Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarak, dairesel dalga yaklaşımının kestirimci bakım süreçlerinde hem kök neden analizindeki görselleştirme kabiliyeti hem de arıza tespit hassasiyeti açısından geleneksel yöntemlere güçlü bir alternatif ve tamamlayıcı çözüm sunduğu kanıtlanmıştır.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, döner makinelerden elde edilen titreşim verilerinin mekanik arızanın kök nedenini açıklayacak bir biçimde analiz edilebilmesi amacıyla dairesel dalga yöntemine dayalı yenilikçi bir yaklaşım geliştirilmiştir. Döner ekipmanlarda meydana gelen arızalar açısal olarak tekrar eden titreşim karakteristiği sergilediği için, zaman veya frekans düzlemindeki ham verilerin yorumlanması çoğu durumda yetersiz kalmaktadır. Bu kısıtlamayı aşmak amacıyla, titreşim sinyallerini devir senkronlu polar grafiklere dönüştüren ve yüksek frekanslı gürültüleri elimine eden bir analiz algoritması tasarlanmıştır. Geliştirilen yöntem, saha koşullarında 2700 rpm vakum fanları, 1425 rpm akuple toz emiş fanları ve 1500 rpm tahrikli krank-şaft mekanizmalı pistonlu pompalar üzerinde test edilerek doğrulanmıştır. Elde edilen dairesel dalga grafikleri, geleneksel FFT (Hızlı Fourier Dönüşümü) analizinin "faz körü" (phase-blind) yapısı nedeniyle ayırt edemediği, mildeki mikro seviyeli salgı, motor ön kapak aşınmasından kaynaklanan yatak gevşemesi ve krank-şaft mekanizmalarındaki dişli boşluğu (backlash) gibi karmaşık arızaları %90’ı aşan bir doğrulukla teşhis etmiştir. Sonuç olarak, dairesel dalga yaklaşımının kestirimci bakım süreçlerinde hem kök neden analizindeki görselleştirme kabiliyeti hem de arıza tespit hassasiyeti açısından geleneksel yöntemlere güçlü bir alternatif ve tamamlayıcı çözüm sunduğu kanıtlanmıştır.
Abstract
In this study, an innovative approach based on the circular wave method has been developed to analyze vibration data from rotating machinery and reveal the root cause of mechanical faults. Because faults in rotating equipment exhibit angularly repetitive vibration characteristics, interpreting raw data in the time or frequency domain is, in most cases, insufficient. To overcome this limitation, an analysis algorithm was designed that transforms vibration signals into revolution-synchronous polar plots while eliminating high-frequency noise. The developed method was tested and validated under field conditions on 2700 rpm vacuum fans, 1425 rpm coupled dust extraction fans, and 1500 rpm crankshaft-driven piston pumps. The resulting circular wave plots successfully diagnosed complex faults—such as micro-level shaft runout, bearing looseness caused by motor front cover wear, and gear backlash in crankshaft mechanisms—with an accuracy exceeding 90%, which traditional FFT (Fast Fourier Transform) analysis fails to distinguish due to its "phase-blind" nature. Consequently, the circular wave approach has proven to be a robust alternative and a complementary solution to traditional methods in predictive maintenance, offering superior visualization capabilities for root cause analysis and high sensitivity in fault detection.