AI Summary & Key Takeaways
AI InsightIn addition, energy source analysis achieved an accuracy rate of over 90% in identifying the root cause of failures.
📌 3 Key Takeaways
Abstract
Energy Source Analysis is a vibration analysis method within the predictive maintenance strategy. Its purpose is to identify, at an early stage, which machine sub-component is the source of developing faults. Consequently, not only will symptoms be detected to generate standard alarms, but users will also receive clues about potential root causes. To this end, a predictive maintenance application that performs vibration source analysis using vibration data has been developed. The developed application was implemented at a white paper plant operating in the Tekirdağ region. Within the scope of the study, vibration data were collected from vacuum fans in the factory using wireless acceleration sensors to detect faults and their potential root causes. The collected data is transmitted to cloud-based software via IoT technologies, where inferences regarding machine health are made through various vibration analysis methods, including energy source analysis. A web interface was developed to allow users to view the obtained results. As a result of the study, machine faults were successfully detected at early stages. As a result, unplanned stoppages were prevented, and production performance improved. As a result of the study, the energy distributions in machine subcomponents (bearings, shaft, blades, etc.) were successfully analyzed. Using the developed method, bearing faults in vacuum fans were detected at least 2 weeks earlier than with conventional methods, resulting in a 20% reduction in unplanned downtime. In addition, energy source analysis achieved an accuracy rate of over 90% in identifying the root cause of failures.
Özet
Enerji kaynağı analizi, kestirimci bakım stratejisi içerisinde yer alan bir titreşim analizi yöntemidir. Amacı makinelerde oluşan arızaların hangi makine alt bileşeninden kaynaklandığını erken aşamalarda belirlemektir. Bu sayede sadece semptomlar tespit edilerek standart alarmlar üretilmeyecek, aynı zamanda kullanıcıya olası kök nedenlerle ilgili kimi ipuçları sağlanabilecektir. Bu amaçla titreşim verilerini kullanarak titreşim kaynağı analizi yapan bir kestirimci bakım uygulaması geliştirilmiştir. Geliştirilen uygulama Tekirdağ bölgesinde faaliyet gösteren bir beyaz kağıt üreticisinde uygulanmıştır. Çalışma kapsamında fabrikada yer alan vakum fanlarından kablosuz ivme sensörleri kullanılarak titreşim verisi toplanmış ve makinelerdeki arızaların ve olası kök nedenlerinin tespiti hedeflenmiştir. Toplanan veriler IoT teknolojileri kullanılarak bulut ortamındaki yazılıma gönderilmekte ve burada yapılan çeşitli titreşim analizi yöntemleri ve enerji kaynağı analizi ile makine sağlığı hakkında çıkarımlar yapılmaktadır. Elde edilen sonuçları kullanıcıların da görebilmesi için bir web arayüzü geliştirilmiştir. Çalışma sonucunda makine alt bileşenlerindeki (rulman, şaft, kanat vb.) enerji dağılımları başarılı bir şekilde analiz edilmiştir. Geliştirilen yöntem ile vakum fanlarında meydana gelen rulman arızaları, geleneksel yöntemlere kıyasla en az iki hafta daha erken teşhis edilmiş ve plansız duruş sürelerinde %20 oranında azalma sağlandığı gözlemlenmiştir. Ayrıca, enerji kaynağı analizi ile arıza kök nedeninin tespitinde %90'ın üzerinde bir doğruluk oranına ulaşılmıştır.