Uma Frota com Problema de Manutenção
A frota de superfície da Marinha dos Estados Unidos tem enfrentado atraso de manutenção há anos. Navios esperam meses a mais que o programado por reparos em estaleiro, as taxas de prontidão diminuíram em classes de combatentes de superfície-chave, e o problema atraiu críticas sustentadas do Congresso e comandantes da frota. O serviço agora deu um passo concreto para resolver o desafio diagnóstico subjacente: a Marinha nem sempre sabe a extensão da deterioração estrutural de um navio até que ele já está no estaleiro, ponto em que reparos inesperados se cascateiam em estadias prolongadas e custos inflacionados.
Gecko Robotics, uma empresa baseada em Pittsburgh especializada em implantar sistemas robóticos de inspeção em infraestrutura industrial, foi contratada para ajudar a fechar essa lacuna de informações. O contrato de entrega indefinida, quantidade indefinida de cinco anos e $54 milhões implantará os robôs habilitados para AI da empresa em 18 navios atribuídos à Frota do Pacífico da Marinha, com o objetivo de identificar necessidades de manutenção mais cedo e de forma mais abrangente do que a inspeção manual tradicional permite.
Como a Tecnologia Gecko Funciona
Os sistemas robóticos Gecko são rastreadores de trilho magnético capazes de escalar superfícies metálicas verticais — incluindo seções de casco de navio, anteparos e paredes de tanque — enquanto carregam uma variedade de sensores. Medidores ultrassônicos de espessura medem a espessura da chapa de aço em milhares de pontos por hora, detectando corrosão e perda de metal que levaria dias para inspetores humanos mapearem manualmente. Sensores de imagem térmica identificam pontos quentes que podem indicar desgaste de rolamentos, degradação de isolamento ou falhas elétricas. Câmeras de alta resolução documentam condições de superfície com fidelidade visual que suporta tanto a tomada de decisão imediata quanto tendências históricas.
Os robôs alimentam dados coletados em uma plataforma de análise AI que processa fluxos de sensores quase em tempo real e sinaliza anomalias em relação a medições de linha de base de inspeções anteriores. Para sistemas de navios, isso significa que as equipes de manutenção recebem uma lista classificada de áreas que requerem atenção, com estimativas de severidade derivadas da taxa de deterioração em vez de um único instantâneo. Manutenção preditiva — identificar que um componente falhará em uma janela definida em vez de esperar que falhe — requer exatamente esse tipo de coleta de dados longitudinais.
