Monitoring průhybu linky M12

Srpen 2024

#Prediktivní údržba #Inovace #Práce se studenty #Umělá inteligence #Testování HW

Cíl projektu

Cílem projektu "PoC SU2025 AI Vibrodiagnostics" je využití umělé inteligence k predikci poruch strojního zařízení na základě vibrodiagnostických dat s cílem snížit prostoje zařízení, zlepšit údržbu a zvýšit spolehlivost provozu.

Výsledek

Projekt "PoC SU2025 AI Vibrodiagnostics" představuje inovativní přístup k využití umělé inteligence v oblasti vibrodiagnostiky s cílem zlepšit prediktivní údržbu, automatizaci a monitorování stavu strojních zařízení. Tento projekt se zaměřuje na ověření možností využití umělé inteligence pro vyhodnocení vibrodiagnostických dat a jejich schopnost předpovědět poruchy strojního zařízení. V případě úspěšné predikce by umělá inteligence mohla efektivně snížit prostoje a zvýšit efektivitu plánování údržby.

Popis řešení

V průběhu projektu byla úspěšně provedena klasifikace poruch na signálech získaných ze strojního zařízení ve Škoda Auto. Tato klasifikace byla prováděna pomocí 1D konvoluční neuronové sítě a zkoumány byly různé přístupy včetně sekvenčních a funkcionálních modelů, a multi-class a multi-label klasifikace. Z projektu vyplývá, že nejlepší výsledky pro klasifikaci poruch se získávají při použití doprovodných parametrů a funkcionálního přístupu s více vstupy.

Jedním z hlavních přínosů tohoto projektu je možnost snížení prostojů díky včasnému zjištění závad. Pokud by byla predikce úspěšná i pro kombinované poruchy a řešení bylo nasazeno na reálně získávaná data, mohlo by dojít k významnému zlepšení údržby a minimalizaci výpadků zařízení.

Dalším přínosem je zjištění, že trénink umělé inteligence na simulačních datech je účinný a umožňuje natrénovat modely s odpovídající přesností. Taktéž byla potvrzena schopnost umělé inteligence přesně identifikovat typy poruch a zdroje vibrací, což je klíčové pro plánování údržby a snižování rizika výpadků.

Celkově lze konstatovat, že projekt "PoC SU2025 AI Vibrodiagnostics" přináší nové perspektivy v oblasti vibrodiagnostiky a umělé inteligence, a naznačuje možná vylepšení v oblasti prediktivní údržby, inovace a automatizace.

Přínosy

Snížení prostojů – projekt ukázal potenciál včasného zjištění poruch a predikce výpadků, což by mohlo výrazně snížit prostoj zařízení a zvýšit jeho spolehlivost.
Trénink AI simulačních datech – tato hypotéza byla ověřena a je zřejmé, že vhodně připravená simulační a testovací data stačí k natrénování modelů s odpovídající přesností, nicméně je třeba modely dotrénovat na kombinace poruch.
Kontrola již zpracovaných závad a ověření, zda je AI našla – tato hypotéza byla z velké části potvrzena, v případě jednotlivých poruch bylo odhalení typu a zdroje poruch dostatečně přesné pro uvažovaný cílový expertní systém.
Vyhodnocení nových dat a jejich následná kontrola člověkem – tato hypotéza byla potvrzena, výstup z natrénovaného AI modelu pro slepý test nabízí pracovníkovi dostatečně konkrétní a přesnou indikaci typu poruchy a konkrétního ložiska, které je primárním zdrojem vibrace.