Wpływ kondycji łożysk na utrzymanie procesów produkcyjnych

Współczesne aspekty Przemysłu 4.0 ukierunkowane są na analizę danych, ale również na podejmowanie odpowiednich decyzji dotyczących produkcji biznesowej oraz na obszary związane z predykcją uszkodzeń elementów maszyn, które wpływają na zachowanie ciągłości procesów produkcyjnych.

Posłuchaj
00:00

Z punktu widzenia zarządzania produkcją jest to zjawisko oczekiwane w nowoczesnym przedsiębiorstwie. Przegląd przedmiotowej literatury wykazuje, że jedne z częściej występujących uszkodzeń w maszynach przemysłowych oraz na liniach produkcyjnych dotyczą łożysk, co skutkuje pogorszeniem działania maszyny (częściowe uszkodzenia wywołują dodatkowe tarcie) lub jej całkowitym zatrzymaniem. Co więcej, niepoprawna praca maszyny może również prowadzić do takiego uszkodzenia, w wyniku którego mogą ucierpieć osoby znajdujące się w pobliżu – a przecież zapewnienie bezpieczeństwa stanowiska pracy jest obligatoryjnym elementem każdego poprawnie funkcjonującego przedsiębiorstwa.

Klasyfikacja i algorytm

Celem badań, które przeprowadzili specjaliści z firmy APA Group i Politechniki Śląskiej, było określenie możliwości klasyfikacji anomalii dla poszczególnych uszkodzeń łożysk, z wykorzystaniem sieci neuronowych. Wykonano testy mające na celu wykrywanie anomalii w pracy łożysk kulowych z wykorzystaniem dwóch rodzajów sygnałów, tj. dźwięku i wibracji. Na podstawie danych pomiarowych stworzono algorytm bazujący na sztucznej inteligencji, który pozwala na klasyfikacje stanu łożysk kulkowych. Istotnym aspektem opracowanego podejścia jest charakter adaptacyjny, który rozwiązuje problem dostępności danych z awarii urządzenia, dlatego taki system można wykorzystać do adaptacji pracy dowolnej maszyny. Pozwala to na zmniejszenie kosztów utrzymania firmy poprzez zmniejszenie stanów awaryjnych oraz opcję planowania prac serwisowych na liniach produkcyjnych. Zaproponowany algorytm może dotyczyć szeregu aspektów uszkodzenia maszyn działających na liniach produkcyjnych.

Zapewnienie informacji serwisowej na temat zbliżającej się naprawy danego urządzenia, określonej na podstawie analityki danych, usprawnia proces planowania i zmniejsza koszty akcji serwisowych, których dokonywano okresowo – serwisowano urządzenia w momencie, gdy faktycznie było to wymagane. Zastosowanie systemu do wykrywania anomalii w case study badań APA Group i Politechniki Śląskiej zostało przetestowane na przykładzie analizy drganiowej łożysk kulkowych. Niemniej jednak ten sam algorytm może zostać wykorzystany do różnego typu danych, bez względu na częstotliwość próbkowania. W przypadku danych z akcelerometru czy też mikrofonu wstępne przetwarzanie informacji (zanim zostaną przesłane do sieci neuronowych) będzie się różniło od przetwarzania np. zmiennych procesowych lub pomiarów temperatury. Badania przeprowadzone na stanowisku diagnostycznym łożysk kulkowych pozwoliły na zaimplementowanie algorytmu, który może być wykorzystany do dowolnego typu danych. W celu weryfikacji algorytmu porównano dźwięk zarejestrowany przez mikrofon z drganiami pobranymi przez akcelerometr. Charakter adaptacyjny podejścia pozwala na wytrenowanie modelu do pracy zarówno fabrycznie nowego urządzenia, jak i takiego, które od dłuższego czasu jest w produkcji i po akcji serwisowej określono jego stan jako zgodny z normą.

Monitorować, wykrywać

Zaletą zaproponowanego rozwiązania jest łatwość monitorowania parametrów maszyny zarówno w trybie online, jak i wsadowo. Prezentowane podejście umożliwia wskazanie odstępstw od poprawnej pracy, które zarejestrowano na łożysku kulkowym, co stanowi ważną informację dla sekcji serwisowej, mówiącą o potencjalnym wystąpieniu uszkodzenia lub postępującym procesie degradacji elementu. Wczesne wykrycie anomalii jest w stanie zapobiec nieplanowanym przestojom linii produkcyjnej, do których może dojść przez ignorowanie występujących odstępstw w pracy danego urządzenia. Podejście przedstawione w case study, a także inne, które prowadzone są w APA Group, pozwalają na wdrażanie narzędzi, mających za zadanie wspierać proces wnioskowania – poprzez wyciąganie informacji z danych, cennych z punktu widzenia zarządzania i jakości produkcji.

 

Artur Pollak, Damian Gąsiorek

APA Group
www.apagroup.pl

Zobacz więcej w kategorii: Technika
PLC, HMI, Oprogramowanie
Jak projektować interfejsy człowiek-maszyna?
Zasilanie, aparatura nn
Więcej kawy, mniej mleka, czyli korekcja współczynnika mocy
PLC, HMI, Oprogramowanie
Reakcyjna i predykcyjna regulacja PID
PLC, HMI, Oprogramowanie
Nowe sterowniki PLC u-control M3000 i M4000 z otwartym systemem operacyjnym u-OS dla automatyki przemysłowej
Bezpieczeństwo
Co oznacza ponad 80 lat w świecie przenośnych detektorów gazu? Mnóstwo doświadczenia!
Przemysł 4.0
Inteligentne zbiorniki w przemyśle spożywczym – mniej strat, większa efektywność
Powiązane treści
NSK otworzyło w Rumunii nowe biuro
Brytyjski inwestor kupuje od NSK firmę produkującą precyzyjne łożyska
Zobacz więcej z tagiem: Przemysł 4.0
Targi zagraniczne
Konferencja i wystawa technologii nawijania elementów indukcyjnych CWIEME Berlin 2025
Prezentacje firmowe
Nowe standardy w przemyśle spożywczym, farmaceutycznym i medycznym
Targi zagraniczne
Eliaden 2026 - targi branży elektrotechnicznej

Poradnik doboru rozwiązań drukujących - drukarki mobilne, stacjonarne i przemysłowe

Jak dobrać drukarkę do zastosowań w logistyce, przemyśle czy handlu? Na co zwrócić uwagę, jeżeli chodzi o cechy i funkcje urządzenia? Jak zapewnić wysoką niezawodność pracy oraz trwałość systemu drukującego? A co z oprogramowaniem? W artykule odpowiadamy na powyższe pytania, przedstawiając przykłady nowoczesnych urządzeń drukujących, które z powodzeniem sprawdzają się w wymienionych zastosowaniach.
Zapytania ofertowe
Unikalny branżowy system komunikacji B2B Znajdź produkty i usługi, których potrzebujesz Katalog ponad 7000 firm i 60 tys. produktów