Case study: opracowanie modelu predykcyjnego dla turbiny
1 czerwca 2020

Case study: opracowanie modelu predykcyjnego dla turbiny

Projekt: Opracowanie modelu predykcyjnego dla turbiny

Model predykcyjny dla turbiny – wyzwanie

W instalacji produkcyjnej pojawiało się zjawisko gwałtownych wzrostów wibracji turbiny parowej, o trudnych do identyfikacji przyczynach. Jeśli wibracje przekroczyły pewien konkretny poziom, to niezależnie od pracy operatorów turbina ulegała awarii, co powodowało zatrzymanie instalacji i konieczność ponownego uruchomienia całego procesu. Sytuacja ta powodowała duże straty wywołane wysokim zużyciem paliwa gazowego, co generowało dodatkowe koszty wynikające z przestoju produkcji. Celem projektu było opracowanie modeli predykcyjnych umożliwiających identyfikację przyczyn oraz przewidzenie awarii turbiny.

Rozwiązanie

Konsultanci ReliaSol (Reliability Solutions) opracowali i wdrożyli na platformie RSIMS modele predykcyjne, które na podstawie bieżących parametrów pracy obliczają prawdopodobieństwo awarii.  Rozwiązanie umożliwia operatorom turbiny podejmowania akcji wystarczająco wcześnie, aby nie doprowadzić do wybicia turbiny, oraz pozwoliło na identyfikację nieznanej do tej pory przyczyny awarii turbiny. 

Wartość predykcji jest aktualizowana w cyklach jedno-minutowych, przy użyciu bieżących wartości czujników. W przypadku osiągnięcia poziomu alarmowego operator systemu jest informowany przez sygnał głosowy oraz powiadomienia e-mail i SMS. Sygnał alarmowy umożliwia operatorowi na zmianę nastaw z odpowiednim wyprzedzeniem w celu uniknięcia awarii.

model predykcyjny dla turbiny

Korzyści z wdrożenia modelu predykcyjnego dla turbiny parowej

Opracowany model zwraca informację o pomiarach, które mają najbardziej znaczący wpływ na wynik predykcji oraz zapewnieniu 98% dokładności prognozowania. Model pozwolił też na identyfikację przyczyn problemu. Rozwiązanie umożliwia monitoring pracy turbin w czasie rzeczywistym, zminimalizowanie ich kosztów utrzymania oraz strat na produkcji spowodowanych przestojami. 

  • Zminimalizowanie awaryjności turbiny 
  • Osiągnięto 98% dokładności prognozowania
  • Identyfikacja przyczyny awarii turbiny
  • Stały monitoring i wgląd w pracę turbin
  • Zachowanie wysokiego stopnia automatyzacji procesu produkcji

Wdrożenie nowatorskiego systemu predykcyjnego utrzymania ruchu z wykorzystaniem sztucznej inteligencji, który z dokładnością na poziomie 98% prognozuje nadchodzące awarie, to jeden z kamieni milowych w rozwoju naszej firmy. Rozwiązania RS dają nieograniczone możliwości kontroli nad pracą maszyn, wgląd w ich stan, pozwalają na racjonalne planowanie produkcji, co wpływa na znaczący wzrost efektywności przedsiębiorstwa we wszystkich aspektach jego funkcjonowania. Autorski system RSIMS, w połączeniu z ekspercką wiedzą to gwarancja najwyższej jakości usług oraz profesjonalnej realizacji nawet najbardziej skomplikowanych projektów.

Zapraszamy również do przeczytania naszego wpisu, w którym poruszamy taki temat jak wdrożenie rozwiązania PdM dla układnicy magazynowej.

Czy ten post był pomocny?

Kliknij w gwiazdkę aby ocenić

Ocena: 5 / 5. Liczba głosów: 2

Bądź pierwszym który oceni!

Autor:

Reliasol

Reliasol

Wierzymy, że predykcyjne i preskrypcyjne utrzymanie ruchu to fundament dla przyszłości nowoczesnego przemysłu, który w ReliaSol budujemy już dzisiaj! Dowiedz się, jak połączenie AI z wiedzą ekspercką w naszych rozwiązaniach działa dla firm, które nam zaufały!
Starszy post
Case study: wdrożenie rozwiązania PdM RSIMS dla układnicy magazynowej
0 0 votes
Article Rating
Subscribe
Powiadom o
0 Comments
Inline Feedbacks
View all comments

Ostatnio na naszym blogu

29 grudnia 2022

Oczami handlowca: Najpierw diagnoza i rokowania, następnie recepta i zalecenia. Preskrypcyjne Utrzymanie Ruchu w służbie zdrowia procesów produkcyjnych.

Zdarzają się awarie i przestoje produkcji, których nie można uniknąć, nawet wiedząc o nich wcześniej. Co w takiej sytuacji oferują algorytmy AI?

Czytaj więcej
5 kwietnia 2023

Webinar online | Czwartek 13 kwietnia godz. 10:30 | Jak zmonetyzować dane z maszyn produkcyjnych?

W trakcie wydarzenia dowiesz się: Jak zacząć zbierać dane, aby móc je sensownie wykorzystać w celu zwiększenia efektywności procesów produkcyjnych i osiągnięcia lepszych wyników? Kiedy osiągniesz realne korzyści z zastosowania analizy w diagnostyce maszyn? Jak bezpiecznie wejść na drogę do cyfrowej transformacji i wykorzystania nowoczesnych technologii? Zapisz się już dziś ! Czy ten post był pomocny? […]

Czytaj więcej
29 grudnia 2022

Oczami handlowca: Najpierw diagnoza i rokowania, następnie recepta i zalecenia. Preskrypcyjne Utrzymanie Ruchu w służbie zdrowia procesów produkcyjnych.

Zdarzają się awarie i przestoje produkcji, których nie można uniknąć, nawet wiedząc o nich wcześniej. Co w takiej sytuacji oferują algorytmy AI?

Czytaj więcej