection point instead of testing all points. Another aspect that should be improved is the algorithm that finds possible inspection points from walkway 3D models.