MOST CITED
Update: 2021-07-01
Task „Implementation of procedures ensuring the originality of scientific papers published in the quarterly „Eksploatacja i Niezawodność – Maintenance and Reliability” financed under contract 532/P-DUN/2018 from the funds of the Minister of Science and Higher Education for science dissemination activities.
predictive maintenance
Relacje między parametrami procesów rozdrabniania i drganiami młyna wentylatorowego a ustawienia programu konserwacji predykcyjnej
Młyny wentylatorowe są urządzeniami, które poprzez suszenie, rozdrabnianie, odsiewanie i transport węgla przygotowują mieszankę pyłowo-gazową przeznaczoną do spalania w komorach paleniskowych elektrowni węglowych. Ich uniwersalność zwykle wiąże się z niestabilną pracą połączoną z niepożądanymi drganiami. Jest to zwykle znaczący problem z uwagi na niezaplanowane przerwy w pracy. Program konserwacji młyna wentylatorowego wymaga szczególnej uwagi ze względu na działanie w niestacjonarnych warunkach pracy. Celem artykułu jest wyznaczenie parametrów procesów rozdrabniania wpływających jednocześnie na poziom i natężenie drgań młyna wentylatorowego przy użyciu reguł statystycznych w zróżnicowanych warunkach pracy. Zamierzeniem pracy jest stworzenie podstaw dla badań nad zależnościami między parametrami procesu rozdrabniania a drganiami młyna wentylatorowego w celu ulepszenia programu konserwacji predykcyjnej. Aby osiągnąć założony cel, przeanalizowano przy użyciu narzędzi statystycznych drgania młyna wentylatorowego przy różnych kombinacjach wybranych parametrów procesu rozdrabniania. Badania przeprowadzono w różnych warunkach na dwóch identycznych, lecz odrębnych młynach wentylatorowych. Wpływ parametrów procesu rozdrabniania, takich jak prąd elektryczny silnika napędowego, pojemność młyna, kotły, czy typ węgla, na drgania młyna zbadano w celu określenia potencjalnych awarii młyna i jego części składowych na potrzeby jego konserwacji predykcyjnej. Wyniki badań pokazały, iż wybrane parametry procesu rozdrabniania nie mają znaczącego wpływu na natężenie drgań młyna wentylatorowego. W przeciwieństwie do większości młynów węglowych, w przypadku których należy brać pod uwagę parametry procesu rozdrabniania, kontrola stanu młynów wentylatorowych może być prowadzona w trybie offline lub online za pomocą standardowych metod monitorowania warunków drgania.
Relations between pulverizing process parameters and beater wheel mill vibration for predictive maintenance program setup
Beater wheel mills are designed to prepare a coal powder air fuel mixture for combustion in furnace chambers of coal-fired power plants by coal drying, pulverizing, classifying and transport. Their multipurpose function usually results in operation instability accompanied by unacceptable vibration. This usually is a significant problem due to unplanned shutdowns. Beater wheel mill maintenance program requires special attention due to operation under non-stationary conditions. The purpose of this paper was to identify pulverizing process parameter that affect the beater wheel mill vibration level and severity at the same time by using statistical principles under a wide range of operating conditions. This paper intends to establish the foundations to investigate correlation of pulverizing process parameter with beater wheel mill vibration in order to setup a better predictive maintenance program. To achieve this goal, the beater wheel mill vibration under different combinations of selected pulverizing process parameters are analyzed using statistical tools. Experiments were carried out under different conditions for two identical but separated beater wheel mills. The influence of pulverizing process parameter, such as electrical current of the driving motor, mill capacity, boiler production, coal types on mill vibration are investigated to identify the potential malfunction of beater wheel mills and their associated components for predictive maintenance purposes. The results have demonstrated that the selected pulverizing process parameters do not have significant influence on beater wheel mill vibration severity. Unlike most coal mills where pulverizing process parameters must take into account, here with beater wheel impact mills it is not the case and condition monitoring of these mills could be conducted offline or online using standard vibration condition monitoring methods.
Modele konserwacji zapobiegawczej a wyższa niezawodność eksploatacyjna
Autorzy przedstawiają metodę określania optymalnego czasu przerwy na okresową konserwację zapobiegawczą oraz optymalnego parametru diagnostycznego dla konserwacji predykcyjnej/wymiany Dodatkowo, autorzy zadają pytanie, jaki jest wpływ konserwacji zapobiegawczej na prawdopodobieństwo wystąpienia uszkodzenia oraz na niezawodność eksploatacyjną elementów systemu, w stosunku do których zastosowano okresową konserwację zapobiegawczą. Odpowiedzi na te pytania, autorzy poszukują posługując się metodami analizy i symulacji komputerowej. Wyniki podane w formie ilościowej, informują o związkach między przerwami na konserwację predykcyjną a funkcjami niezawodnościowymi. Podane przykłady pokazują, z wykorzystaniem trójparametrowego rozkładu Weibulla, że proponowana metoda może być stosowana w przypadku typowych obiektów inżynieryjnych. Zastosowanie omawianej metody przynosi znaczące korzyści zarówno wytwórcom jak i użytkownikom sprzętu technicznego.
Preventive maintenance models – higher operational reliability
The authors present a method for determining the optimal interval for preventive periodical maintenance and an optimal diagnostic parameter for predictive maintenance/replacement. Additionally, the authors raise the question: how does preventive maintenance influence the probability of failure and the operational reliability of system elements that have undergone preventive periodical maintenance? They answer the question using analytical and simulation computing approaches. The results are in quantitative form, giving relationships between preventive maintenance intervals and reliability functions. Examples demonstrate suitability of the method for typical engineering objects using a three parameters Weibull distribution. Application of the method is of substantial benefit to both the manufacturer and the user of technical equipment.
Monitorowanie i utrzymanie suwnicy bramowej na podstawie bezprzewodowego systemu pomiaru i analizy poziomu drgań
W artykule przedstawiono system monitorowania i diagnostyki suwnicy bramowej. Głównym zadaniem systemu jest akwizycja, wizualizacja i monitorowanie poziomu drgań newralgicznych elementów suwnicy. System wyposażony jest również w część obliczeniowo-analityczną, umożliwiającą realizację zadań predykcyjnego utrzymania ruchu (ang. predictive maintenance) związanych z oceną poziomu drgań. Architektura systemu umożliwia wykorzystanie go również do innych zastosowań, w których dla realizacji zadania diagnostyki wymagana jest bezprzewodowa sieć czujników drgań.
Monitoring and maintenance of a gantry based on a wireless system for measurement and analysis of the vibration level
The paper describes a system for monitoring and diagnosing a gantry. The main goal of the system is to acquire, visualize and monitor vibration levels of the gantry crucial elements. The system is also equipped with a computing and analytical part which enables predictive maintenance related to the vibration level assessment. The system architecture can be used in other applications too, i.e. those which require a wireless network of vibration sensors to carry out diagnostic tasks.
Model oceny stanu narzędzia skrawającego dla systemu nadzoru w czasie rzeczywistym
Dalszy rozwój inżynierii produkcji, w szczególności obróbki skrawaniem, wymaga poszukiwania nowych innowacyjnych rozwiązań technologicznych. Dotyczy to w szczególności zaawansowanego przetwarzania danych pomiarowych pochodzących z systemów diagnostycznych i monitorujących. Rosnąca ilość danych gromadzonych przez wbudowane systemy pomiarowe wymaga opracowania skutecznych narzędzi analitycznych, aby efektywnie przekształcać dane w wiedzę i wdrażać autonomiczne obrabiarki przyszłości. Kwestia ta ma szczególne znaczenie dla oceny stanu narzędzia i przewidywania jego trwałości, które są kluczowe dla niezawodności i jakości procesu produkcyjnego. Dlatego opracowano nowy model matematyczny, którego zadaniem jest skuteczna klasyfikacja stanu ostrza narzędzia skrawającego realizowana w czasie rzeczywistym. Opracowany model został zweryfikowany na podstawie rzeczywistych danych pomiarowych z przemysłowej obrabiarki.
Assessment model of cutting tool condition for real-time supervision system
Further development of manufacturing technology, in particular machining requires the search for new innovative technological solutions. This applies in particular to the advanced processing of measurement data from diagnostic and monitoring systems. The increasing amount of data collected by the embedded measurement systems requires development of effective analytical tools to efficiently transform the data into knowledge and implement autonomous machine tools of the future. This issue is of particular importance to assess the condition of the tool and predict its durability, which are crucial for reliability and quality of the manufacturing process. Therefore, a mathematical model was developed to enable effective, real-time classification of the cutting blade status. The model was verified based on real measurement data from an industrial machine tool.
Prognozowanie stanu oleju silnikowego za pomocą sztucznych sieci neuronowych i analizy składowych głównych
Bezpieczeństwo i wydajność silników takich, jak silniki Diesla czy gazowe, a nawet turbiny wiatrowe, zależą od jakości i stanu oleju smarowego. Stanu oleju silnikowego ocenia się na podstawie ponad dwudziestu zmiennych, z których każda ulega wahaniom w zależności od typu i zachowania silnika oraz innych czynników. W niniejszym artykule opisano model, który pozwala na automatyczną klasyfikację stanu oleju, z wykorzystaniem sztucznych sieci neuronowych i analizy składowych głównych. Badania przeprowadzono na podstawie danych uzyskanych od dwóch przewoźników pasażerskich działających na terenie jednego z krajów położonych na południu Europy. Wyniki pokazują, że każda z monitorowanych zmiennych ma znaczenie dla określenia idealnego czasu na wymianę oleju. Podczas gdy w wielu przypadkach w badanych przedsiębiorstwach możliwe było zwiększenie odstępów czasowych między działaniami konserwacyjnymi, w innych, idealny moment wymiany oleju został przekroczony.
Predicting motor oil condition using artificial neural networks and principal component analysis
The safety and performance of engines such as Diesel, gas or even wind turbines depends on the quality and condition of the lubricant oil. Assessment of engine oil condition is done based on more than twenty variables that have, individually, variations that depend on the engines’ behaviour, type and other factors. The present paper describes a model to automatically classify the oil condition, using Artificial Neural Networks and Principal Component Analysis. The study was done using data obtained from two passenger bus companies in a country of Southern Europe. The results show the importance of each variable monitored for determining the ideal time to change oil. In many cases, it may be possible to enlarge intervals between maintenance interventions, while in other cases the oil passed the ideal change point.