InesStructureMonitoring
Monitorização integral de estruturas e pontes
Dos sensores ao alerta: ingestão, machine learning e visualização para detetar anomalias em estruturas.
Do sensorà decisão.
- 01
Sensores
Acelerómetros, extensómetros e sondas de temperatura instalados na estrutura.
- 02
Ingestão na nuvem
Os dados são adquiridos e armazenados na nuvem, em bruto e comprimidos, prontos para retreinar.
- 03
Processamento de sinal
Filtragem, decimação e sincronização de sensores conforme o que cada algoritmo exige.
- 04
Modelos e OMA
Machine learning treinado com o histórico e análise modal operacional automática.
- 05
Alerta e decisão
Aviso imediato com a sua gravidade e todo o contexto para agir.
Monitorização e gestão
A nossa solução de monitorização permite a ingestão, a análise avançada dos dados, o treino de modelos de machine learning, a geração de alertas por anomalias e a visualização de resultados, a partir dos sensores instalados na estrutura.
O que faz
01Ingestão de dados
Ligação aos sensores da estrutura (acelerómetros, extensómetros, temperatura…). Os dados são adquiridos e armazenados na nuvem para processamento.
02Machine learning avançado
Modelos treinados com o histórico aprendem o comportamento normal da estrutura e depois detetam qualquer anomalia.
03Geração de alertas
Aviso por email de cada evento anómalo assim que é detetado, com a sua gravidade segundo a probabilidade estatística.
04Visualização de resultados
Plataforma com o contexto de cada resultado: meteorologia, sensores relacionados e as variáveis usadas pelos modelos, como as acelerações à passagem de um comboio.
Um sistema que vigia sozinho
O descarregamento, o processamento de sinais, a execução dos modelos e a geração de alertas correm automaticamente todos os dias. Só precisa de olhar quando os modelos consideram uma medição anómala. As notificações chegam por email ou pelo serviço de mensagens necessário.
Processamento de sinais
- Processamento de acordo com a gama de frequências de interesse e a resolução exigida por cada algoritmo (OMA, passagens de comboio…).
- Filtragem e decimação para isolar os modos relevantes para a segurança estrutural.
- Sincronização das ondas de vários sensores quando o sistema de aquisição não o faz de forma nativa.
OMA automático
Algoritmo próprio de cálculo de modos de vibração sem excitação externa (Operational Modal Analysis). Ajusta-se a cada estrutura com o seu histórico para não confundir artefactos matemáticos com modos reais.
Implementação na nuvem
Pensado para ser implementado na nuvem com facilidade: menos custo e mais fiabilidade.
Armazenamento eficiente
Dados em bruto comprimidos no AWS S3 para voltar a treinar modelos. Sinais e resultados em InfluxDB para os representar de imediato.
Capturas do produto
Onde o aplicámos
Espanha
Risco de erosão com machine learning
Modelos de machine learning para estimar o risco de erosão das pontes sobre cursos de água.
Ver projeto em ines.es
Espanha
Previsão do estado das pontes
Machine learning para antecipar o estado de mais de 25.000 pontes do Ministério dos Transportes.
Ver projeto em ines.es
Espanha
Manutenção preditiva de ativos ferroviários
Análise avançada para a ADIF, gestora de mais de 16.000 km de via convencional e de alta velocidade.
Ver projeto em ines.es
Quer vê-loa funcionar?
Mostramos-lhe o Ines StructureMonitoring com dados e casos semelhantes aos seus e esclarecemos as suas dúvidas técnicas.