Titreşim verisinin izlenerek arıza teşhisi konusunda yapay zekâ uygulamalarından çokça yararlanılmaktadır. Yapay zekâ uygulamalarının en verimli sonuçları sağlayabilmesi için, makinelerin uzun süreler düzenli takibi ile elde edilen veriler ve uzmanlar tarafından değerlendirilen bilgiler kullanılarak eğitilmeleri gerekmektedir. Bu eğitim sonucu ilgili makine, çalışma karakteristikleri ile tanınarak potansiyel arızaların teşhis edilmesinin yolu açılmış olur. Ancak eğitim süreci içerisinde de makine arızalarının başarılı ve hızlı bir şekilde tespit edilmeleri gerekmektedir. Bu gibi, bir makine hakkında yeterli veri bulunmadığı ve uzmanlardan da elde edilmesinin zor olduğu durumlarda makine mod benzerliğine dayanan arıza teşhis tekniği kullanılabilir.
Sensörlerden gelen ham titreşim verisi, karakteristik özelliklerine ayrıştırıldıktan sonra bu özellikler kullanılarak, bir makinenin çalışma döngüsünü özetleyen “Makine Modları” bulunabilir. Makine modları bir makinenin ömrü boyunca karşılaşabileceği; makinenin durması, çalışma şartlarındaki ufak değişiklikler ve arızalar gibi önemli değişikliklere işaret etmektedir. Çıkarılan modlar, endüstride kullanılan benzer makine tipleri ve alt parçaları için benzer eğilimlere işaret ederler ve bu nedenle çalışma karakteristiği iyi bilinen bir makinenin modları kullanılarak, hakkında yeterli bilgi veya ölçüm bulunmayan başka bir makinenin çalışma karakteristiği belirlenebilir. Normal şartlar altında zaman ve emek isteyen bu işlem mod benzerlik analizi ile kolay, hızlı ve anlaşılır bir hale gelmektedir.
Mod Benzerlik Tekniği
Mod benzerlik uygulaması için yapay zekâ algoritmamız tarafından tanınan ve sisteme makine mod bilgisi sunacak olan “donör” bir makine ilk çıkış noktası olarak kullanılır. Donör makineden gelen ham titreşim verileri zaman ve frekans uzaylarında çeşitli teknikler ile incelenerek özniteliklerine ayrıştırılır. Bu öznitelikler makine öğrenmesi algoritması tarafından değerlendirilerek makine modlarına ayrıştırılır. Ortaya çıkan modlar, alanında uzman güvenilirlik mühendisleri tarafından incelenerek hangi çalışma koşullarına ya da arıza tiplerine ait oldukları belirlenir. Eş zamanlı olarak hakkında yeterli sayıda gözlem / ölçüm bulunmayan ve durumu belirlenmek istenilen “akseptör” makinenin verileri işlenerek öznitelikleri çıkarılır. Son olarak donör makinenin arızalı modları ile akseptör makine ölçümleri benzerlik analinize tâbi tutularak akseptör makine ölçümlerinin sahip olabileceği arıza tipleri belirlenebilir. Bu uygulamada donör olarak gerçek bir makine kullanılabileceği gibi daha önceden hazırlanmış kapsamlı bir mod kütüphanesi de kullanılabilir.
Şekil 1. Mod Benzerlik Analizi Akışı
Uygulama Örneği
Bu tekniği bir uygulama ile daha net bir şekilde gösterebiliriz. Öncelikle çalışma karakteristiği tam olarak tanımlanmış ve mod havuzumuzda yerini almış donör makine olarak 250 kW elektrik motoru ile sürülen bir santrifüj pompasını ele alalım. Akseptör makine olarak, titreşim sinyali yeni izlenmeye başlanmış 200 kW kapasitede bir elektrik motoru ile sürülen bir fan seçelim. Bu iki makinenin temel özellikleri çok farklı olsa da ham titreşim verisi doğru şekilde analiz edilirse aralarında bir köprü kurularak makine modlarının aktarılması mümkün olacaktır. Seçilen iki makine de değişken devirli olarak çalışan makinelerdir. Bu yüzden, örnek kapsamında tespit edilmesi gereken arıza tipi olarak da makine sağlığında kritik bir öneme sahip olan rezonans durumunu seçilmiştir, fakat benzer bir uygulama çok sayıda arıza kök nedeni için uygulanabilir.
Donör makineden alınan 3 eksen titreşim verisi ve ölçüme özel dönüş hızı bilgisi toplanıp özniteliklerine ayrıştırıldıktan sonra makine öğrenmesi algoritması ile analiz edilerek modlara ayrılır ve rezonans karakteristiği gösteren mod ile bu moda dahil olan ölçümler işaretlenir.
Şekil 2. Donör makine için 3 eksen VRMS verisi üzerinden ölçümler ve rezonans karakteristiği gösteren mod
Akseptör makine için de ölçümler aynı şekilde toplanır ve öznitelikleri çıkarılır. Daha sonra son işlem olarak donör makinede rezonans arızası olarak işaretlenen moda ait ölçümler ile akseptör makinenin tüm ölçümleri benzerlik algoritmasına beslenerek her bir ölçüm için bir benzerlik skoru elde edilir. Bu benzerlik skoru akseptör makine ölçümlerinde rezonans moduna en yakın görünen ölçümler belirtmektedir. En yüksek skora sahip olan ölçümler güvenilirlik mühendisleri ekibi tarafında tekrar incelenerek akseptör makine arıza modu kesinleştirilmiş olur.
Bu uygulamada da en yüksek benzerlik skoruna sahip olan 341 numaralı ölçüm akseptör makine için rezonans karakteristiği gösteren durumdur.
Sonuç
Kestirimci bakım kapsamında, bir makine henüz tanınma sürecinde olsa da sahip olduğu çalışma ve arıza modları geniş bir mod kütüphanesi üzerinden, mod benzerlik analizi karşılaştırmaları yapılarak belirlenebilir. Bu sayede ilk eğitim ve tahmin sürelerini beklemeden birçok makinenin anlık durumu konusunda fikir sahibi olunabilir, acil durumlara daha hızlı tepkiler verilebilir.
Kaynakça:
- Şerifoğlu, M. O., Gencer, F. B., Aktaş & A. Ö., Ulusoy, A. E. (2022). Makine Modu Benzerliğini Kullanarak Titreşim Tabanlı Rezonans Teşhisi. Uluslararası Katılımlı Bakım Teknolojileri Kongresi ve Sergisi 20-22 Ekim 2022 Denizli. ISBN: 978-605-01-1546-8