Donecle

Donecle
logotipo de donecle
Logotipo de Donecle
Creación 10/09/2015
Fundadores Yann BrunerMatthew ClaybroughJosselin BequetAlban Deruaz-Pepin
Forma jurídica Sociedad Anónima
La oficina central Labège Francia
 
Dirección Josselin Bequet
Actividad Construcción de aeronaves y espacioSimio: 3030Z
Productos Zumbido
SIRENA 813 450 350
Sitio web donecle.com

Donecle es una startup de Toulouse que está desarrollando un sistema de inspección de aeronaves utilizando drones automatizados . La compañía ofrece un dron o un enjambre de drones capaces de ubicarse en relación con la aeronave e inspeccionar visualmente la superficie exterior .

Los drones autónomos de navegación se basan en tecnología de posicionamiento láser. Los drones toman fotografías del avión con cámaras de alta resolución . Los algoritmos de procesamiento de imágenes y aprendizaje automático analizan las imágenes. Luego, el sistema proporciona un diagnóstico de la superficie de la aeronave a un inspector capacitado, que revisa las imágenes y valida o refuta el análisis proporcionado.

Premiada con varios premios y distinciones , la compañía forja asociaciones con aerolíneas como Air France Industries - KLM y fabricantes de aviones como Dassault Aviation . La empresa es uno de los actores en la robotización del mantenimiento aeronáutico .

Histórico

Contexto y creación

En 2015 , la flota mundial de aviones de pasajeros comprendía alrededor de 21.600 aviones. Según las previsiones económicas de los estimadores, debería duplicarse en los próximos veinte años, lo que provocaría un aumento de las actividades de mantenimiento aeronáutico. Este sector está experimentando un crecimiento anual superior al 4  % . Las aerolíneas buscan recortar costos y experimentar una rentabilidad estructuralmente débil (márgenes netos de aproximadamente 2.5  % ). Una forma de ahorrar dinero es reducir los costos de mantenimiento, que representan el 15  % de sus costos operativos.

Los fabricantes de aeronaves , como Airbus , Boeing y ATR , y la certificación de organizaciones , como la Administración Federal de Aviación (FAA) y la Agencia Europea para la Seguridad Aérea (EASA), requieren una inspección visual periódica de toda la superficie externa de la aeronave para evaluar el estado de sus estructuras. Aproximadamente el 80  % de las inspecciones son visuales. Todas las aeronaves se inspeccionan visualmente antes de cada vuelo, como parte de las operaciones de mantenimiento planificadas regulares y después de eventos imprevistos como un rayo, una tormenta de granizo u otros daños externos. Una de las soluciones consideradas para reducir costes es la robotización del mantenimiento aeronáutico y sus inspecciones visuales.

En enero de 2013 , se inicia el proyecto Francés de Investigación y Desarrollo Air Cobot y tiene como objetivo desarrollar un robot móvil colaborativo capaz de inspeccionar una aeronave durante las operaciones de servicio . Liderado por el grupo Akka Technologies , este proyecto de socios múltiples involucra laboratorios de investigación y fabricantes, incluido Airbus . En 2014 , en asociación con el Laboratorio de Robótica de Bristol, la aerolínea británica easyJet se interesó por los drones no tripulados para mejorar el tiempo de inspección de los fuselajes de sus aviones.

Después de trece años como ingeniero en las oficinas de diseño del fabricante de aviones europeo Airbus en aviones A400M y A350 , Yann Bruner descubre que los informes de inspección para el mantenimiento a menudo están incompletos por varias razones, como una fotografía faltante, información faltante o escritura ilegible. Está considerando el uso de drones para realizar la inspección de forma automática. Luego se puso en contacto con Matthieu Claybrough, quien estaba involucrado en proyectos de drones en el Instituto Superior de Aeronáutica y Espacio (ISAE-SUPAERO). Matthieu Claybrough trabajó durante tres años diseñando pilotos automáticos para aviones y helicópteros para Thales Avionics , un proveedor de equipos y servicios de aviónica . Con Josselin Bequet y Alban Deruaz-Pepin, en septiembre de 2015 fundaron la startup Donecle y desarrollaron un sistema automático de inspección de aeronaves con un enjambre de drones . Ese mismo año, presentaron su concepto en la feria internacional de aeronáutica y espacio de París-Le Bourget en junio.

Producto desarrollado

Incluso si las regulaciones y las condiciones climáticas complican el uso de drones en el espacio aéreo del aeropuerto, Donecle ha optado por desarrollar un producto que funcione tanto en interiores como en exteriores. Por lo general, los drones que vuelan de forma autónoma al aire libre utilizan el sistema de geolocalización Global Positioning System (GPS) para posicionarse. Pero este enfoque es impensable en el interior de un hangar debido a las distorsiones de la señal debido a las estructuras metálicas . Para poder operar en ambos entornos, la empresa emplea un sistema de posicionamiento láser para sus drones. Los algoritmos calculan en tiempo real la posición del dron en relación con el avión.

El operador humano elige un plan de vuelo para su inspección. Los drones despegan y vuelan de forma autónoma. Las cámaras montadas en los drones fotografían la superficie del dispositivo. Los algoritmos de procesamiento de imágenes realizan la detección de características en el fuselaje y clasifican en defectos o no. Luego, un inspector calificado puede validar los informes de análisis.

En comparación con una inspección humana que requiere la instalación de andamios, el análisis completo de la superficie externa de un Airbus A320 o un Boeing 737 con un enjambre de tres drones toma de veinte a treinta minutos contra ocho horas y moviliza a una sola persona contra diez a veinte pulgadas. el enfoque clásico. El costo del tiempo de inactividad de un dispositivo es de aproximadamente $ 10,000 por hora. Se han archivado las patentes.

Primeros éxitos

El sistema de inspección puede verse como un conjunto de sensores móviles que se encuentran dentro del dominio de Internet of Things , en inglés "Internet of Things" (IoT). Desde sus inicios en 2015, se unió a la Donecle Conectado campamento , un acelerador de inicio en este campo, presente en el valle de la IO de Labège , una ciudad situada al sur - este de Toulouse . Donecle es miembro del grupo de competitividad Aerospace Valley , el grupo Robotics Place y el Hardware Club. En octubre de 2016 se incorporó a Starburst Accelerator , una incubadora dedicada a las startups del sector aeronáutico y espacial .

Durante el mismo año, la startup ganó varios premios como el Grand Prix Galaxie, otorgado por el club de empresas de Toulouse del sector aeronáutico y espacial , del mismo nombre y un trofeo de innovación en el marco de Aeromart, la convención de negocios de las industrias aeronáutica y espacial.

En 2016, la compañía anunció una asociación con el grupo franco-holandés de mantenimiento aeronáutico Air France Industries - KLM Engineering and Maintenance (AFI-KLM E&M). Esta colaboración es parte del MRO Lab - Adaptive Innovations , un programa de AFI KLM E&M dedicado a la innovación. Los drones se prueban en sus aviones para verificar las marcas descriptivas y detectar fallas. Al final de esta fase de prueba y verificación, AFI-KLM y Donecle planean implementar conjuntamente este sistema de inspección en las bases de mantenimiento de AFI-KLM E&M.

A finales de 2016, DDrone Invest, una sociedad de inversión controlada por la empresa francesa Delta Drone, invirtió un millón de euros en la puesta en marcha Donecle. Con esta suscripción a una ampliación de capital reservada, la empresa se convierte en accionista junto a los fundadores. En el International Air Show and Space de Paris-Le Bourget en 2017 , la startup anunció que comienza a firmar sus primeros contratos con aerolíneas y espera un despliegue comercial para fin de año. Durante el año, la startup planea aumentar su fuerza laboral y quiere atraer clientes internacionales.

Durante el ADS Show 2018 Trade Show, el mantenimiento y la defensa de aviones, Donecle realizó una inspección con el dron Dassault Rafale , el avión militar polivalente . En el futuro, la empresa con sede en Toulouse también quiere ofrecer otros tipos de inspección como el control de calidad de la instalación de pintura exterior o la evaluación de la corrosión . Se están considerando formas de diversificar la inspección para el mantenimiento no aeronáutico, particularmente en los ferrocarriles , la industria naval y los parques eólicos .

Tecnologias

Navegación autónoma

El dron Donecle es un octocóptero coaxial push-pull. Los drones se posicionan en relación con la aeronave que deben inspeccionar utilizando una técnica de posicionamiento láser. Esto les permite operar en sitios cubiertos como hangares sin la necesidad de geolocalización del Sistema de Posicionamiento Global (GPS). Los algoritmos calculan en tiempo real la posición del dron en relación con el avión. Los sensores utilizados para la navegación autónoma garantizan la seguridad operativa al evitar colisiones con la aeronave, el personal humano y el equipo.

Los planes de vuelo y la cantidad de drones utilizados dependen del modelo de aeronave a analizar. Un dron es suficiente para un avión pequeño, mientras que se pueden considerar hasta seis para un Airbus A380 . Como las misiones de inspección son siempre las mismas, los viajes están preprogramados en software a bordo de un panel táctil . El operador humano no necesita pilotar. Todo lo que tiene que hacer es lanzar la misión y los drones navegan de forma autónoma por la cabina . Pueden evolucionar a una distancia de un metro del fuselaje.

Inspección visual

Las cámaras de alta resolución montadas en los drones fotografían la superficie del dispositivo. Los algoritmos de procesamiento de imágenes realizan un primer paso para detectar áreas de interés en el fuselaje. Luego se lleva a cabo un segundo paso de clasificación . con el fin de categorizar fallas ( rayo , fuga de aceite , rayado, irregularidad de textura, ...) y elementos convencionales del dispositivo ( remache , tubo de pitot , ...). El algoritmo de reconocimiento se basa en el aprendizaje automático de bases de datos anotadas de vuelos anteriores.

La efectividad de los algoritmos de aprendizaje profundo depende de la representatividad y la cantidad de ejemplos en cada clase. Las bases de datos adolecen del hecho de que solo hay una pequeña cantidad de fallas en comparación con la enorme cantidad de elementos normales presentes en un avión. Sin embargo, los defectos son los elementos más críticos para clasificar. Para superar esta dificultad, Donecle investigó para ampliar las anotaciones de imágenes, utilizando técnicas clásicas de procesamiento de imágenes y redes antagonistas generativas . Otras alternativas también previstas incluyen el aprendizaje de una sola operación, que permite aprender la información de la categoría de objeto a partir de una sola imagen o de un pequeño número de imágenes de entrenamiento.

Los diagnósticos se proporcionan en tiempo real . Las aplicaciones son la detección de defectos y el control de calidad de los marcados reglamentarios. Al final de la misión, se envía un informe de daños a la tableta con pantalla táctil con cada área de interés y su clasificación propuesta. El algoritmo devuelve una tasa de confianza en su diagnóstico. Un inspector calificado observa las imágenes y valida o refuta este diagnóstico.

Notas y referencias

  1. Isabelle Bellin y Sylvain Labbé, Todos los zánganos -Finalidad? : Lo que cambiarán en mi vida diaria , Versailles, Editions Quae,noviembre de 2016, 199  p. ( ISBN  978-2-7592-2529-3 , leer en línea ) , pág.  90
  2. (en) “  perspectivas del mercado actual 2015-2034  ” , Boeing ,2015( leer en línea , consultado el 19 de julio de 2017 ) [PDF]
  3. (in) Oliver Wyman , "  Turbulence Ahead desactive the autopilot  " , Pronóstico del mercado global de flota y MRO 2015-2025 ,octubre de 2015( leer en línea ) [PDF]
  4. (in) "  Financial Forecast  " , Asociación Internacional de Transporte Aéreo ,Marzo del 2014( leer en línea ) [PDF]
  5. (in) Transport Studies Group, University of Westminster, "  Costos de aerolíneas de pasajeros retrasados ​​y cómo estimar los costos totales de demora de la red  " , Acciones cooperativas innovadoras de investigación y desarrollo en el programa EUROCONTROL INO CARE III ,14 de noviembre de 2008( leer en línea ) [PDF]
  6. (in) UF Goranson y JT Rogers , "  Elementos de verificación de tolerancia al daño  " , Duodécimo Simposio ICAF, Comité Internacional sobre Fatiga Aeronáutica ,1983
  7. Xavier Martinage, "  Air-Cobot: el robot del que dependerá su seguridad  " , en lci.tf1.fr , La Chaîne Info ,17 de junio de 2015(consultado el 19 de julio de 2017 )
  8. (in) Igor Jovancevic Stanislas Larnier , Jean-José Orteu y Thierry Sentenac , "  La inspección exterior automatizada de una aeronave con una cámara pan-tilt-zoom se montó en un robot móvil  " , Journal of Electronic Imaging , vol.  24, n o  6,noviembre 2015( leer en línea ) [PDF]
  9. (in) "  Easyjet desarrolla robots voladores para inspeccionar aviones  " , BBC News Business ,7 de mayo de 2014( leer en línea , consultado el 19 de julio de 2017 )
  10. Florine Galeron, "  Aeronáutica: la puesta en marcha Donéclé inventa el avión no tripulado del anti-relámpago  ", La Tribune ,28 de agosto de 2015( leer en línea )
  11. Johanna Decorse, "  Donecle inspecciona aviones alcanzado por un rayo en un instante  ", de Capital ,18 de abril de 2016( leer en línea , consultado el 2 de agosto de 2017 )
  12. Arnaud Devillard, "  Drones para inspeccionar aviones  ", Sciences et Avenir ,20 de abril de 2016( leer en línea , consultado el 19 de julio de 2017 )
  13. Sylvain Rolland y Gael Cérez, "  Matthieu Claybrough, cofundador de Donecle, premiado por el MIT Technology Review  ", La Tribune ,14 de abril de 2016( leer en línea , consultado el 19 de julio de 2017 )
  14. (in) [Video] # Innovators35EU - Matthew Claybrough está revolucionando la inspección de aeronaves en YouTube publicado por MIT Technology Review el 26 de abril de 2016
  15. Marina Angel, "  2017, el año del vuelo de los enjambres de drones de Toulouse Donecle  ", Usine Digitale ,6 de diciembre de 2016( leer en línea , consultado el 19 de julio de 2017 )
  16. Valérie Froger, "  Cuatro empresas francesas que revolucionan su mercado  ", L'Express ,18 de julio de 2016( leer en línea , consultado el 2 de agosto de 2017 )
  17. (en) [video] UAV inspecciones de las aeronaves Donecle - AFI KLM E & M en YouTube publicados por Donecle 13 de abril, 2017
  18. (en) Léo Barnier, “  Donecle establece su avión no tripulado para el trabajo para el mantenimiento con AFI KLM E & M  ” , Le Journal de l'Aviation ,20 de julio de 2017( leer en línea )
  19. Claire Raynaud, "  Miles de millones en ahorros para aerolíneas  ", La Dépêche du Midi ,8 de abril de 2016( leer en línea , consultado el 19 de julio de 2017 )
  20. Juan Bautista Heguy, "  Donecle: micro-aviones no tripulados para inspeccionar aviones alcanzado por un rayo  ", Aire y del Cosmos ,8 de abril de 2016( leer en línea )
  21. Julie Rimbert, "  aviones no tripulados para inspeccionar los aviones  ", Le Parisien ,21 de diciembre de 2016( leer en línea )
  22. (en) Patente WO 2016203151 "Sistema y método para inspeccionar superficies automáticamente", Matthew Claybrough, Donecle, 2016
  23. (in) Patente WO 2017121936 "Método y sistema para determinar la posición de una aeronave en movimiento", Alban Deruaz-Pepin, Donecle, 2017
  24. Jeanne Dussueil, "  Donecle, atacando a las aerolíneas con sus drones de mantenimiento de aviones  " , en frenchweb.fr ,29 de junio de 2016(consultado el 19 de julio de 2017 ) [video]
  25. Marina Angel, "  IoT Valley: Connected Camp temporada 1, vamos con 8 empresas emergentes  ", Usine Digitale ,3 de febrero de 2016( leer en línea , consultado el 19 de julio de 2017 )
  26. JDE Edition “,  de Toulouse. Donecle Delta Drone invierte un millón de euros en Donecle  ”, Le Journal des entreprises ,24 de octubre de 2016( leer en línea , consultado el 19 de julio de 2017 )
  27. Magali Rebeaud, "  Donecle inspecciona aviones con sus drones  ", Aerobuzz ,16 de junio de 2017( leer en línea , consultado el 25 de julio de 2017 )
  28. "  La primera edición del Paris Air Lab en el Paris Air Show 2017 - 21/06  " , en bfmbusiness.bfmtv.com , BFM Business ,21 de junio de 2017(consultado el 2 de agosto de 2017 ) [video]
  29. "  Prix ​​Galaxie 2016  " , en club-galaxie.com , Club Galaxie,2016(consultado el 19 de julio de 2017 )
  30. "  Los cinco ganadores de los trofeos Aeromart Toulouse 2016  " , en madeeli.fr ,2016(consultado el 19 de julio de 2017 )
  31. "  Donecle recibe el trofeo de innovación de Toulouse  " , en toulouse7.com ,diciembre de 2016(consultado el 19 de julio de 2017 )
  32. (en) "  Drones voladores de ojos de halcón  " en afiklmem.com , Air France-KLM (consultado el 3 de agosto de 2019 ) .
  33. HenrydFrecinet, “  Presentación dinámica de la inspección de #Rafale por el zumbido de @Donecle en el @ ADSShow2018 con @AppsDrones @AiretCosmos  ” , en Twitter ,26 de septiembre de 2018
  34. Emmanuel Huberdeau, "  Des zánganos vierta Ayuda a la de mantenimiento  ", Aire y del Cosmos , n o  2611,5 de octubre de 2018, p.  15
  35. AOF, "  Delta Drone invierte un millón de euros en Donecle  ", Capital ,11 de octubre de 2016( leer en línea , consultado el 19 de julio de 2017 )
  36. Gabrielle Carpel, "  Les drones du Bourget  ", Drones Actu ,11 de octubre de 2016( leer en línea , consultado el 19 de julio de 2017 )
  37. "  Selección de Midinvest 2017: Donecle, el dron inspector automático de aviones  " , en midinvest.fr ,24 de febrero de 2017(consultado el 19 de julio de 2017 )
  38. (in) Jawhar Chebbi , Francois DEFAY Yves Briere y Alban Deruaz-Pepin , "  Nueva estrategia de control basada en modelos para mezclar en coaxial multirotor Push-Pull  " , IEEE Robotics and Automation Letters , vol.  5, n o  22020, p.  485-491 ( leer en línea )
  39. Olivier James, "  aviones no tripulados de aviones Donecle auscultate  ", L'Usine nouvelle ,19 de noviembre de 2016( leer en línea , consultado el 19 de julio de 2017 )
  40. Emma Bao, "  DRONES: Donecle opera incluso en interiores, drones para inspeccionar rayos en un avión  " , en entreprises-occitanie.com , Entreprises Occitanie,4 de agosto de 2016(consultado el 24 de agosto de 2017 )
  41. Julien Miranda , Stanislas Larnier y Matthieu Clayborought , "  Caracterización de objetos en imágenes adquiridas por aviones no tripulados en busca de defectos para el mantenimiento aeronáutico  ", Actas de Reconocimiento de Formas y la conferencia de la Inteligencia Artificial ,2018( leer en línea ) [PDF]
  42. Bryan Deliencourt , Mathieu Giraud , Julien Miranda , Stanislas Larnier , Ariane Herbulot y Michel Devy , "  Generación fotorrealista de defectos en imágenes de superficies exteriores de aviones adquiridos por un dron autónomo  ", ORASIS, días francófonos de jóvenes investigadores de la visión por computadora ,2019( leer en línea )
  43. (en) Julian Miranda , Jannic Veith Stanislas Larnier Ariane Herbulot y Michel Devy , "  los enfoques de aprendizaje automático para la clasificación de defectos son imágenes del fuselaje de aviones adquiridas por UAV de año  " , Decimocuarta Conferencia Internacional sobre Control de Calidad por Visión Artificial ,2019( leer en línea ) [PDF]

Ver también

Artículos relacionados

Enlace externo