TWOJA PRZEGLĄDARKA JEST NIEAKTUALNA.

Wykryliśmy, że używasz nieaktualnej przeglądarki, przez co nasz serwis może dla Ciebie działać niepoprawnie. Zalecamy aktualizację lub przejście na inną przeglądarkę.

 

Predicon – badania, które pozwolą przewidzieć zużywanie się maszyn

Uczestnicy projektu Predicon - zdjęcie

Prawie 5 mln zł przyznało Narodowe Centrum Badań i Rozwoju na zaawansowane badania, które zrealizują wspólnie naukowcy z Politechniki Wrocławskiej i krakowskiej firmy AMC Tech. Razem stworzą uniwersalny moduł do diagnostyki i prognozowania czasu zużywania się maszyn pracujących w trudnych warunkach.

Grant przyznano w ramach programu „Szybka Ścieżka”. Naukowcy z Politechniki Wrocławskiej (z Wydziału Geoinżynierii, Górnictwa i Geologii oraz Wydziału Matematyki) i specjaliści z firmy AMC Tech mają na swoje badania ponad dwa lata.

Efektem ich pracy będzie pierwszy uniwersalny system diagnostyczno-prognostyczny dla maszyn pracujących w zmiennych warunkach eksploatacyjnych, a zatem przy zmiennych obciążeniach, prędkościach obrotowych, specyfice procesu czy wpływie środowiska, a do tego przy impulsowych zakłóceniach. Mowa więc np. o systemach maszynowych stosowanych w górnictwie, energetyce oraz wielu innych gałęziach przemysłu.

Informacja w cenie

– Diagnozowanie to porównywanie aktualnej wartości parametru diagnostycznego z wartością referencyjną. W wielu przypadkach producent maszyn nie podaje takich wartości granicznych, a dla urządzeń unikatowych takie wartości nie istnieją – opowiada prof. Radosław Zimroz, z Wydziału Geoinżynierii, Górnictwa i Geologii, jeden z inicjatorów projektu „Predicon”. – Stąd potrzeba opracowania procedur i algorytmów wyznaczania wartości progowych, czyli takich które ostrzegą lub zaalarmują osoby obsługujące maszyny, że konieczne są naprawy serwisowe.

Drugim ważnym elementem badań będzie oszacowanie tzw. resztkowego czasu życia maszyny, po wystąpieniu wczesnych symptomów świadczących o rozpoczęciu się procesów degradacyjnych (czyli o zużywaniu się maszyny).

Uczestnicy projektu Predicon - zdjęcie– To bardzo ważne, by precyzyjnie oszacować czas bezpiecznej pracy urządzenia tak, by nie dopuścić do krytycznego zatrzymania awaryjnego – podkreśla prof. Zimroz. – Resztkowy czas życia jest okresem bezpiecznej pracy maszyny, nawet jeśli już występują objawy procesów degradacji.

Awaryjne zatrzymanie jest – z wielu względów – bardzo kosztowne, a do tego niebezpieczne i często zaskakujące. Z drugiej strony przedwczesna naprawa i wiążąca się z nią wymiana elementów generują niepotrzebne koszty. – Dlatego zarządzanie eksploatacją maszyn z wykorzystaniem diagnostyki technicznej jest optymalnym rozwiązaniem – podkreśla naukowiec.

Proste reguły nie wystarczą

Systemy monitorowania maszyn są obecnie oferowane przez wiele firm, w tym także przez samych producentów maszyn. W celu unifikacji mają one modułową budowę – są to więc np. moduły akwizycji danych, transmisji, przetwarzania, wnioskowania czy wizualizacji itd. 

– W większości systemów w modułach przetwarzania i wnioskowania zaimplementowane są podstawowe algorytmy przetwarzania sygnałów i procedury wnioskowania oparte na prostych regułach diagnostycznych – tłumaczy dr hab. inż. Agnieszka Wyłomańska, prof. uczelni z Wydziału Matematyki (pomysłodawca koncepcji zastosowanych metod matematycznych w projekcie). – Wyniki wieloletnich badań, prowadzonych m.in. na naszej uczelni, pokazują, że w przypadku maszyn pracujących w zmiennych warunkach eksploatacyjnych i w obecności zakłóceń o charakterze impulsowym powszechnie stosowane proste reguły nie są skuteczne.

Jak tłumaczy prof. Wyłomańska, konieczne jest zatem opracowanie nowych algorytmów uwzględniających specyficzny charakter danych. – Nasze prace koncentrują się na ulepszeniu modułów systemu monitorowania związanych z podejmowaniem decyzji diagnostycznych i prognozowaniem stanu dla tego typu maszyn – dodaje.

newsletter-promo.png

Jak poprawić jakość prognoz?

Prof. Wyłomańska i prof. Zimroz - zdjęcieUczestnicy projektu zamierzają więc opracować i zaadaptować nowe metody do automatycznej oceny wartości granicznych symptomów zużywania się maszyny w obecności zakłóceń, opracować nowe metody modelowania danych długoterminowych oraz ich wykorzystania do prognozowania resztkowego czasu życia i wyznaczania prawdopodobieństwa bezawaryjnej pracy w danym okresie. Dodatkowo opracują też procedury do automatycznej oceny jakości prognoz.

– Z kwestią jakości prognoz mierzymy się codziennie. Choćby wtedy, gdy słyszymy, że sobotnie popołudnie ma być słoneczne, więc zaplanowaliśmy wycieczkę rowerową. Tymczasem pada deszcz, czyli prognoza nas zawiodła – opowiada prof. Zimroz. – Niezależnie od zastosowań metody prognozowania często wykorzystują podobne modele matematyczne, stąd naturalne było zaproszenie matematyków rozwijających modele prognostyczne.

– Także w przypadku prognozowania stanu maszyny istnieje prawdopodobieństwo oszacowania wartości parametrów z niewystarczającą precyzją – dodaje prof. Wyłomańska. – Dlatego musimy opracować procedury umożliwiające ocenę jakości takiej prognozy. Żeby powstała, potrzebny jest model matematyczny bazujący na zebranych do tej pory danych.

Dzięki takiemu modelowi naukowcy będą w stanie przewidzieć wartości analizowanych parametrów z konkretnym prawdopodobieństwem i w określonym zakresie. – W praktyce przemysłowej ważne jest także określenie stopnia wiarygodności prognozy, która może się zmieniać w zależności od liczby i jakości danych historycznych – dodaje prof. Zimroz.

– Projekt ma charakter aplikacyjny, ale rzeczywiste problemy analizowane w nim będą też inspiracją i impulsem do rozwoju nowych metod opisu danych i  budowania modeli prognostycznych – podkreśla prof. Wyłomańska. – Z punktu widzenia matematyki stosowanej ten projekt jest istotny ze względu na możliwość pokazania aplikacji zaawansowanych algorytmów matematycznych.

Kontynuacja badań

Opracowując nowe metody przetwarzania danych, naukowcy będą stosować m.in. statystyczne modelowanie danych, teorię procesów losowych, opis systemów z wykorzystaniem teorii filtrów stochastycznych, tzw. odporne statystyki i metody uczenia maszynowego.

„Predicon” jest  w pewnym sensie kontynuacją i rozszerzeniem finalizowanego  już projektu „OPMO”. W przypadku obu z nich naukowcy biorą pod uwagę obecność w sygnałach diagnostycznych silnych zakłóceń o charakterze nie-gaussowskim i wykorzystują dedykowane im modele matematyczne.

Prof. Tomasz Barszcz z Akademii Górniczo-Hutniczej w Krakowie, który jest założycielem firmy AMC, jest prekursorem takiego kierunku badań – podkreśla prof. Zimroz. – Jego praca przedstawiona na International Sound and Vibration Congress w 2009 r. była inspiracją do rozpoczęcia tego typu badań dla maszyn górniczych.

Nasi naukowcy od lat współpracują z prof. Barszczem, realizując projekty badawcze przewidziane do komercjalizacji. Naukowcy z Krakowa i Wrocławia mają na koncie wspólne publikacje z zakresu wykorzystania metod matematycznych w diagnostyce technicznej obejmującej m.in. turbiny wiatrowe i kompresory na platformach wiertniczych.

***

Projekt Politechniki Wrocławskiej i AMC Tech nosi nazwę „Uniwersalny moduł diagnostyczno-prognostyczny dla systemów monitorowania stanu złożonych struktur mechanicznych pracujących w obecności zakłóceń o charakterze niegaussowskim oraz zmiennych warunkach eksploatacyjnych”.

lucy

Galeria zdjęć

Politechnika Wrocławska © 2024

Nasze strony internetowe i oparte na nich usługi używają informacji zapisanych w plikach cookies. Korzystając z serwisu wyrażasz zgodę na używanie plików cookies zgodnie z aktualnymi ustawieniami przeglądarki, które możesz zmienić w dowolnej chwili. Ochrona danych osobowych »

Akceptuję