Хорошо известно, что задолго до того, как какое-либо техническое оборудование выйдет из строя, в его рабочем поведении происходят изменения. Аппарат может начать издавать разные звуки или сильнее вибрировать, или он может стать горячим.
И так действуют не только бытовые стиральные машины, такое же поведение наблюдается в очень больших машинах, таких как ветряные турбины или промышленные технологические установки. Если какая-то деталь выходит из строя, или если клапан или насос внезапно перестают работать, если система охлаждения выходит из строя или давление слишком низкое, следствием слишком часто является остановка всего завода, а это может оказаться дорогостоящим. ‘Наша сенсорная система позволяет нам наблюдать за текущим состоянием растений. Мы работаем над тем, чтобы система выдавала очень ранние предупреждения при первых признаках того, что установка может выйти из строя или выйти из строя.
Комбинируя несколько датчиков, мы можем регистрировать даже самые незначительные изменения – изменения, которые просто невозможно обнаружить с помощью одного датчика », – объясняет Андреас Шутце.
Подход, принятый командой, включает установку датчиков вибрации в различных местах на машине для обеспечения непрерывного потока данных измерений. Инженеры также используют данные от датчиков процесса, которые теперь стандартно установлены на большинстве современных машин. Исследовательская группа будет использовать гидравлический испытательный стенд для демонстрации своей системы на HANNOVER MESSE 2015. «Мы изучаем, как мы можем соотнести образцы сигналов датчиков, такие как частоты вибрации, с типичными видами повреждений и отказов, такими как снижение эффективности охлаждения или падение давления в аккумуляторе», – объясняет Шутце.
Для этого исследователи проанализировали большие объемы данных измерений, чтобы определить те закономерности в данных, которые могут быть связаны с конкретными изменениями в состоянии машины.
«Из массы полученных данных мы отфильтровываем управляемое количество соответствующих данных датчиков, которые характерны для определенных сценариев повреждения машины», – объясняет дипломированный инженер Николай Хельвиг, соавтор гидравлического испытательного стенда. «Наша цель – иметь возможность надежно обнаруживать нарушения в рабочем цикле машины на начальном этапе повреждения и создавать математические модели для различных уровней неисправностей.’
Эта информация о взаимосвязи между образцами сигналов датчиков и начинающейся неисправностью или повреждением используется инженерами для обучения системы, чтобы в будущем она могла автоматически определять эти состояния.
Этот проект является совместным предприятием команды инженеров Шутце из Саарландского университета и Центра мехатроники и технологий автоматизации (ZeMA), а также исследователей Немецкого исследовательского центра искусственного интеллекта (DFKI) и группы HYDAC. ‘Мы используем статистические методы для анализа данных. Будущим пользователям системы необходимо уметь правильно интерпретировать числовые данные.
Вот почему мы работаем над автоматическим присвоением значения результатам, генерируемым системой, а затем переводим это в полезную информацию для пользователя. Цель состоит в том, чтобы разработать систему, чтобы ее можно было обучить работе с различными типами машин и заводского оборудования, а также адаптировать и настраивать в соответствии с их конкретными требованиями », – говорит Шутце.
Постоянно отслеживая состояние машины, система может также рекомендовать, когда следует принимать определенные меры по исправлению положения, например, замену запасной части. ‘Это упрощает планирование операций по техническому обслуживанию крупногабаритного или труднодоступного оборудования завода. Это не только помогает избежать повреждений, простоев оборудования и остановок производства, но и позволяет избежать ненужных работ по техническому обслуживанию, таких как плановая замена компонентов машины, которые фактически остаются полностью работоспособными », – говорит Шутце. «Поскольку система также способна анализировать, правильно ли работало производственное оборудование во время производственного процесса, ее также можно использовать для целей контроля качества.
Эта система имеет большое количество потенциальных применений, в частности, в интеллектуальных производственных процессах, предусмотренных в Индустрии 4.0.’
Кроме того, интегрированная сеть датчиков контролирует правильность работы самих датчиков. «Система постоянно проверяет, предоставляют ли отдельные датчики достоверные данные измерений.
Если определенный датчик работает некорректно, данные, которые он предоставляет, не включаются в анализ. Таким образом, система является надежной и легко справляется с отказом отдельных датчиков, поскольку неисправные датчики просто игнорируются », – поясняет Шутце.