Utente:Debra Crovi/Sandbox
Donecle è un costruttore di aeromobile a pilotaggio remoto (APR) con base a Tolosa che sviluppa autonomi APR per l'ispezione degli aerei. L'azienda offre singoli APR o sciami di APR per ispezionare visivamente aerei di linea con telecamere ad alta risoluzione. La compagnia lavora con compagnie aeree come Air France Industries-KLM ed è uno dei protagonisti nel campo dell'automazione della manutenzione aeronautica.
Storia
[modifica | modifica wikitesto]Sfondo
[modifica | modifica wikitesto]I produttori di aeromobili, come Airbus, Boeing e ATR, e gli organismi di certificazione, come la Federal Aviation Administration (FAA) e l'Agenzia europea per la sicurezza aerea (EASA), richiedono regolari ispezioni visive dell'intera superficie esterna dell'aeromobile per valutare le condizioni delle loro strutture. Circa 80 ispezioni sono visive. [2] Tutti gli aeromobili sono ispezionati visivamente prima di ogni volo, come parte delle operazioni di manutenzione programmate e dopo eventi non pianificati come fulmini, grandinate o altri danni esterni. Una delle soluzioni considerate per migliorare la tracciabilità di queste operazioni e ridurre i costi è la robotizzazione della manutenzione aeronautica e le sue ispezioni visive.
Nel gennaio 2013, il progetto francese di ricerca e sviluppo Air-Cobot ha iniziato a sviluppare un robot mobile collaborativo in grado di ispezionare un aeromobile durante le operazioni di manutenzione. Eseguito dal gruppo Akka Technologies, questo progetto multi-partner coinvolge laboratori di ricerca e aziende industriali, incluso Airbus. [3] [4] Nel 2014, in collaborazione con il Bristol Robotics Laboratory, la compagnia aerea britannica easyJet si è interessata ai droni per ridurre i tempi di ispezione delle fusoliere degli aerei. [5] [6]
Dopo tredici anni negli uffici di progettazione del costruttore di aeromobili europeo Airbus sugli aeromobili A400M e A350, [7] [8] Yann Bruner, un ingegnere della Mines ParisTech, osserva che i rapporti di ispezione per la manutenzione sono spesso incompleti per vari motivi, come quelli mancanti fotografia, informazioni mancanti o grafia illeggibile. Considera l'uso dei droni per eseguire automaticamente l'ispezione. [7] Egli contatta Matthieu Claybrough, che è coinvolto in progetti APR presso l'Institut supérieur de l'aéronautique et de l'espace. [9] Con Josselin Bequet e Alban Deruaz-Pepin, hanno trovato la startup Donecle a settembre 2015 e sviluppato una soluzione di ispezione automatica per gli aerei con uno sciame di APR. [10] Nello stesso anno, presentano il loro concept al Paris Air Show di giugno. [7] [11]
Sviluppo
[modifica | modifica wikitesto]La soluzione di ispezione può essere vista come un insieme di sensori mobili che rientrano nel dominio dell'Internet of Things (IoT). [12] Dall'inizio del 2015, Donecle si unisce al Connected Camp, un incubatore di imprese in questo campo, situato nella IoT Valley di Labège, una città a sud-est di Tolosa. [10] [13] L'incubatore facilita la ricerca di finanziamenti e fornisce alcune attrezzature come una stampante 3D. [14] [15] Donecle è membro del cluster di competitività Aerospace Valley, del cluster Robotics Place e dell'Hard Hardware Club. [16] Nell'ottobre 2016 diventa membro dello Starburst Accelerator, il più grande incubatore al mondo per le startup aerospaziali. [17] [18]
Nel 2016, la società ha annunciato una partnership con il gruppo aeronautico franco-olandese Air France Industries-KLM Engineering and Maintenance (AFI-KLM E M). [10] [19] Gli APR sono testati sul loro aereo per verificare la marcatura e rilevare i difetti. Al termine di questa fase di test e verifica, AFI-KLM e Donecle prevedono di implementare congiuntamente questa soluzione sui siti di manutenzione di AFI-KLM E&M. [16]
Alla fine del 2016, DDrone Invest, una società di investimento controllata dalla società francese Delta Drone, investe un milione di euro nella startup Donecle. Con questa sottoscrizione ad un aumento di capitale riservato, la società diventa azionista insieme ai fondatori. [10] [20] A Parigi Air Show nel 2017, la startup annuncia che sta iniziando a firmare i suoi primi contratti con aerei di linea e prevede uno schieramento commerciale entro la fine dell'anno [21]. Durante l'anno, la startup sta progettando di aumentare la propria forza lavoro e vuole attirare clienti internazionali. [22]
In futuro, l'azienda francese desidera anche offrire altri tipi di ispezione, come il controllo di qualità della verniciatura esterna o la valutazione della corrosione. Si sta prendendo in considerazione la diversificazione nell'ispezione di manutenzione con applicazioni al di fuori della manutenzione aeronautica, in particolare nel trasporto ferroviario, nella costruzione navale e nei parchi eolici. [8] [10]
Fondatori
[modifica | modifica wikitesto]- Yann Bruner, amministratore delegato, ha un dottorato in Meccanica e materiali delle miniere ParisTech. Ha tredici anni di esperienza con il produttore aerospaziale europeo Airbus su metallo e materiale composito. [9] [23] Per tredici anni ha lavorato negli uffici di progettazione dell'Airbus A400M e A350. [8]
- Matthieu Claybrough, chief technology officer, laureato presso Ecole Polytechnique e Institut Supérieur de l'Aéronautique et de l'Espace (ISAE-SUPAERO). È specializzato in gestione dell'innovazione, aeronautica e teoria del controllo. [23] [24] [25] Per tre anni ha lavorato alla progettazione di piloti automatici per aerei ed elicotteri per Thales Avionics, un fornitore di attrezzature e servizi nel campo dell'avionica. [24]
- Josselin Bequet, direttore finanziario, si è laureato presso l'École supérieure de commerce di Parigi (ESCP Europe) e City, University of London. È specializzato in gestione e finanza. [23]
- Alban Deruaz-Pepin, capo dell'APR e ingegneria del software, laureato presso l'Institut Supérieur de l'Aéronautique et de l'Espace (ISAE-SUPAERO). È specializzato in informatica e teoria del controllo e possiede una licenza di pilota privato. [23]
Tecnologie
[modifica | modifica wikitesto]Navigazione autonoma
[modifica | modifica wikitesto]L'APR autonomo di Donecle che ispeziona un aereo. [1]
Gli APR si posizionano rispetto all'aeromobile con tecnologia di posizionamento laser. Ciò consente loro di operare in aree chiuse, come hangar, senza la necessità di geolocalizzazione con Global Positioning System (GPS). [9] [19] [26] Gli algoritmi calcolano in tempo reale la posizione dell'APR relativa all'aeromobile. [9] [19] I sensori utilizzati per la navigazione autonoma garantiscono anche un funzionamento sicuro prevenendo le collisioni con aerei, personale umano e attrezzature. [27]
I piani di navigazione e il numero di APR impiegati dipendono dal modello dell'aeromobile da analizzare. Un singolo APR è sufficiente per un piccolo aereo mentre fino a sei APR possono essere utilizzati per un Airbus A380. [26] Poiché le missioni di ispezione sono sempre le stesse, i percorsi sono preprogrammati nel software incorporato su un tablet. Un operatore umano non ha bisogno di pilotare l'APR, ma lancia solo la missione e poi gli UAV volano autonomamente attorno all'aereo. [9] [19] Normalmente volano ad una distanza di un metro dalla fusoliera. [9]
Ispezione visiva
[modifica | modifica wikitesto]Il software di elaborazione delle immagini controlla la qualità dei contrassegni normativi. [1]
Le telecamere ad alta risoluzione montate sugli APR fotografano la superficie dell'aereo. Gli algoritmi di elaborazione delle immagini eseguono un primo passo per rilevare qualsiasi regione di interesse sulla fusoliera. Viene quindi eseguita una seconda fase di classificazione per classificare i difetti (fulmine, perdita di olio, graffi, irregolarità della trama, ecc.) E gli elementi normali dell'aereo (viti, rivetti, tubi di pitot, ecc.). L'algoritmo di riconoscimento si basa sull'apprendimento automatico dai database annotati dei precedenti voli. [9] [19]
La diagnostica è fornita in tempo reale [26]. Le applicazioni includono il rilevamento degli errori e il controllo di qualità dei contrassegni normativi. Alla fine della missione, un rapporto sui danni viene inviato a un tablet con ciascuna regione di interesse e la sua classificazione proposta. L'algoritmo restituisce un indice di confidenza sulla sua diagnosi. Un revisore qualificato esamina le immagini e convalida o rifiuta la diagnostica [9].