AI×ドローンでプラント保安を自動化するソリューションを世界に先駆けて実用化

ソリューションを紹介するにあたり、まず前提としてプラントの維持・管理にかかる工程を取り上げます。プラントの配管やタンクを点検するためには、最初に広大なプラントの配管に沿って足場を設置する必要がありますが、実はそれだけで莫大なコストがかかってしまいます。また、高所での作業になるため、人間の手で作業を行う場合は落下リスクも生じます。

その上、腐食の状態を目視で確認するのは属人性が高く、評価者のスキルや経験値に依存してしまうため、個人によるばらつきが少なからず生じています。

また、人口動態を見るに今後も人手不足の状況が続くことはほぼ確実です。そのため、従来は習熟した作業者が中心だったプラント操業においても、業務に関する習熟度の異なる様々な人材を活用しつつ現場の保安を維持向上させる工夫が必要です。経験値の少ない作業者でも問題なくメンテナンスを行えるような環境整備が急務とされており、デジタルの活用ニーズが高まっていました。

ここからは実際のプロジェクト事例を紹介します。ひとつめのプロジェクトは、化学A社における実際の事例です。

このプロジェクトはNEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）の公募である「ＡＩシステム共同開発支援事業」で、アクセンチュアはドローンとAIを組み合わせたプラント設備の画像解析と点検判定の無人化に取り組みました。

本プロジェクトにおいて、アクセンチュアは高所にある配管を対象に、配管画像から腐食の進行度合いを自動判別する解析モデルと自律飛行型ドローンを組み合わせたソリューションを開発。配管の撮影はACSL社の自律飛行型ドローンが行い、画像または動画を自動でアップロードします。ACSLのドローンは独自開発のVisual SLAM（自己位置推定）により、非GPS環境下でも自律飛行が可能となっています。

そしてドローンが撮影した画像は、腐食度合いを評価する解析モデルにて、ピクセル単位で重度・軽度の2段階で腐食箇所を識別するモデルを構築しました。また、本解析モデルでは、配管と配管を支える架台部分に腐食防止として補強されているSAS板を検知・色付けすることで腐食が発生しやすい箇所の識別も可能です。評価精度については、約90%という精度を実現しました。

もうひとつのプロジェクト事例は、石油B社におけるタンクの腐食・漏油の自動点検です。こちらも先述のプロジェクトと同様にACSL社の自律飛行型ドローンが撮影を行い、高所タンクの画像から腐食状態、漏油の有無をAIが自動識別するソリューションを開発しました。

漏油の解析モデル構築においては、撮影した画像を正常な画像セットと比較し、その差分を取得するという方法を採用しました。ドローンは原油タンクの真上を飛行することができないため、撮影画像はそれぞれ画角が異なってしまいます。そこで、画像の特徴点を比較して画角を補正するモデルも導入しました。