GE Vernova déploie des machines basées sur l'IA pour améliorer la qualité des pales d'éoliennes

GE Vernova, sous la direction du PDG Vic Abate, intensifie son attention sur l'énergie éolienne pour répondre à la demande énergétique mondiale et accélérer la décarbonation. Fournissant actuellement 7 % de l’électricité mondiale, l’énergie éolienne ambitionne d’atteindre 25 %, ce qui nécessitera une augmentation substantielle de la production de turbines.

Chaque éolienne est soumise à un processus de fabrication méticuleux impliquant la construction d'une tour en acier, le moulage de la nacelle en fibre de verre et l'assemblage des pales, chaque pale nécessitant environ 2 000 heures de travail pour être fabriquée à la main à partir de fibre de verre et de bois de balsa. Pour garantir la qualité, GE Vernova intègre la robotique et l'IA pour des inspections avancées, cruciales pour détecter les défauts tôt et minimiser les problèmes opérationnels après l'installation.

L'utilisation de l'IA s'étend aux inspections des matières premières et à l'ensemble du processus de fabrication, garantissant une qualité constante sur l'ensemble des sites de production mondiaux. Avec des pales pesant 20 tonnes et s’étendant sur 80 mètres, la précision est primordiale ; même des écarts mineurs peuvent avoir un impact significatif sur la durabilité et l’efficacité.

Les innovations de GE Vernova comprennent des caméras numériques à 360 degrés pour des inspections intérieures détaillées, améliorant ainsi la précision et l'évolutivité de la détection des défauts. Cette technologie soutient leur mission consistant à produire des turbines fiables, cruciales pour la transition mondiale vers les énergies renouvelables.

La prochaine innovation de GE Vernova consistait à exploiter la vision par ordinateur, une branche de l'IA axée sur l'apprentissage des ordinateurs pour reconnaître les informations visuelles dans les images. Initialement, les inspecteurs humains compilaient une liste détaillée des écarts qu’ils recherchaient généralement lors des inspections des pales. Ces informations ont servi de base à la formation des algorithmes d’IA grâce à un processus rigoureux.

Veronica Barner explique : « Nous utilisons des images annotées pour former une série d'algorithmes d'IA capables d'analyser les images et de signaler de manière autonome les anomalies potentielles. » Après une formation approfondie sur des dizaines de milliers d’images annotées, l’IA a rapidement maîtrisé la tâche consistant à identifier les écarts avec une grande précision. Les algorithmes documentent automatiquement tout défaut dans un outil numérique, permettant aux techniciens humains d'examiner et de résoudre les problèmes avant que la pale ne soit expédiée aux exploitants de turbines.

Barner souligne les gains d'efficacité : « Le déploiement de ce système dans nos usines enrichit la boucle de rétroaction. En quelques minutes, nos équipes disposent d'informations critiques et opportunes sur les pales sur lesquelles elles travaillent, à la manière d'une échographie prénatale. »

Un défi majeur consistait à accéder à l'intérieur de la lame pour inspection. GE Vernova a résolu ce problème en déployant une flotte de robots sur chenilles exploités à distance. Ces chenilles, d’environ la taille d’un modèle réduit de voiture de deux pieds, peuvent parcourir toute la surface intérieure de la lame en seulement 30 minutes. Cette capacité est cruciale car environ 50 % de la surface intérieure de la lame est inaccessible aux inspecteurs humains.

Ces avancées soulignent l'engagement de GE Vernova à tirer parti d'une technologie de pointe pour améliorer la qualité et la fiabilité des turbines, essentielles pour soutenir la transition mondiale vers les énergies renouvelables.