نحوه بهینه سازی فاصله کالیبراسیون دوره ای در نیروگاهها، همراه با سیمولاتور تعیین فواصل میان دوره ای تجهیزات اندازه گیری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PENPP01_091
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
هر سازمان برای حفظ کیفیت تولید خود نیاز به تجهیزات اندازه گیری دقیق و با دقت بالا دارد.از طرفی حفظ دقت در تجهیزات اندازه گیری مستلزم کنترل تجهیزات از طریق تکرار کالیبراسیون آنهاست.پیش بینی زمان تکرار کالیبراسیون دارای اهمیتبالایی است.زیرا فاصله کالیبراسیون کوتاه سبب افزایش زمان توقف در خط تولید ، افزایش اصطهلاک تجهیزات اندازه گیری و غیره می گردد و بالطبع افزایش این زمان می تواند سبب افزایش عدم قطعیت های اندازه گیری و بروز مشکلات دیگر مانند افتکیفیت در خط تولید گردد.از گذشته فاصله یک ساله یکی از رایج ترین روش ها برای تکرار کالیبراسیون بوده است.ولی سیوالاینجاست که آیا زمان یک ساله بهترین زمان است به تعبیر دیگر با نگاه 360 درجه ای به عوامل مهم در تعیین فواصل کالیبراسیون دوره ای و بین دوره ای یا به تعبیر دیگر کنترل رشد عدم قطعیت در بیشترین مقدار ممکن وحفظ احتمال قرارگیری در محدوده تلرانس مجاز در کمترین مقدار ممکن،خط تولید امکان خروج و کالیبراسیون را در زمان پیش بینی شده میدهد در صورت برآورد نشدن این زمان ، تا چه مدت می توان با اطمینان منطقی نسبت به ادامه روند کار علی رغم پایان زمان کالیبراسیون نظر داد پس بایستی روشی ارایه داد تا نخست پیش بینی درستی از فاصله بین کالیبراسیون ها (و نه آزمون ها)راارایه دهد و دوم این ارزیابی با محدودیت های تولید هماهنگ باشد.به تعبیر دیگر بهترین پیش بینی با بهترین ارزیابی ریسک همراه باشد. پیاده سازی این روش با ساخت نرم افزاری از سال 92 در نیروگاه BOT حافظ)شیراز انجام شد و تاکنون در حال کار می باشد که در آن زمان های پیش بینی شده به صورت آنلاین بر اساس دیتاهای ثابت قبلی و دیتاهای حین کار تا 30 ماه تغییر می کنند
کلیدواژه ها:
نویسندگان
روح اله اکبری
شرکت بهره برداری و تعمیراتی مپنا- نیروگاه گازیBOT فارس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :