Donecle | |
Donecle-logo | |
Opprettelse | 09/10/2015 |
---|---|
Grunnleggere | Yann BrunerMatthew ClaybroughJosselin BequetAlban Deruaz-Pepin |
Lovlig status | Aksjeselskap |
Hovedkontoret |
Labège Frankrike |
Retning | Josselin Bequet |
Aktivitet | Fly og rombyggingApe: 3030Z |
Produkter | Drone |
SIRENE | 813 450 350 |
Nettsted | donecle.com |
Donecle er et Toulouse oppstart som utvikler et luftfartøy inspeksjonssystem ved bruk av automatiserte droner . Selskapet tilbyr en drone eller sverm av droner som er i stand til å lokalisere seg i forhold til flyet og visuelt inspisere den ytre overflaten .
De autonome navigasjonsdronene er basert på laserposisjoneringsteknologi. Droner tar bilder av flyet med kameraer med høy oppløsning . Bildebehandling og maskinlæring algoritmer analysere bildene. Systemet gir deretter en diagnose av flyoverflaten til en utdannet inspektør, som gjennomgår bildene og validerer eller motbeviser analysen som er gitt.
Belønnet av flere priser og utmerkelser , inngår selskapet partnerskap med flyselskaper som Air France Industries - KLM og flyprodusenter som Dassault Aviation . Selskapet er en av aktørene innen robotisering av luftfartsvedlikehold .
I 2015 , den globale passasjerfly flåte består rundt 21 600 fly. Ifølge økonomiske prognoser av estimatorer, bør det dobbelte i løpet av de neste tjue årene, noe som fører til en økning i luftfartsvedlikeholdsaktiviteter . Denne sektoren har en årlig vekst på over 4 % . De flyselskapene ønsker å redusere kostnader og gjennomgå lønnsomhet strukturelt svake (netto marginer på ca. 2,5 % ). En måte å spare penger på er å redusere vedlikeholdskostnadene, som representerer 15 % av driftskostnadene.
De flyprodusenter , som Airbus , Boeing og ATR og organisasjoner sertifisering , slik som Federal Aviation Administration (FAA) og European Agency for flysikkerhets (EASA), krever regelmessig visuell inspeksjon av hele overflaten eksterne flyet for å vurdere tilstanden til deres strukturer. Cirka 80 % av inspeksjonene er visuelle. Alle fly inspiseres visuelt før hver flyging, som en del av regelmessige planlagte vedlikeholdsoperasjoner og etter uforutsette hendelser som lynnedslag, haglbyge eller annen ekstern skade. En av løsningene som vurderes for å redusere kostnadene er robotisering av luftfartsvedlikehold og visuelle inspeksjoner.
I januar 2013 , det prosjektet fransk for Forskning og Utvikling Air Cobot starter og har som mål å utvikle en robot mobil samarbeids kunne inspisere et fly under operasjoner tjeneste . Ledet av Akka Technologies- gruppen , involverer dette flerpartnerprosjektet forskningslaboratorier og produsenter, inkludert Airbus . I 2014 , i samarbeid med Bristol Robotics Laboratory, interesserte det britiske flyselskapet easyJet seg for ubemannede droner for å forbedre inspeksjonstiden til flykroppene.
Etter tretten år som ingeniør i design kontorene til europeiske flyet produsenten Airbus på A400M og A350 fly , finner Yann Bruner at inspeksjonsrapporter for vedlikehold er ofte ufullstendige ulike årsaker som for eksempel en manglende bilde, manglende informasjon. Eller uleselig håndskrift. Han vurderer bruk av droner for å utføre inspeksjonen automatisk. Deretter kontaktet han Matthieu Claybrough som var involvert i droneprosjekter ved Higher Institute of Aeronautics and Space (ISAE-SUPAERO). Matthieu Claybrough jobbet i tre år med å designe autopiloter for fly og helikoptre for Thales Avionics , en leverandør av avionikkutstyr og -tjenester . Med Josselin Bequet og Alban Deruaz-Pepin grunnla de i september 2015 oppstarten Donecle og utviklet et automatisk flyinspeksjonssystem med en sverm av droner . Samme år presenterte de konseptet sitt på den internasjonale luftfarts- og romfartsutstillingen Paris-Le Bourget i juni.
Selv om regelverket og værforhold komplisere bruken av droner i flyplass luftrom , har Donecle valgt å utvikle et produkt som fungerer både innendørs og utendørs. Vanligvis bruker droner som flyr autonomt utendørs, systemgeolokaliseringen Global Positioning System (GPS) for å posisjonere. Men denne tilnærmingen er utenkelig innendørs i en hangar på grunn av signalforvrengninger på grunn av metallkonstruksjoner . For å kunne operere i begge miljøer, bruker selskapet et laserposisjoneringssystem for dronene. De algoritmer beregner i sanntid de stilling av slepelegemet i forhold til planet.
Den menneskelige operatøren velger en flyplan for inspeksjon. Dronen (e) tar av og flyr autonomt. Kameraene montert på dronene fotograferer overflaten på enheten. De algoritmer for bildebehandling utføre egenskapsdeteksjon på flykroppen og klassifisere i defekter eller ikke. En kvalifisert inspektør kan deretter validere analyserapportene.
Sammenlignet med en menneskelig inspeksjon som krever installasjon av stillas, tar den komplette analysen av den ytre overflaten av en Airbus A320 eller en Boeing 737 med en sverm på tre droner tjue til tretti minutter mot åtte timer og mobiliserer en enkelt person mot ti til tjue i den klassiske tilnærmingen. Kostnaden for nedetid for en enhet er omtrent $ 10 000 per time. Patenter er arkivert.
Inspeksjonssystemet kan sees på som et sett med mobile sensorer som faller innenfor tingenes internett , på engelsk "Internet of Things" (IoT). Fra sin begynnelse i 2015, Donecle sluttet Connected Camp , en oppstart akselerator på dette feltet, til stede i IOT-dalen i Labege , en by som ligger sør - øst for Toulouse . Donecle er medlem av Aerospace Valley- konkurranseklyngen , Robotics Place-klyngen og Hardware Club. I oktober 2016 ble hun medlem av Starburst Accelerator , en inkubator dedikert til oppstart i luftfarts- og romfartssektoren .
I løpet av samme år vant oppstarten flere priser som Grand Prix Galaxie, tildelt av Toulouse-klubben med selskaper i luftfarts- og romfartssektoren , med samme navn og et innovasjonspokal innenfor rammen av Aeromart, konvensjonen om virksomhet i luftfarts- og romfartsindustrien.
I 2016 kunngjorde selskapet et partnerskap med det fransk-nederlandske luftfartsvedlikeholdskonsernet Air France Industries - KLM Engineering and Maintenance (AFI-KLM E&M). Dette samarbeidet er en del av MRO Lab - Adaptive Innovations , et AFI KLM E & M-program dedikert til innovasjon. Dronene testes på flyene for å verifisere beskrivende markeringer og oppdage feil. På slutten av denne test- og verifiseringsfasen planlegger AFI-KLM og Donecle å i fellesskap distribuere dette inspeksjonssystemet på vedlikeholdsbaser av AFI-KLM E&M.
På slutten av 2016 investerte DDrone Invest, et investeringsselskap kontrollert av det franske selskapet Delta Drone, en million euro i oppstarten Donecle. Med dette abonnementet på en reservert kapitalforhøyelse blir selskapet en aksjonær sammen med grunnleggerne. På International Air Show and Space of Paris-Le Bourget i 2017 kunngjorde oppstarten som begynner å signere sine første kontrakter med flyselskapene og forventer en kommersiell distribusjon innen utgangen av året. I løpet av året planlegger oppstarten å øke arbeidsstyrken og ønsker å tiltrekke seg internasjonale kunder.
Under ADS Show 2018 Trade Show flyvedlikehold og forsvar gjennomførte Donecle en inspeksjon av drone Dassault Rafale , militærflyets multirole . I fremtiden ønsker det Toulouse-baserte selskapet også å tilby andre typer inspeksjoner, for eksempel kvalitetskontroll av installasjon av utvendig maling eller korrosjonsvurdering . Det vurderes måter å diversifisere til inspeksjon for ikke-luftfartsvedlikehold, spesielt innen jernbane , marineindustri og vindparker .
Donecle drone er en koaksial octocopter med push-pull. Droner posisjonerer seg i forhold til flyet de skal inspisere ved hjelp av en laserposisjoneringsteknikk. Dette tillater dem å operere i dekket områder som hangarer uten behov for Global Positioning System (GPS) geolocation . De algoritmer beregner i sanntid de stilling av slepelegemet i forhold til planet. De sensorer som brukes for autonom navigasjon sikre operasjonell sikkerhet ved å forhindre kollisjoner med luftfartøyet, menneskelig personell og utstyr.
De flygeplaner og antall droner brukes avhengig av flytype som skal analyseres. En drone er tilstrekkelig for et lite fly, mens opptil seks droner kan vurderes for en Airbus A380 . Ettersom inspeksjonsoppdragene alltid er de samme, er reisene forhåndsprogrammert i programvare om bord på en styreplate . Den menneskelige operatøren trenger ikke pilot. Alt han trenger å gjøre er å starte oppdraget og dronene navigerer autonomt rundt hytta . De kan utvikle seg i en avstand på en meter fra skroget.
De høyoppløselige kamera montert på droner bilde på overflaten av anordningen. Bildebehandlings algoritmer utfører et første trinn med å detektere områder av interesse på flykroppen. Et annet klassifiseringstrinn utføres deretter. for å kategorisere feil ( lynnedslag , oljelekkasje , riper, tekstur uregelmessighet, ...) og konvensjonelle elementer av anordningen ( nagle , pitotrør , ...). Den anerkjennelse algoritmen er basert på automatisk læring fra kommenterte databaser fra tidligere flyreiser.
Effektiviteten av dype læring algoritmer avhenger av representativitet og mengden av eksempler i hver klasse. Databaser lider av det faktum at det bare er et lite antall feil sammenlignet med den enorme mengden normale elementer som er tilstede i et fly. Mangler er imidlertid de viktigste elementene å klassifisere. For å overvinne denne vanskeligheten, gjorde Donecle undersøkelser for å utvide bildeanmerkelsene ved å bruke klassiske bildebehandlingsteknikker og generative antagonistiske nettverk . Andre alternativer er også tenkt inkluderer læring med en operasjon, som gjør det mulig å lære objektkategoriinformasjon fra et enkelt bilde eller fra et lite antall treningsbilder.
Diagnostikk gis i sanntid . Applikasjonene er påvisning av mangler og kvalitetskontroll av regulatoriske markeringer. På slutten av oppdraget, en skade rapport sendes til berøringsskjerm med hvert område av interesse og sitt forslag til klassifisering. Algoritmen returnerer en konfidensrate på diagnosen. En kvalifisert inspektør ser på bildene og validerer eller tilbakeviser denne diagnosen.