Vasúti váltók
Vasúti váltók hibáinak előrejelzése a hajtásaik teljesítményfelvételéből.
Vasúti szektor
Vasúti váltók hibáinak előrejelzése
Ebben a projektben 300 váltó teljesítményfelvételét figyelik wattban. A váltók periodikus mozgást végeznek, és egyfázisú vagy háromfázisú váltakozó áramú villanymotorok hajtják őket. Ezek az összetett gépek a nehéz váltókat súrlódó hajtással vagy hidraulikus erőátviteli rendszerek segítségével mozgatják.
Mit és hogyan mérjünk
Az egyes váltók teljesítményfelvétele
Egy háromfázisú villanymotor teljesítménygörbéje látható, amely a csúcssínt mozgatja. A motor hidraulikus rendszerhez csatlakozik, amely kiegyenlíti a görbét, ezért nagyon érzékeny mérőeszközök szükségesek.
A nagy gép és a nagy érzékenység iránti igény jelentős zajt hoz magával. PRECOG nélkül szinte lehetetlen megtalálni a problémákat, mert egyes hibatípusok a görbe normál tartományán belül maradnak.
Áram és feszültség, beltéren
Az áramot áramérzékelő lakatfogókkal, a feszültséget SIL-4 tanúsítású feszültségmérő eszközökkel mérik. A teljesítményfelvétel az áram és a feszültség szorzata. Az eszközök életeket védenek, ezért a mérésekhez SIL-4 tanúsítású eszközöket használnak.
A közvetlen erő helyett a teljesítményfelvételt mérik, mert az eszközök beltéren, a reléteremben telepíthetők, és folyamatosan mérnek. A közvetlen erőmérő eszközöknek kint kell állniuk, és csak ideiglenes mérésre alkalmasak.
Az ilyen jelalakok elemzését a periodikus mozgáselemzés oldal írja le.
Gépi tanulás és adatelemzés
Gépi tanulás
Az algoritmusok elemzik az adatokat, hogy meghibásodási mintákat találjanak az olyan eszközökben, mint a váltóállítók. Segítenek kiválasztani a releváns referenciagörbéket, ami csökkenti a zajt és javítja az előrejelzés pontosságát. Ahogy több adat gyűlik össze, nő a bizalom az eszköz viselkedésének és a meghibásodásig hátralévő időnek az előrejelzésében.
Adatelemzés
Nagy adathalmazokat dolgoznak fel a trendek megtalálásához és a problémák valós idejű diagnosztizálásához. Ez segít a javítások rangsorolásában, csökkenti a tervezetlen meghibásodásokat, és optimalizálja a karbantartási ütemterveket.
Tesztelés
A váltót más fizikai tényezők is befolyásolhatják, például a hőmérséklet, az eső, a hó és egyéb környezeti hatások. Ezek megjelennek a célértékben, amelyet a váltó tesztelésével vagy hosszú távú adatok elemzésével lehet meghatározni (lásd a célértéket a bemeneti fájl leírásában). A lehetséges hibák tesztelése és az adatok elemzése a fizikai összefüggések megértéséhez döntő fontosságú a PRECOG-gal megvalósítandó megfelelő stratégia kialakításához.
Költségcsökkentés és eredmények
- Célzott karbantartó csapatokkal rövidebb logisztikai láncok és kisebb raktárkészlet érhető el.
- Az optimalizált eszközhasználat hosszú távú megtakarításhoz és jobb megbízhatósághoz vezet.
- Kevesebb tervezetlen meghibásodás csökkenti az üzemeltetési költségeket, és optimalizálja a személyzet beosztását.
- Az intelligens karbantartási stratégiák javítják az erőforrások elosztását és a biztonságot.
- A távoli állapotfelügyelet korán megtalálja a meghibásodásokat, és megelőzi a túlkarbantartást.
- Az adatokra és gépi tanulásra épülő prediktív karbantartás csökkenti az állásidőt, és meghosszabbítja az eszközök élettartamát.
- Környezetbarát megoldás, mert a kevesebb karbantartás kisebb szén-dioxid-lábnyomot hagy.
A telemetriai adatok feldolgozása
- ÉrzékelőkÁramérzékelő lakatfogók és SIL-4 feszültségmérő eszközök
- ReléteremBeltéri, folyamatos mérés
- IoT-hálózatTovábbítja a mért értékeket
- AdatszerverAz elemzéshez a PRECOG szervert hívja
- PRECOG APIHelyi telepítésben vagy felhőben
A PRECOG API-n keresztül érhető el, adattárolással vagy anélkül, és telepíthető helyben vagy felhőben. Az adattárolás előnye, hogy csak a legfrissebb adatokat kell elküldeni, ami lerövidíti az előrejelzés teljes időtartamát. A PRECOG a biztonság és az adatvédelem bevált gyakorlatait követi, hogy a kapcsolat biztonságos legyen.
Van hasonló projektötlete?