Wyniki wyszukiwania - BazTech

1

A statistical data-based approach to instability detection and wear prediction in radial turning processes

Jimenez Cortadi A., Boto F., Suarez A., Galar D., Irigoien I., Sierra B.

Eksploatacja i Niezawodność

|

2018

|

Vol. 20, no. 3

405--412

EN

Radial turning forces for tool-life improvements are studied, with the emphasis on predictive rather than preventive maintenance. A tool for wear prediction in various experimental settings of instability is proposed through the application of two statistical approaches to process data on tool-wear during turning processes: three sigma edit rule analysis and Principal Component Analysis (PCA). A Linear Mixed Model (LMM) is applied for wear prediction. These statistical approaches to instability detection generate results of acceptable accuracy for delivering expert opinion. They may be used for on-line monitoring to improve the processing of different materials. The LMM predicted significant differences for tool wear when turning different alloys and with different lubrication systems. It also predicted the degree to which the turning process could be extended while conserving stability. Finally, it should be mentioned that tool force in contact with the material was not considered to be an important input variable for the model.

PL

Badano siły występujące w procesie toczenia promieniowego. Celem badań było wydłużenie żywotności narzędzi tokarskich, przy czym główny nacisk kładziono na konserwację predykcyjną, a nie zapobiegawczą. Zaproponowano technikę prognozowania zużycia w różnych warunkach eksperymentalnych niestabilności, która polega na zastosowaniu metod statystycznych do przetwarzania danych dotyczących zużycia narzędzi podczas procesów toczenia. Wykorzystano dwie metody statystycznę: analizę z zastosowaniem reguły trzech sigm oraz analizę głównych składowych (PCA). Do prognozowania zużycia zastosowano liniowy model mieszany (LMM). Omawiane statystyczne podejścia do wykrywania niestabilności generują wyniki o dopuszczalnej dokładności, na podstawie których można formułować opinie eksperckie. Dane te można wykorzystywać do doskonalenia przetwarzania różnych materiałów poprzez monitorowanie w trybie on-line. W przedstawionych badaniach, LMM pozwolił przewidzieć znaczące różnice w zużyciu narzędzia podczas toczenia różnych stopów przy zastosowaniu różnych systemów smarowania. Umożliwił także prognozowanie stopnia, w jakim proces toczenia można przedłużać zachowując jego stabilność. Na koniec należy wspomnieć, że nie brano pod uwagę siły generowanej w kontakcie narzędzia z materiałem jako istotnej zmiennej wejściowej dla modelu.

2

Ergonomics contribution in maintainability

Teymourian K., Seneviratne D., Galar D.

Management Systems in Production Engineering

|

2017

|

nr 3 (25)

217--223

EN

The objective of this paper is to describe an ergonomics contribution in maintainability. The economical designs, inputs and training helps to increase the maintainability indicators for industrial devices. This analysis can be helpful, among other cases, to compare systems, to achieve a better design regarding maintainability requirements, to improve this maintainability under specific industrial environment and to foresee maintainability problems due to eventual changes in a device operation conditions. With this purpose, this work first introduces the notion of ergonomics and human factors, maintainability and the implementation of assessment of human postures, including some important postures to perform maintenance activities. A simulation approach is used to identify the critical posture of the maintenance personnel and implements the defined postures with minimal loads on the personnel who use the equipment in a practical scenario. The simulation inputs are given to the designers to improve the workplace/equipment in order to high level of maintainability. Finally, the work concludes summarizing the more significant aspects and suggesting future research.

PL

Celem niniejszego artykułu jest opisanie wpływu ergonomii na łatwość konserwacji. Ekonomiczne wzorce, nakłady i szkolenia pomagają zwiększyć wskaźnik konserwacji urządzeń przemysłowych. Ta analiza może być pomocna, między innymi, do porównywania systemów w celu uzyskania lepszego projektu dotyczącego wymagań związanych z konserwacją, poprawy tej konserwacji w konkretnym środowisku przemysłowym oraz przewidywania problemów związanych z konserwacją, spowodowanych ewentualnymi zmianami warunków działania urządzenia. W tym celu praca ta na początku wprowadza pojęcie ergonomii i czynników ludzkich, łatwości konserwacji i wdrażania oceny pozycji ludzi, w tym kilka ważnych pozycji, w których przeprowadza się czynności konserwacyjne. Podejście symulacyjne jest wykorzystywane do identyfikacji krytycznej pozycji ciała personelu konserwacyjnego i wdrażania tych z minimalnym obciążeniem dla personelu, który wykorzystuje sprzęt w praktycznym scenariuszu. Dane wejściowe do symulacji są przekazywane projektantom aby poprawić miejsce pracy/wyposażenie w celu zapewnienia wysokiego poziomu konserwacji. Ostatecznie, niniejsze opracowanie kończą podsumowanie bardziej znaczących aspektów i sugestie dotyczące przyszłych badań.

3

Electric motors maintenance planning from its operating variables

Rodrigues F., Fonseca I., Farinha J. T., Ferreira L., Galar D.

Management Systems in Production Engineering

|

2017

|

nr 3 (25)

205--216

EN

The maintenance planning corresponds to an approach that seeks to maximize the availability of equipment and, consequently, increase the levels of competitiveness of companies by increasing production times. This paper presents a maintenance planning based on operating variables (number of hours worked, duty cycles, number of revolutions) to maximizing the availability of operation of electrical motors. The reading of the operating variables and its sampling is done based on predetermined sampling cycles and subsequently is made the data analysis through time series algorithms aiming to launch work orders before reaching the variables limit values. This approach is supported by tools and technologies such as logical applications that enable a graphical user interface for access to relevant information about their Physical Asset HMI (Human Machine Interface), including the control and supervision by acquisition through SCADA (Supervisory Control And data acquisition) data, also including the communication protocols among different logical applications.

PL

Planowanie utrzymania ruchu odpowiada podejściu, które ma na celu maksymalizację dostępności wyposażenia, a w konsekwencji zwiększenie poziomu konkurencyjności przedsiębiorstw przez zwiększenie czasów produkcji. W artykule przedstawiono planowanie utrzymania ruchu w oparciu o zmienne operacyjne (liczba przepracowanych godzin, cykle robocze, liczba obrotów) w celu maksymalizacji dostępności pracy silników elektrycznych. Odczytywanie zmiennych operacyjnych i pobieranie próbek odbywa się na podstawie ustalonych z góry cykli próbkowania, następnie dokonuje się analizy danych za pomocą algorytmów szeregowania czasowego mających na celu uruchomienie zleceń roboczych przed osiągnięciem zmiennych wartości dopuszczalnych. Podejście to jest wspierane przez narzędzia i technologie, takie jak aplikacje logiczne, które umożliwiają wykorzystanie graficznego interfejsu użytkownika w celu uzyskania dostępu do istotnych informacji o ich zasobach fizycznych HMI (Human Machine Interface), w tym kontroli i nadzoru przez pozyskanie z wykorzystaniem SCADA (Supervisory Control And Data Acquisition) danych, w tym również protokołów komunikacyjnych pomiędzy różnymi aplikacjami logicznymi.

4

Bottom to top approach for railway KPI generation

Villarejo R., Johansson C. A., Leturiondo U., Simon V., Seneviratne D., Galar D.

Management Systems in Production Engineering

|

2017

|

nr 3 (25)

191--198

EN

Railway maintenance especially on infrastructure produces a vast amount of data. However, having data is not synonymous with having information; rather, data must be processed to extract information. In railway maintenance, the development of key performance indicators (KPIs) linked to punctuality or capacity can help planned and scheduled maintenance, thus aligning the maintenance department with corporate objectives. There is a need for an improved method to analyse railway data to find the relevant KPIs. The system should support maintainers, answering such questions as what maintenance should be done, where and when. The system should equip the user with the knowledge of the infrastructure's condition and configuration, and the traffic situation so maintenance resources can be targeted to only those areas needing work. The amount of information is vast, so it must be hierarchized and aggregated; users must filter out the useless indicators. Data are fused by compiling several individual indicators into a single index; the resulting composite indicators measure multidimensional concepts which cannot be captured by a single index. The paper describes a method of monitoring a complex entity. In this scenario, a plurality of use indices and weighting values are used to create a composite and aggregated use index from a combination of lower level use indices and weighting values. The resulting composite and aggregated indicators can be a decisionmaking tool for asset managers at different hierarchical levels.

PL

Utrzymanie kolei, zwłaszcza infrastruktury kolejowej, wytwarza ogromne ilości danych. Jednakże posiadanie danych nie jest równoznaczne z posiadaniem informacji; dane muszą być przetwarzane w celu pozyskania informacji. W utrzymaniu kolei opracowanie kluczowych wskaźników efektywności (KPI) powiązanych z punktualnością lub przepustowością może pomóc zaplanować konserwacje, tym samym dostosowując/wyrównując serwis techniczny do/z celów/celami przedsiębiorstwa. Istnieje zapotrzebowanie na ulepszoną metodę analizy danych kolejowych w celu znalezienia właściwych wskaźników KPI. System powinien wspierać serwisantów, odpowiadając na takie pytania jak: jakie należy przeprowadzić konserwacje, gdzie i kiedy. System powinien wyposażyć użytkownika w wiedzę o kondycji i konfiguracji infrastruktury, a także sytuacji na drogach, dzięki czemu zasoby obsługi technicznej mogą być kierowane jedynie na te obszary, które wymagają pracy. Ilość informacji jest ogromna, więc muszą być one hierarchizowane i zagregowane; użytkownicy muszą przefiltrować bezużyteczne wskaźniki. Dane są łączone przez zestawianie kilku indywidualnych wskaźników w jeden indeks; wynikowe wskaźniki zespolone mierzą wielowymiarowe pojęcia, których nie można przechwycić przez pojedynczy indeks. W artykule opisano metodę monitorowania złożonej jednostki. W tym przypadku stosuje się mnogość indeksów użycia i wartości ważonych, aby utworzyć złożony i zagregowany indeks użycia z kombinacji wskaźników użycia niższego poziomu i wartości ważonych. Uzyskane złożone i zagregowane wskaźniki mogą stanowić narzędzie decyzyjne dla menedżerów zarządzających zasobami na różnych poziomach hierarchi.

5

Aggregation of electric current consumption features to extract maintenance KPIs

Simon V., Johansson C. A., Galar D.

Management Systems in Production Engineering

|

2017

|

nr 3 (25)

183--190

EN

All electric powered machines offer the possibility of extracting information and calculating Key Performance Indicators (KPIs) from the electric current signal. Depending on the time window, sampling frequency and type of analysis, different indicators from the micro to macro level can be calculated for such aspects as maintenance, production, energy consumption etc. On the micro-level, the indicators are generally used for condition monitoring and diagnostics and are normally based on a short time window and a high sampling frequency. The macro indicators are normally based on a longer time window with a slower sampling frequency and are used as indicators for overall performance, cost or consumption. The indicators can be calculated directly from the current signal but can also be based on a combination of information from the current signal and operational data like rpm, position etc. One or several of those indicators can be used for prediction and prognostics of a machine’s future behavior. This paper uses this technique to calculate indicators for maintenance and energy optimization in electric powered machines and fleets of machines, especially machine tools.

PL

Wszystkie urządzenia elektryczne oferują możliwość wydobywania informacji i obliczania Kluczowych Wskaźników Efektywności (ang. Key Performance Indicators, KPI) z sygnału prądu elektrycznego. W zależności od okna czasowego, częstotliwości próbkowania i rodzaju analizy, różne wskaźniki od mikro do makro poziomu, można obliczyć dla takich aspektów jak utrzymanie ruchu, produkcja, zużycie energii itp. Na poziomie mikro wskaźniki są powszechnie stosowane do monitorowania stanu i diagnostyki oraz zazwyczaj są oparte na krótkim oknie czasowym i mają dużą częstotliwość próbkowania. Wskaźniki makro są zwykle oparte na dłuższym oknie czasowym z wolniejszą częstotliwością próbkowania i są używane jako wskaźniki dla ogólnej wydajności, kosztu lub zużycia. Wskaźniki można obliczyć bezpośrednio z sygnału prądu elektrycznego, ale mogą być one również oparte na połączeniu informacji z sygnału prądu elektrycznego i danych operacyjnych, takich jak obroty na minutę (ang. Revolutions Per Minute, RPM), pozycja itp. Jeden lub kilka z tych wskaźników można wykorzystać do przewidywania i prognozowania przyszłego zachowania maszyny. W niniejszym artykule wykorzystano tę technikę do obliczania wskaźników utrzymania ruchu i optymalizacji energii w maszynach elektrycznych i flotach maszyn, zwłaszcza obrabiarek.

6

Decision trees and the effects of feature extraction parameters for robust sensor network design

Gerdes M., Galar D., Scholz D.

Eksploatacja i Niezawodność

|

2017

|

Vol. 19, no. 1

31--42

EN

Reliable sensors and information are required for reliable condition monitoring. Complex systems are commonly monitored by many sensors for health assessment and operation purposes. When one of the sensors fails, the current state of the system cannot be calculated in same reliable way or the information about the current state will not be complete. Condition monitoring can still be used with an incomplete state, but the results may not represent the true condition of the system. This is especially true if the failed sensor monitors an important system parameter. There are two possibilities to handle sensor failure. One is to make the monitoring more complex by enabling it to work better with incomplete data; the other is to introduce hard or software redundancy. Sensor reliability is a critical part of a system. Not all sensors can be made redundant because of space, cost or environmental constraints. Sensors delivering significant information about the system state need to be redundant, but an error of less important sensors is acceptable. This paper shows how to calculate the significance of the information that a sensor gives about a system by using signal processing and decision trees. It also shows how signal processing parameters influence the classification rate of a decision tree and, thus, the information. Decision trees are used to calculate and order the features based on the information gain of each feature. During the method validation, they are used for failure classification to show the influence of different features on the classification performance. The paper concludes by analysing the results of experiments showing how the method can classify different errors with a 75% probability and how different feature extraction options influence the information gain.

PL

Niezawodne monitorowanie stanu wymaga niezawodności czujników i pochodzących z nich informacji. Systemy złożone są zazwyczaj monitorowane przez wiele czujników, co pozwala na ocenę stanu technicznego oraz aspektów eksploatacyjnych. Gdy jeden z czujników ulega uszkodzeniu, uniemożliwia to obliczenie bieżącego stanu systemu z dotychczasową niezawodnością lub uzyskanie kompletnych informacji o bieżącym stanie. Stan można co prawda monitorować nawet przy niekompletnych danych, ale wyniki takiego monitorowania mogą nie odpowiadać rzeczywistemu stanowi systemu. Sytuacja taka ma miejsce w szczególności, gdy uszkodzony czujnik jest odpowiedzialny za monitorowanie istotnego parametru systemu. Problem uszkodzenia czujnika można rozwiązywać na dwa sposoby. Pierwszy polega na zwiększeniu złożoności systemu, co umożliwia jego sprawniejsze działanie w sytuacji, gdy dane są niekompletne. Drugim sposobem jest wprowadzenie nadmiarowego sprzętu (hardware'u) lub oprogramowania. Niezawodność czujników stanowi krytyczny aspekt systemu. Oczywiście, ze względu na ograniczenia przestrzenne, ekonomiczne i środowiskowe nie wszystkie czujniki w systemie mogą być nadmiarowe. Redundancja powinna dotyczyć wszystkich czujników, które dostarczają istotnych informacji na temat stanu systemu, natomiast dopuszczalne są błędy mniej ważnych czujników. W niniejszej pracy pokazano jak obliczać istotność informacji o systemie dostarczanych przez poszczególne czujniki z wykorzystaniem metod przetwarzania sygnałów oraz drzew decyzyjnych. Zademonstrowano również w jaki sposób parametry przetwarzania sygnałów wpływają na poprawność klasyfikacji metodą drzewa decyzyjnego, a tym samym na poprawność dostarczanych informacji. Drzew decyzyjnych używa się do obliczania i porządkowania cech w oparciu o przyrost informacji charakteryzujący poszczególne cechy. Podczas weryfikacji zastosowanej metody, drzewa decyzyjne wykorzystano do klasyfikacji uszkodzeń celem przedstawienia wpływu różnych cech na dokładność klasyfikacji. Pracę kończy analiza wyników eksperymentów pokazujących w jaki sposób zastosowana metoda pozwala na klasyfikację różnych błędów z 75-procentowym prawdopodobieństwem oraz jak różne opcje ekstrakcji cech wpływają na przyrost informacji.

7

An integrated econometric model for bus replacement and determination of reserve fleet size based on predictive maintenance

Raposo H., Farinha J. T., Ferreira L., Galar D.

Eksploatacja i Niezawodność

|

2017

|

Vol. 19, no. 3

358--368

PL

Polityka konserwacji wpływa na gotowość sprzętu, a tym samym na wydajność i konkurencyjność przedsiębiorstwa. Ważne jest optymalizowanie kosztów cyklu życia (LCC) aktywów, w tym przypadku taboru autobusowego. W artykule przedstawiono metodę utrzymania ruchu polegającą na predykcyjnym monitorowaniu stanu w oparciu o analizę oleju silnikowego w celu oceny potencjalnego wpływu tej zmiennej na gotowość autobusów. Podejście to ma praktyczne konsekwencje jeśli chodzi o koszty utrzymania w trakcie eksploatacji autobusu, a także pozwala na ustalenie najlepszego czasu na wymianę pojazdów taboru. W pracy przedstawiono przegląd ekonomicznych modeli wymiany oraz opracowano model globalny integrujący te modele, ze szczególnym uwzględnieniem gotowości oraz jej zależności od konserwacji oraz kosztów utrzymania ruchu. Czynniki te pomagają określić wielkość floty rezerwowej i zapewnić gotowość taboru.

EN

Maintenance policies influence equipment availability and, thus, they affect a company’s capacity for productivity and competitiveness. It is important to optimize the Life Cycle Cost (LCC) of assets, in this case, passenger bus fleets. The paper presents a predictive condition monitoring maintenance approach based on engine oil analysis, to assess the potential impact of this variable on the availability of buses. The approach has implications on maintenance costs during the life of a bus and, consequently, on the determination of the best time for bus replacement. The paper provides an overview of economic replacement models through a global model, with an emphasis on availability and its dependence on maintenance and maintenance costs. These factors help to determine the size of the reserve fleet and guarantee availability.

8

Multi-body modelling of rolling element bearings and performance evaluation with localised damage

Leturiondo U., Salgado O., Galar D.

Eksploatacja i Niezawodność

|

2016

|

Vol. 18, no. 4

638--648

EN

Condition-based maintenance is an extended maintenance approach for many systems, including rolling element bearings. For that purpose, the physics-based modelling of these machine elements is an interesting method. The use of rolling element bearings is extended to many fields, what implies a variety of the configurations that they can take regarding the kind of rolling elements, the internal configuration and the number of rows. Moreover, the differences of the applications make rolling element bearings to take different sizes and to be operating at different conditions regarding both speed and loads. In this work, a methodology to create a physics-based mathematical model to reproduce the dynamics of multiple kinds of rolling element bearings is presented. Following a multi-body modelling, the proposed strategy takes advantage of the reusability of models to cover a wide range of bearing configurations, as well as to generalise the dimensioning of the bearing and the application of the operating conditions. Simulations of two bearing configurations are presented in this paper, analysing their dynamic response as well as analysing the effects of damage in their parts. Results of the two case studies show good agreement with experimental data and results of other models in literature.

PL

Utrzymanie ruchu zależne od stanu technicznego urządzenia to rozszerzone podejście do eksploatacji mające zastosowanie do wielu układów, w tym łożysk tocznych. Ciekawą metodą modelowania tych elementów jest modelowanie oparte na fizyce. Łożyska toczne wykorzystywane są szeroko w wielu dziedzinach, co oznacza, że elementy toczne mogą występować w wielorakich konfiguracjach różniących się rodzajem elementów tocznych, ich wewnętrznym układem oraz liczbą rzędów. Co więcej, różnice dotyczące zastosowań sprawiają, że łożyska toczne mogą przybierać różne rozmiary i działać w różnych warunkach prędkości i obciążeń. W niniejszej pracy zaprezentowano metodologię tworzenia modelu matematycznego opartego na fizyce służącego do odtwarzania dynamiki wielu rodzajów łożysk tocznych. Zgodnie z zasadami modelowania układów wieloczłonowych, proponowana strategia wykorzystuje możliwość ponownego użycia modeli do zamodelowania szerokiego zakresu konfiguracji łożysk, a także uogólnienia wymiarowania łożyska oraz ujęcia warunków jego pracy. W opracowaniu przedstawiono symulacje dwóch konfiguracji elementów tocznych wraz z analizą ich dynamicznej odpowiedzi oraz analizą skutków uszkodzenia ich części. Wyniki dwóch przedstawionych w pracy studiów przypadków wykazują dobrą zgodność z danymi doświadczalnymi oraz wynikami innych modeli opisanymi w literaturze.

9

Context-driven Maintenance: an eMaintenance approach

Galar D.

Management Systems in Production Engineering

|

2014

|

nr 3 (15)

112--120

EN

All assets necessarily suffer wear and tear during operation. Prognostics can assess the current health of a system and predict its remaining life based on features capturing the gradual degradation of its operational capabilities. Prognostics are critical to improve safety, plan successful work, schedule maintenance, and reduce maintenance costs and down time. Prognosis is a relatively new area but has become an important part of Condition-based Maintenance (CBM) of systems. As there are many prognostic techniques, usage must be attuned to particular applications. Broadly stated, prognostic methods are either data-driven, rule based, or model-based. Each approach has advantages and disadvantages; consequently, they are often combined in hybrid applications. A hybrid model can combine some or all model types; thus, more complete information can be gathered, leading to more accurate recognition of the fault state. This approach is especially relevant in systems where the maintainer and operator know some of the failure mechanisms, but the sheer complexity of the assets precludes the development of a complete model-based approach. The paper addresses the process of data aggregation into a contextual awareness hybrid model to get RUL values within logical confidence intervals so that the life cycle of assets can be managed and optimised.

PL

Wszystkie środki techniczne w trakcie użytkowanie podlegają procesom zużycia i starzenia. Metody i narzędzia prognostyczne pozwala na ocenę bieżącego stanu systemu i przewiduje pozostały czas życia, w oparciu o identyfikację stopniowego pogarszania jego możliwości operacyjnych. Prognozowanie jest niezbędne do poprawy bezpieczeństwa, skutecznego planowania i harmonogramowania prac obsługowo-naprawczych oraz obniżenia kosztów konserwacji i przestojów. Prognozowanie jest stosunkowo nowym obszarem, ale stało się ważnym elementem strategii eksploatacji według stanu technicznego (ang. Condition Based Maintenance). Ponieważ istnieje wiele technik prognozowania, ich wykorzystanie musi być dopasowane do poszczególnych zastosowań. Ogólnie mówiąc, metody prognostyczne oparte są albo na analizie danych, albo na regułach albo na modelach. Każde podejście posiada swoje wady i zalety; z tego też względu są one często łączone w ramach zastosowań hybrydowych. Model hybrydowy może łączyć kilka lub wszystkie typy modeli; w ten sposób, można pozyskać pełniejszą informację, prowadząc do bardziej dokładnego rozpoznania zdarzenia. To podejście jest szczególnie istotne w systemach, w których operator i serwisant posiadają wiedzę na temat mechanizmów powstawania wybranych uszkodzeń, ale sama złożoność obiektów technicznych wyklucza opracowanie podejścia zorientowanego modelowo. Artykuł lokuje proces agregacji danych w obszar kontekstowej świadomości modeli hybrydowych, w celu uzyskania wartości przydatności resztkowej RUL (ang. RUL-Remaining Useful Life) w obrębie logicznych przedziałów ufności, tak aby cykl życia obiektów mógł być zarządzany i optymalizowany.

10

The need for aggregated indicators in performance asset management

Galar D., Berges L., Sandborn P., Kumar U.

Eksploatacja i Niezawodność

|

2014

|

Vol. 16, no. 1

120--127

PL

Wskaźniki złożone tworzy się poprzez zebranie pojedynczych wskaźników w jeden indeks. Idealnie, wskaźnik złożony powinien mierzyć pojęcia wielowymiarowe, których nie da się uchwycić przy pomocy pojedynczego indeksu. Ponieważzarządzanie aktywami jest dziedziną wielodyscyplinarną, przydatne byłoby wykorzystanie w niejwskaźników złożonych. W przedstawionej pracyopisano metodęmonitorowania złożonej jednostki w zakładzie przetwórczym. W podanym scenariuszu, złożony wskaźnik wykorzystania powstał z połączenia wskaźników wykorzystania niższego rzędu z wartościami ważonymi. Każdy wskaźnik wykorzystania zawiera informacje na temat statusu jednego aspektu jednostek niższego rzędu, a każda wartość ważona odpowiada jednej jednostce niższego rzędu.

EN

Composite indicators formed when individual Indicators are compiled into a single index. A composite indicator should ideally measure multidimensional concepts that cannot be captured by a single index. Since asset management is multidisciplinary, composite indicators would be helpful. This paper describes a method of monitoring a complex entity in a processing plant. In this scenario, a composite use index from a combination of lower level use indices and weighting values. Each use index contains status information on one aspect of the lower level entities, and each weighting value corresponds to one lower level entity. The resulting composite indicator can be a decision-making tool for asset managers.

11

Podejmowanie decyzji eksploatacyjnych w oparciu o fuzję różnego typu danych

Galar D., Gustafson A., Tormos B., Berges L.

Eksploatacja i Niezawodność

|

2012

|

Vol. 14, No. 2

135-144

EN

Over the last decade, system integration is applied more as it allows organizations to streamline business processes. A recent development in the asset engineering management is to leverage the investment already made in process control systems. This allows the operations, maintenance, and process control teams to monitor and determine new alarm level based on the physical condition data of the critical machines. Condition-based maintenance (CBM) is a maintenance philosophy based on this massive data collection, wherein equipment repair or replacement decisions depend on the current and projected future health of the equipment. Since, past research has been dominated by condition monitoring techniques for specific applications; the maintenance community lacks a generic CBM implementation method based on data mining of such vast amount of collected data. The methodology would be relevant across different domains. It is necessary to integrate Condition Monitoring (CM) data with management data from CMMS (Computer Maintenance Management Systems) which contains information, such as: component failures, failure information related data, servicing or repairs, and inventory control and so on. These systems are the core of traditional scheduled maintenance practices and rely on bulk observations from historical data to make modifications to regulated maintenance actions. The most obvious obstacle in the integration of CMMS, process and CM data is the disparate nature of the data types involved, and there have benn several attempts to remedy this problem. Although, there have been many recent efforts to collect and maintain large repositories of these types of data, there have been relatively few studies to identify the ways these to datasets could be related. This paper attempts to fulfill that need by proposing a combined data mining-based methodology for CBM considering CM data and Historical Maintenance Management data. It shows a system integration of physical and management data that also supports business intelligence and data mining where data sets can be combined in non-traditional ways.

PL

W ostatniej dekadzie coraz częściej stosuje się integrację systemów, która pozwala przedsiębiorstwom zwiększać wydajność procesów biznesowych. Nowością w zarządzaniu infrastrukturą techniczną jest zwiększanie efektywności już poczynionych inwestycji w systemy kontroli procesów. Pozwala to zespołom do spraw operacyjnych, utrzymania ruchu oraz kontroli procesów monitorować i ustalać nowe poziomy alarmowe na podstawie danych o stanie fizycznym maszyn krytycznych. Utrzymanie urządzeń zależne od ich bieżącego stanu technicznego (condition-based maintenance, CBM) to filozofia utrzymania ruchu opierająca się na tym masowym poborze danych, wedle której decyzje dotyczące naprawy lub wymiany sprzętu zależą od jego obecnego oraz przewidywanego przyszłego stanu technicznego. Ponieważ dotychczasowe badania były zdominowane przez problem technik monitorowania stanu dla konkretnych aplikacji, nie opracowano ogólnej metody wdrażania CBM opartej na eksploracji (data mining ) owych olbrzymich ilości zebranych danych, która miałaby zastosowanie w różnych domenach. Konieczna jest integracja danych z monitorowania stanu (condition monitoring, CM) z danymi dotyczącymi zarządzania pochodzącymi ze skomputeryzowanych systemów zarządzania utrzymaniem ruchu (CMMS), które zawierają informacje na temat uszkodzeń elementów składowych, dane związane z uszkodzeniami, a także informacje dotyczące obsługi lub napraw czy sterowania zapasami. Systemy te stanowią podstawę tradycyjnych praktyk obsługi planowej, a zasadzają się na całościowych obserwacjach dokonywanych na podstawie danych eksploatacyjnych, które pozwalają modyfikować regulowane działania obsługowe. Najbardziej oczywistą przeszkodą w integracji danych CMMS, danych procesowych oraz danych z monitorowania stanu jest rozbieżność ich natury. Dotychczas podjęto jedynie kilka prób rozwiązania tego problemu. Chociaż ostatnio wiele wysiłku włożono w gromadzenie i utrzymanie dużych zasobów tego typu danych, istnieje stosunkowo niewiele badań na temat możliwych sposobów powiązania owych zestawów danych. W prezentowanej pracy poczyniono próbę wypełnienia tej luki proponując metodologię łączoną opartą na eksploracji danych dla celów CBM, która bierze pod uwagę dane z monitorowania stanu i eksploatacyjne dane z zarządzania ruchem. W pracy przedstawiono integrację systemową danych fizycznych i danych z zarządzania, która wspiera także analitykę biznesową (business intelligence) oraz eksplorację danych, gdzie zestawy danych można łączyć w sposób nietradycyjny.

12

Overall factory average spectrum: global vibration index for diagnosis and prognosis of large sets of rotating machinery

Galar D., Parida A., Schunesson H.

Diagnostyka

|

2011

|

nr 2(58)

39-47

EN

Spectral analysis of rotating machinery requires studying the signals received from each machine, which converts hundreds of spectra to analyze, especially in big plants, where one can find a large number of similar machines. The maintenance departments require few indicators properly hierarchied with the appropriate information necessary for each organizational level, without exceeding the type and amount of information required at the higher levels. It is therefore, necessary for an indicator to show the current vibratory condition of the entire plant, where trends can be easily understood by people, who are not expert in detailed vibration analysis of spectra. The trend shown by the indicator should assess the success of the implementation of CBM and other maintenance programs in the plant, and these parameters should be easily displayable. Therefore, maintenance managers need this kind of indicators and scorecards to measure through simple methods for the success of their departments for achieving contribution to the company goals.

13

Overall Factory Vibration Level: The need for global indicators in CBM

Galar D., Berges L., Royo J.

Diagnostyka

|

2010

|

nr 2(54)

17-23

EN

When we do predictive maintenance, including vibration analysis, rotating machinery, we anticipate many times a catastrophic failure that without this technology, would be difficult to locate and make unsafe our system functionally. This analysis is done individually machine to machine, point to point which prevents us from having a parameter that quantifies the overall status of all rotating machinery of a plant or department.