پیشبینی خرابی تجهیزات دوار با ترکیب تکنیک های CM و شبکه عصبی

امروزه افزایش تولید و نیز افزایش سرمایه گذاری ، مدیریت صحیح در امر نگهداری و تعمیرات را ایجاب می کند . عملکرد صحیح این واحد در خصوص نگهداری ماشین آلات عامل بسیار مهمی در طولانی تر کردن عمر دستگاه ها و ماشین آلات، کاهش توقفات ناگهانی، کنترل و هدایت بهتر نیروی انسانی، افزایش قابلیت اطمینان ماشین آلات می باشد. در این بین صنعت سیمان به عنوان یکی از صنایع مادر ، وابسته به تجهیزات دوار میباشد. پیشبینی خرابی از جهت سفارش گذاری جهت تهیه قطعات یدکی و همینطور اعمال توقف های برنامه ریزی شده همیشه حائز اهمیت بوده است. یکی از تکنیک های جدید در مباحث نگهداری و تعمیرات بحث Cm-Online از طریق یادگیری ماشین میباشد. در نگهداری و تعمیرات تجهیزات دوار اغلب مشکل های بوجود آمده به صورت ارتعاش خود را نشان میدهند. اگر ارتعاش تجهیز از حدود استاندارد خود تجاوز کند، نشان از اتمام طول عمر آن می باشد. بیرینگ که یکی از قطعات مصرفی تجهیزات دوار به خصوص الکتروموتور ها بوده بعد از زمان به خصوصی با در نظر گرفتن ثابت بودن شرایط کاری ، فرسوده شده و باید تعویض گردد. پیش بینی ارتعاش یک بیرینگ با استفاده از شبکه های عصبی و با در نظر گرفتن اطلاعات تعمیراتی آن می تواند در جلوگیری از توقفات ناخواسته و از بین رفتن الکتروموتور کمک کننده باشد.

کلیدواژه ها:

نگهداری و تعمیرات ، شبکه عصبی ، پایش وضعیت ، تجهیزات دوار