CorrosionAI utiliza un PI-GNN que combina cinética Butler-Volmer y diagramas termodinámicos de Pourbaix con aprendizaje profundo basado en grafos para predecir tasas de corrosión con >95% de precisión en menos de 60 segundos.
Telemetría de sensores, condiciones ambientales, composición de materiales y registros operacionales históricos de sistemas SCADA/historiadores.
Red de atención de grafos de 4 capas con estados ocultos de 128 dimensiones y 8 cabezas de atención. Los nodos representan ubicaciones de sensores; las aristas codifican relaciones espaciales.
Cinética Butler-Volmer y diagramas termodinámicos de Pourbaix integrados directamente en la función de pérdida, garantizando predicciones físicamente plausibles.
Tasa de corrosión (mm/año), vida útil remanente (1-20 años), clasificación de riesgo e intervalos de confianza Bayesianos Monte Carlo al 50%, 90% y 95%.
Sensores autocalibrados muestrean en ciclos de 60 segundos. La telemetría se somete a validación de señal, detección de atípicos, ingeniería de características y construcción del grafo.
Calcula corrientes electroquímicas Butler-Volmer, clasificación de régimen Pourbaix, potenciales de equilibrio de Nernst y conversión de pérdida de masa por ley de Faraday.
El paso de mensajes a través del grafo permite a cada nodo agregar información de vecinos. Los mecanismos de atención aprenden qué relaciones espaciales son más informativas.
Dropout Bayesiano Monte Carlo con 100 pasadas estocásticas genera estimaciones puntuales e intervalos de predicción calibrados. La incertidumbre epistémica y aleatoria se cuantifican por separado.
Cada 60 segundos, las predicciones se comparan con las nuevas lecturas. Las actualizaciones Bayesianas en línea mejoran la precisión con el tiempo. La deriva de sensores y conceptos se detecta automáticamente.
| Métrica | PI-GNN (CorrosionAI) | GNN Puramente Data-Driven | Random Forest | Modelo Empírico Lineal |
|---|---|---|---|---|
| R² (Coeficiente de Determinación) | 0.976 | 0.921 | 0.847 | 0.623 |
| MAE (Error Absoluto Medio) | 0.043 mm/yr | 0.089 mm/yr | 0.127 mm/yr | 0.234 mm/yr |
| RMSE | 0.067 mm/yr | 0.134 mm/yr | 0.189 mm/yr | 0.312 mm/yr |
| MAPE (%) | 4.2% | 8.7% | 12.3% | 21.5% |
| Tiempo de Inferencia | <50ms | <45ms | ~120ms | <10ms |
| Capacidad | CorrosionAI PI-GNN | de Waard-Milliams | NORSOK M-506 | FreeCorp |
|---|---|---|---|---|
| Basado en Machine Learning | — | — | — | |
| Restringido por Física | ||||
| Cuantificación de Incertidumbre | — | — | — | |
| Inferencia en Tiempo Real | — | |||
| Modelado de Topología de Grafos | — | — | — | |
| Aprendizaje Continuo | — | — | — |
Cinética Butler-Volmer y diagramas de Pourbaix integrados en la función de pérdida reducen los requisitos de datos de entrenamiento 10x y garantizan predicciones físicamente plausibles.
Captura acoplamiento galvánico, corrosión acelerada por flujo en codos, blindaje de protección catódica y propagación de colonias MIC.
100 pasadas estocásticas cuantifican incertidumbre epistémica y aleatoria. Los intervalos de predicción logran 96.1% de cobertura al nivel de confianza del 95%.
Operaciones de matrices dispersas optimizadas, cuantización INT8 para inferencia en el borde y arquitectura de streaming ofrecen 240-480x de aceleración.
POST /api/v1/predict
Content-Type: application/json
Authorization: Bearer YOUR_API_KEY
{
"pipeline_id": "pipeline_001",
"timestamp": "2026-02-08T10:30:00Z",
"measurements": {
"temperature": 65.5,
"pressure": 1250,
"co2_partial_pressure": 0.45,
"h2s_concentration": 12.3,
"ph": 6.2,
"flow_velocity": 2.8,
"water_cut": 0.35
}
}
Response:
{
"corrosion_rate": 0.087,
"uncertainty": {
"lower_bound": 0.071,
"upper_bound": 0.103,
"confidence": 0.95
},
"risk_level": "medium",
"recommendations": [
"Monitor pH levels closely",
"Consider inhibitor injection"
]
}Stack completo en infraestructura del cliente. Opción air-gapped disponible para plataformas offshore y entornos con requisitos estrictos de soberanía de datos.
Instancia de nube dedicada (AWS, Azure, GCP) con claves de cifrado controladas por el cliente y aislamiento de datos.
Servicio completamente gestionado con infraestructura compartida y aislamiento lógico de tenants. Ideal para despliegue rápido y proyectos piloto.
Solicite una demo para ver cómo las Redes Neuronales de Grafos Informadas por Física predicen la corrosión con >95% de precisión en menos de 60 segundos.
Solicitar Demo