Un approccio Digital Twin mediante droni per il monitoraggio dei tetti flottanti dei serbatoi di petrolio greggio presso il Deposito Boccarda
View/ Open
Author
Priyadarshan, Subhransu Sourav <1999>
Date
2024-08-30Data available
2024-10-03Abstract
I rapidi progressi nella robotica hanno già iniziato a rivoluzionare
le industrie in tutto il mondo migliorando la precisione, automatizzando
i processi e abilitando capacità precedentemente ritenute impossibili.
La robotica sta promuovendo efficienza e innovazione in un'ampia gamma
di settori, dalla produzione e assistenza sanitaria all'agricoltura e al
monitoraggio ambientale. Questa tesi indaga l'uso di veicoli aerei senza pilota (UAV), noti anche come droni, nella robotica,
con particolare attenzione alla loro funzione in ambienti industriali per il
monitoraggio ambientale. Un risultato significativo di questa tesi
è stata la realizzazione di un gemello digitale della raffineria IPLOM S.p.A.
Questo gemello digitale consente la simulazione di varie anomalie che,
fortunatamente, non si sono ancora verificate nella realtà. Creando una replica virtuale della raffineria, il sistema consente la previsione e l'analisi
di potenziali rischi, offrendo un approccio proattivo alla gestione della sicurezza. La tesi si concentra specificamente sull'osservazione di serbatoi a tetto galleggiante presso il deposito Boccarda della raffineria Iplom a Busalla, in Italia. Questo lavoro è una componente del più ampio progetto RAISE
MESSAPI, che mira a sviluppare soluzioni all'avanguardia per la sicurezza industriale e la protezione ambientale. L'obiettivo principale era
sviluppare e implementare un sistema basato su UAV in grado di monitorare autonomamente i serbatoi a tetto galleggiante, identificare le fuoriuscite di petrolio, tenere d'occhio le inclinazioni del tetto e inviare dati in tempo reale al centro di controllo della raffineria. I droni
insieme ai sensori all'avanguardia utilizzano algoritmi di visione artificiale per
rilevare e classificare gli oggetti. Dopo rigorosi test di simulazione con
Unreal Engine e AirSim, il sistema ha dimostrato un elevato grado di
accuratezza rispetto ai dati del mondo reale. Rapid advancements in robotics have already begun to revolutionize
industries all around the world by improving precision, automating
processes, and enabling capabilities previously thought impossible.
Robotics is fostering efficiency and innovation across a wide range
of industries, from manufacturing and healthcare to agriculture and
environmental monitoring.This thesis investigates the use of Unmanned
Aerial Vehicles (UAVs), also referred to as drones, in robotics, with
a particular emphasis on their function in industrial environments for
environmental monitoring. A significant achievement of this thesis
was the realization of a digital twin of the IPLOM S.p.A. refinery.
This digital twin allows for the simulation of various anomalies that,
fortunately, have not yet occurred in reality. By creating a virtual
replica of the refinery, the system enables the prediction and analysis
of potential risks, offering a proactive approach to safety management.
The thesis specifically focuses on the observation of floating
roof tanks at the Iplom refinery’s Boccarda depot in Busalla, Italy.
This work is a component of the broader RAISE initiative’s Project
MESSAPI, which aims to develop cutting-edge solutions for industrial
safety and environmental protection. The main objective was to
develop and deploy a UAV-based system that could monitor floating
roof tanks on its own, identify oil spills, keep an eye on roof inclinations,
and send real-time data to the refinery’s control center. Drones
along with cutting-edge sensors use computer vision algorithms to
detect and classify objects. After rigorous simulation testing with
Unreal Engine and AirSim, the system demonstrated a high degree of
accuracy when compared to real-world data. The results show how
the system may significantly increase environmental monitoring and
safety in industrial settings by increasing operational efficiency and
offering early warnings of potential problems.
Type
info:eu-repo/semantics/masterThesisCollections
- Laurea Magistrale [4954]