(MOLREC)

HOME

COMPANY PROFILE

CONTACT

HOT TOPICS !

PUBLICATIES

DYNAMIC MARINE POWER

ACTIVITEITEN

TORSIE TRILLING ANALYSE

LEERBOEK TRILLINGSANALYSE

GEAVANCEERDE CONDITIE BEWAKING  &  KUNSTMATIGE INTELLIGENTIE

De meest gebruikelijke vibratie monitoring opzet tot op heden, met hoofdkenmerken:

 

a) Offline, periodieke meting, data collectant doet meetronde met data collector (vibration analyser), data uploaden naar pc database, frequentie spectrum (FFT) data en time wave form (TWF) analyse door trillingsanalist, besluit tot wel/niet ingrijpen. In z’n algemeenheid veel toegepast.

b) Online, real time continue meting, overall waarde naar database, alarm waarde settings, melding overschrijding alarm waarde, besluit tot wel/niet ingrijpen. Met name van toepassing bij vitale technische systemen, afgelegen opgestelde en onbemande installaties.

 

De inbreng van de (intelligente) mens gaat echter naar een steeds later stadium verschoven worden. Daarvoor in de plaats komt een ‘self-learning’ monitoring systeem met ‘artificial intelligence’ software. M.a.w. sensors krijgen hersens.

 

Er wordt in een eerste periode, met een gezonde installatie, m.b.v. een statistisch algoritme een model opgebouwd van ‘normaal-gedrag’, onder alle voorkomende bedrijfsomstandigheden. De software ontdekt en leert wat de correlatie is tussen enerzijds te bewaken parameter zoals trillingsnivo of lagering temperatuur en anderzijds relevante proces parameters zoals zuig-, persdruk, flow, temperatuur, toerental, etc welke daarop van invloed zijn.

Na deze ‘inwerk periode’ wordt vervolgens continue, voor elk werkpunt, bij elk toerental, etc. het te verwachten gedrag berekend en gecontroleerd of er sprake is van een ‘afwijking-van-normaal-gedrag’ binnen statistisch bepaalde grenswaarden. Indien bij gegeven proces parameters het trillingssignaal af gaat wijken van berekende waarde dan is de correlatie verbroken en volgt een alert.

Nieuwe innovatieve ontwikkelingen gaan in de komende jaren de online conditie monitoring aanpak van technische systemen fundamenteel veranderen.

Een transitie van preventief naar predictief door toepassing van geavanceerde zelf-lerende kunstmatige intelligentie software met gebruik making van statistische algorithmen en moderne sensor infrastructuur. Een ontwikkeling welke wordt gestuurd door enorme rekenkracht van moderne computers en snelle en draadloze data overdracht mogelijkheden.

Conditie bewaking van rotating equipment middels trillingsanalyse wordt een holistische (het systeem als geheel) benadering.

De proces operator krijgt een ‘early warning’ door dynamische alarm settings en informatie over de bron van de calamiteit.

Het gaat principieel niet om het verzamelen van absolute data in een database t.b.v. (trend-)analyse maar om het detecteren van relatieve afwijkingen. Een aanzienlijke reductie van database beslag. Zo wordt ‘big data’ beheerst en gereduceerd tot bruikbare informatie. De beheersing van de onderlinge samenhang van proces parameters is een gemeenschappelijk belang van de werkvloer professionals, de bedrijfsleiding en verzekeringsmaatschappijen.

 

Een zich trendmatig ontwikkelend faalmechanisme dat in trillingsgedrag een afwijking van normaal laat zien genereert een alert, doorgaans veel eerder dan wanneer wordt uitgegaan van statische vaste alarm settings. Pas dan komt de mens in beeld voor diagnose, ter plaatse of middels inloggen op afstand. Of om de mogelijk reeds gestelde diagnose van een geavanceerd intelligent monitoring systeem te bevestigen of te weerleggen.

De winst is: tijd. Meer tijd om ingrijpen te organiseren, voor overleg, voor probleem analyse en voor voorraadbeheersing.

 

Dat de mens zoveel later in beeld komt is in de nabije toekomst een potentieel voordeel in een industriële omgeving met hoge uurlonen, vergrijzend kader en afgelegen, onbemande installaties.

 

Intelligente monitoring systemen sluiten naadloos aan bij bestaande monitoring systemen. Er kan gebruik worden gemaakt van de signalen van bestaande permanent gemonteerde trillingsopnemers. Vaak beschikbaar via de buffered outputs van het bestaande monitoring systeem. Ook toerental informatie wordt hiervan betrokken via het keyphasor signaal, waarmee specifieke frequentie spectrum informatie gemonitord kan worden. Andere relevante proces parameters (zuig-en persdruk, flow, temperatuur, motorstroom, klepstand, etc.) kunnen van een SCADA systeem worden betrokken. Een bestaand monitoring systeem kan onverkort zonder interruptie actief blijven functioneren.

 

Een geintegreerd beheersconcept is binnen bereik:

+ monitoring machine conditie

+ monitoring proces prestaties

+ monitoring energie verbruik

+ optimalisering conditie afhankelijk onderhoud

+ optimalisering proces bedrijfszekerheid

 

De uitdaging: Innovatieve en geavanceerde nieuwe producten ontwikkelen door multi-disciplinaire samenwerking tussen software ontwikkelaars, systeembeheerders, eindgebruikers en dienstverleners!

Voorbeelden:

1) Vibratie hoger + flow te hoog / te laag  =  pomp cavitatie, werkpunt probleem.

2) Temperatuur onbalans  =  warmtewisselaar verstopt of vervuild, energie verspilling

3) Druk - flow onbalans  =  lekkage pijplijn

4) Vibratie verhoogd + proces variabelen normaal  =  begin trillingsprobleem, onbalans, lagering defect

PUBLICATIES / PUBLICATIONS:

 

+ ‘Kunstmatige intelligentie breekt door’, vakblad iMaintain/Maint NL, 05/2015 ‘... lees meer ...

+ ‘Conditie monitoring en kunstmatige intelligentie’, vakblad Pomp NL, sep/2015 (deel 1/2) ... lees meer ...

+ ‘Conditie monitoring en kunstmatige intelligentie’, vakblad Pomp NL, nov/2015 (deel 2/2) ... lees meer ...

+ ‘Machinery condition monitoring and artificial intelligence’, Maritime Holland, Jan/2016 ... read more ...

Een voorbeeld (zie afbeelding onder):

 

De bovenste afbeelding toont de input van de software: een data set met de operationele karakteristieken van een centrifugaal pomp. Het pomp toerental (blauw), de pomp druk (rood) en de pomp flow (groen) varieren als functie van de tijd in een bepaald - normaal - patroon. Tevens varieert de te bewaken parameter, de pomp lagering temperatuur (rose). De temperatuur is voornamelijk afhankelijk van pomp toerental en in mindere mate van het werkpunt van de pomp.

Tot tijdstip t = 120 [-] krijgt de kunstmatige intelligentie sofware de gelegenheid om autonoom m.b.v. een statistisch algoritme een model op te bouwen dat de onderlinge relatie beschrijft tussen de vier parameters, onder voorkomende normale en dus gezonde bedrijfscondities.

De onderste afbeelding toont de output van de software. Met het model wordt berekend wat als functie van de proces parameters de lager temperatuur zou moeten zijn (blauw) en wordt vergeleken met wat de lager temperatuur in werkelijkheid is (groen). Al snel liggen in de ‘self-learning period’ deze beide waarden dicht bij elkaar en de output is ‘low’ (zwart) en ruim onder statistisch bepaalde alarm waarden (geel en rood).

Bij t = 120 begint ineens de lager temperatuur toe te nemen (groen). Dit terwijl het toerental juist aan het afnemen is en er een afnemende temperatuur wordt verwacht (blauw). De software heeft onmiddelijk in de gaten dat de correlatie tussen de vier parameters is verbroken. De output wordt ‘high’ (zwart) en gaat vrij snel daarna door de alarm waarden. Er komt een alert veel eerder dan bij conventionele statische alarmwaarden.

 

 

Conditie bewaking met trillingsanalyse, algemene opzet.

 

Evengoed kan i.p.v. lagering temperatuur het trillingsnivo worden bewaakt. Bijvoorbeeld het overall trillingsnivo van een trillingssensor.

Van dit signaal kunnen voorts specifieke trillingskenmerken worden afgeleid.

M.b.v. filters:

> low pass filter: laag frequent trillingen, trillingssnelheid [mm/s]

> high pass filter: hoog frequent trillingen, versnelling [g]

> lager schade detectie

Verder met toevoeging van toerental informatie van een keyphasor (één puls per omwenteling) kunnen specifieke frequentie componenten worden gemonitord zoals bijvoorbeeld

> Tand-ingrijping bij tandwielkast

> Onbalans

> Drukpulsatie bij pomp, voortstuwingsschroef, compressor

> Misfiring bij verbrandingsmotoren

 

De proces operator krijgt niet alleen een vibratie alarm maar tegelijkertijd specifieke informatie over de aard van de calamiteit.