Искусственный интеллект в неразрушающем контроле: первые результаты внедрения
Системы ИИ-анализа результатов УЗК уже работают на крупных объектах: точность распознавания дефектов 94% и сокращение ложных срабатываний на 42%.
Мы используем cookie-файлы для улучшения работы сайта. Продолжая использование, вы соглашаетесь с политикой конфиденциальности и пользовательским соглашением.
Системы ИИ-анализа результатов УЗК уже работают на крупных объектах: точность распознавания дефектов 94% и сокращение ложных срабатываний на 42%.
Искусственный интеллект перестал быть экзотикой в неразрушающем контроле: алгоритмы анализа дефектограмм внедряют крупнейшие компании, а панельные дискуссии по цифровизации НК стали обязательной частью отраслевых форумов. Разберем, что уже работает на практике и какие цифры показывают первые проекты.
Заметным событием для отрасли стала система интеллектуального анализа результатов ультразвукового контроля сварных соединений, запущенная на объектах «Газпрома» в 2024 году. Алгоритмы машинного зрения обучили на массиве более чем из 50 тысяч изображений дефектов. По опубликованным данным, точность распознавания достигла 94% — примерно на 15% выше результатов опытных операторов, а количество ложных срабатываний сократилось на 42%.
По оценкам отраслевых обозревателей, компании, внедрившие цифровые системы контроля с интеллектуальным анализом, снизили производственные потери в среднем на 17%, а количество аварийных ситуаций — на 24%. Экономика складывается из ускорения расшифровки, уменьшения повторных контролей из-за ложных показаний и раннего выявления опасных дефектов.
ИИ не заменяет аттестованного специалиста: ответственность за заключение по-прежнему несет дефектоскопист, а нормативная база требует участия аттестованного персонала. Качество работы алгоритма напрямую зависит от обучающей выборки — на редких типах дефектов и нестандартных конструкциях точность падает. Поэтому рабочая схема сегодня — «ИИ предлагает, человек решает»: алгоритм выполняет первичную разметку, специалист проверяет и подписывает результат.
Прогнозы отрасли предполагают, что к 2030 году до 80% операций неразрушающего контроля будут выполняться с той или иной цифровой интеграцией — от записи результатов до автоматического анализа. Для лабораторий это означает новые требования заказчиков: умение работать с приборами с записью данных и готовность передавать результаты в цифровом виде.
Три фактора сошлись одновременно. Во-первых, массовый переход на приборы с записью результатов создал обучающие данные: пока контроль оставался аналоговым, дефектограммы просто не сохранялись, и обучать алгоритмы было не на чем. Во-вторых, вычислительные мощности подешевели настолько, что анализ можно вести на обычном промышленном компьютере или сервере предприятия, без облачных платформ — это критично для объектов с закрытым контуром безопасности. В-третьих, кадровый дефицит подтолкнул спрос: опытных расшифровщиков не хватает, а поток данных с автоматизированных сканеров растет быстрее, чем штат лабораторий.
Нормативная база пока не описывает применение ИИ в контроле: заключение подписывает аттестованный специалист, и юридически алгоритм остается вспомогательным инструментом. Открыт вопрос ответственности при пропуске дефекта, который человек принял на веру вслед за алгоритмом. Отраслевые организации обсуждают требования к валидации моделей — по аналогии с поверкой приборов: прежде чем доверять алгоритму, его нужно испытать на стандартизованных наборах дефектограмм. Появление таких требований сделает рынок прозрачнее и отсеет решения, которые красиво выглядят на презентациях, но не подтверждены на реальных объектах.
Лабораториям не стоит ни игнорировать технологию, ни ждать от нее чуда. Разумная стратегия — накапливать цифровые архивы результатов уже сейчас: именно они станут сырьем для будущих систем анализа, и лаборатория с многолетним размеченным архивом получит фору перед конкурентами. Заказчикам ИИ-анализ дает дополнительный уровень контроля качества самих услуг: независимая машинная проверка дефектограмм подрядчика — быстрый способ выборочного аудита без повторного выезда на объект.
Технология развивается быстро, и через несколько лет умение работать в связке с алгоритмами станет для дефектоскописта такой же базовой компетенцией, как настройка чувствительности прибора. Выиграют те лаборатории и специалисты, которые начали накапливать этот опыт первыми, — на рынке с дефицитом кадров это преимущество конвертируется в контракты напрямую.
Найти аттестованную лабораторию НК можно на площадке «Ресурс-Плюс»: разместите заявку на странице технического диагностирования — лаборатории и дефектоскописты откликнутся с ценой и сроками.
Первая единая площадка промышленных и инженерных услуг России
