fr.wedoany.com Rapport : ESB Networks a lancé un plan quinquennal visant à réaliser des inspections numériques de jusqu'à 10 000 installations électriques en République d'Irlande. Ce projet, déployé en collaboration avec eSmart Systems, utilise une plateforme d'intelligence artificielle pour améliorer l'efficacité des inspections du réseau électrique et la valeur des données.
ESB Networks, filiale du groupe ESB, est responsable de la construction, de l'exploitation et de la maintenance du système de distribution électrique en République d'Irlande, desservant environ 2,4 millions de clients. Le groupe s'est engagé à atteindre un système électrique net zéro d'ici 2040. Dans ce contexte, ESB Networks est confronté à de multiples défis, notamment l'intégration d'une production croissante d'énergie renouvelable, le soutien à l'électrification du chauffage et des transports, ainsi que la gestion d'un réseau de distribution comprenant de nombreux actifs vieillissants. La corrosion est l'un des problèmes d'état les plus courants sur le réseau irlandais, et le projet d'inspection basé sur l'imagerie par intelligence artificielle est considéré comme adapté au suivi continu à long terme de ce défi.
Les méthodes d'inspection traditionnelles reposent sur des inspections par hélicoptère, des inspections à pied et des inspections sur poteaux à intervalles fixes. Les données collectées sont principalement utilisées localement, ce qui rend difficile la priorisation des actifs à l'échelle du réseau ou la maintenance prédictive. De plus, les vols d'hélicoptères et les déplacements de camions entraînent à la fois des coûts financiers et des émissions de carbone, affectant les performances environnementales de l'entreprise de services publics. Par conséquent, ESB Networks a fixé des normes élevées pour ce nouveau projet d'inspection : produire des résultats d'inspection dans un format unifié à l'échelle du réseau, établir un enregistrement durable de l'état des actifs au fil du temps, et contribuer de manière mesurable à la réduction des émissions de carbone liées aux inspections elles-mêmes.
La solution consiste à déployer la plateforme Grid Vision en collaboration avec eSmart Systems, en adoptant une méthode d'inspection combinant l'imagerie par drone, la détection des défauts par intelligence artificielle et la validation humaine dans la boucle. Chaque image est traitée par un modèle de vision par ordinateur entraîné pour identifier des catégories spécifiques d'état des actifs, et chaque résultat est examiné par un analyste qualifié avant toute action.
L'accent stratégique de ce projet réside dans la base de données longitudinale des enregistrements d'actifs ainsi créée. Les images de drone et les évaluations assistées par intelligence artificielle de chaque cycle d'inspection constituent un enregistrement longitudinal de l'état de chaque installation, ce qui fournit une condition préalable à la priorisation des remplacements basée sur les risques et à l'analyse de maintenance prédictive. Oisín Armstrong, de l'équipe d'ingénierie et des grands projets d'ESB, a déclaré que la méthode d'inspection virtuelle permet à ESB « d'améliorer l'efficacité grâce à un projet d'inspection de bout en bout, d'économiser du temps, de réduire les coûts et de diminuer l'empreinte carbone, soutenant ainsi notre mission d'atteindre zéro émission nette d'ici 2040. »
Ce projet produit des résultats opérationnels mesurables. Le délai entre l'inspection et le rapport a été considérablement réduit, les flux de travail automatisés diminuant le temps entre la capture d'images et les constatations exploitables, ce qui réduit à son tour le nombre de déplacements de camions et d'heures de vol d'hélicoptères nécessaires pour maintenir la visibilité du réseau. L'empreinte carbone du projet d'inspection lui-même diminue, et les données sur l'état des actifs sont capturées dans un format unifié à l'échelle du réseau, soutenant une prise de décision proactive concernant les actifs. Le plan continuera de s'étendre, intégrant les données d'inspection avec des ensembles de données plus larges sur les actifs et l'environnement pour construire une couche d'intelligence continue.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
