Konserwacja predykcyjna kompatybilna z OZE
Okiem eksperta
Emilia Basta, Inżynier systemów ekoenergetycznych
Czy właściwie jest konserwacja predykcyjna? Konserwacja predykcyjna (PdM, ang. Predictive maintenance) odpowiada za określanie prawdopodobieństwa awarii sprzętu lub maszyn. Do zdiagnozowania możliwych nieprawidłowości wykorzystuje dane i analizy, tak aby możliwe było przeprowadzenie konserwacji przed wystąpieniem awarii. Ma to na celu zapobieganie przestojom w pracy instalacji, zapewnienie niezawodności sprzętów oraz obniżenie kosztów konserwacji.
Etapy konserwacji predykcyjnej
Konserwacja predykcyjna swoje działanie opiera na kilku podstawowych i zarazem uzupełniających się krokach. Pierwszy z nich polega na zbieraniu danych. Dane zbierane są z czujników zamontowanych w instalacjach bądź sprzęcie w celu monitorowania wydajności, sposobu jego użytkowania oraz ogólnego stanu sprzętu. Przeważnie są to dane obejmujące informacje dotyczące temperatury, wilgoci, analiz płynów, olei itp.
W drugim kroku dane są analizowane. Przeprowadzane jest to przy użyciu zaawansowanych technik analitycznych, takich jak uczenie maszynowe i modele statystyczne, w celu identyfikacji wzorców i trendów wskazujących, kiedy sprzęt może ulec awarii.
Po przeprowadzonej analizie może nastąpić kolejny krok, jakim jest planowanie konserwacji. Konserwacja nie jest planowana według ustalonego harmonogramu, lecz ustalany jest optymalny czas jej przeprowadzenia. Pozwala to na zminimalizowanie przestojów i wydłużenie żywotności sprzętów.
Konserwację predykcyjną wykorzystuje się również do zdalnego monitorowania sprzętu. Umożliwia to identyfikację potencjalnych problemów i zaplanowanie ewentualnych napraw. Konserwacja predykcyjna może być również wykorzystana do zidentyfikowania pierwotnej przyczyny awarii sprzętu. W ten sposób wykryte awarie można wykorzystać do ulepszenia projektu sprzętu i zapobiegania usterkom w przyszłości.
Konserwacja predykcyjna, a OZE
Pozyskiwanie energii z odnawialnych źródeł, podobnie jak w przypadku innych urządzeń,
a także magazynów energii, może ulegać awariom. OZE są niestabilne, ze względu na zmienność pogody oraz mają ograniczona dostępność.
Nie w każdym rejonie możliwe jest pozyskiwanie energii z wiatru czy energii geotermalnej. Ograniczenia tego typu są przeważnie uwarunkowane ogólnymi warunkami panującymi na otaczającym terenie. Jednak wszelkie wady da się wyeliminować poprzez odpowiednie zmaksymalizowanie produkcji energii z dostosowaniem jej do danego źródła energii.
Konserwacja predykcyjna w połączeniu z OZE zapewnia maksymalizacje wydajności produkcji energii i dostosowuje się do konkretnych potrzeb tego typu systemów. Każda awaria sprzętu używanego do wykorzystania energii, przerwa w jej dostawie, może prowadzić do kosztownych napraw lub do kosztownej wymiany całej instalacji bądź jej podzespołów.
Dzięki zastosowaniu konserwacji predykcyjnej można identyfikować obszary systemu, które osiągają słabsze wyniki, i opracowywać strategie mające na celu poprawę wydajności
i redukcję kosztów w całym systemie. Pozwala to ostatecznie na stworzenie bardziej wydajnego i opłacalnego systemu, przyjaznego dla środowiska i zrównoważonego
w perspektywie przyszłościowego wykorzystania.
Turbiny wiatrowe
W energetyce wiatrowej wciąż prowadzi się badania nad wykrywaniem awaryjności turbin wiatrowych. Naukowcy z Uniwersytetu Technicznego w Monachium wykorzystują do tego celu kombinację danych z turbiny wiatrowej i czujników drgań. W ten sposób są
w stanie wykrywać wczesne oznaki awarii, które w przeciwnym razie mogłyby pozostać niezauważone.
Wprowadzone na całym świecie w konstrukcje turbin czujniki monitorują stan komponentów turbiny wiatrowej w czasie rzeczywistym, dostarczając wczesne ostrzeżenia o potencjalnych problemach i umożliwiając proaktywną konserwację.
Rozwiązanie to bazuje na zaawansowanej analityce, łączącej dane z wielu źródeł w celu zapewnienia dokładnej i kompleksowej oceny stanu turbin wiatrowych. Czujniki umieszczone są w punktach, gdzie mierzona jest temperatura, wibracje, ciśnienie i wydajność operacyjna.
Dzięki takiej kontroli można dokładnie identyfikować potencjalne problemy
i z wyprzedzeniem ostrzegać operatorów, redukować przestoje instalacji, przez co
w konsekwencji obniżać koszt energii wiatrowej.
Panele fotowoltaiczne
Konserwacja predykcyjna paneli słonecznych to nowoczesne podejście do konserwacji systemów energii słonecznej. Naukowcy z University of Southern California pracują nad systemem, umożliwiającym przewidywanie momentów, w których panel słoneczny może ulec awarii. System miałby zapamiętywać stany awaryjne i zapobiegać ich powstawaniu
w przyszłości.
Analiza stanu paneli fotowoltaicznych pozwoliłaby na przewidywanie, kiedy komponenty paneli fotowoltaicznych mogą wymagać serwisowania, umożliwiając tym samym konserwację zapobiegawczą i zmniejszając prawdopodobieństwo nieoczekiwanych przestojów w produkcji energii.
W konsekwencji działania tego typu pozwoliłyby na uzyskanie lepszej wydajności całego systemu pozyskiwania energii z promieni słonecznych, a także pomogłyby w zmniejszeniu kosztów utrzymania instalacji i poprawie jej niezawodności. Konserwacja byłaby wydajniejsza oraz możliwe byłoby eliminowanie potencjalnych problemów, zanim staną się one kosztownymi naprawami.
Źródła geotermalne
Coraz popularniejsze, obok wiatru, wody i słońca, staje się źródło energii geotermalnej. Jest to coraz bardziej popularna alternatywa dla tradycyjnych źródeł energii. Konserwacja predykcyjna w tym wypadku może pomóc zredukować przestoje, poprawić bezpieczeństwo
i zwiększyć niezawodność systemu.
W przypadku źródeł geotermalnych i pozyskiwania z nich energii niezbędne jest na samym początku zidentyfikowanie głównych elementów systemu i ocena ich stanu. Mowa tu
o elementach mechanicznych, obejmujących elementy infrastruktury jak: pompy, zawory, turbiny, ale także elementy elektryczne, silniki okablowania oraz systemy służące do sterowania całym procesem.
Po ocenie oznak zużycia można zastosować technologie konserwacji zapobiegawczej w celu monitorowania stanu systemu. Zainstalowane czujniki używane są do wykrywania zmian temperatury, ciśnienia, wibracji. Pomaga to zidentyfikować potencjalne problemy, zanim staną się poważnymi, kosztownymi problemami.
W przypadku wykrycia jakichkolwiek niezgodności konserwacja predykcyjna ma za zadanie objąć działaniem wymianę części, wykonanie napraw lub podjęcie innych kroków w celu zapewnienia, poprawnego działania systemu doprowadzając do jego pracy z maksymalną wydajnością. Dzięki odpowiedniemu planowi konserwacji predykcyjnej istnieje możliwość zmaksymalizowania czasu zwrotu kosztów inwestycji oraz zapewnienie bezawaryjnego działania systemów geotermalnych.
Elektrownie wodne
Energia wodna stanowi ważny udział w sektorze energii pozyskiwanej z odnawialnych źródeł energii. Konserwacja predykcyjna pozwala kontrolować działanie tego typu elektrowni i przeciwdziałać jakimkolwiek awariom, mogącym doprowadzić do kosztownych przestojów elektrowni.
Czujniki w elektrowniach wodnych monitorują wibracje, temperaturę, poziom smarowania podzespołów, przepływu wody, w wyniku czego ryzyko wystąpienia nieprawidłowości w jej funkcjonowaniu spada do minimum. Tego typu kontrole pomagają również poprawić warunki bezpieczeństwa, wykrywając problemy, zanim staną się niebezpieczne.
W przypadku turbin wodnych szczególnie ważne jest, aby czujniki były w stanie wykrywać wszelkie zmiany natężenia przepływu w turbinie i pomagać w dostosowaniu ustawień turbiny w celu zapewnienia maksymalnej wydajności.
Rola sztucznej inteligencji
Wykorzystanie sztucznej inteligencji w operacjach konserwacji predykcyjnej w dziedzinie energii odnawialnej zyskuje na popularności w branży ze względu na potencjał redukcji kosztów i poprawy wydajności. Zadania tradycyjnie wykonywane przez ludzi, zostają zautomatyzowane. Sztuczna inteligencja pozwala obniżyć koszty operacyjne oraz poprawić dokładność i szybkość operacji konserwacyjnych.
Analizując dane z czujników, dzięki sztucznej inteligencji, możliwe jest precyzyjne i szybkie wykrywanie problemów związanych z systemem. Umożliwia to wczesne reagowanie na ewentualne awarie, przestoje i poprawia wydajność systemu. W optymalizacji produkcji energii sztuczna inteligencja pomaga operatorom zmaksymalizować wydajność przy jednoczesnej minimalizacji kosztów energii.
Sztuczną inteligencję można również wykorzystać do poprawy bezpieczeństwa. Jest ona
w stanie monitorować warunki środowiskowe, zmiany temperatury, jakość powietrza i inne potencjalne zagrożenia dla życia ludzkiego. Pozwala to na skuteczną ochronę pracowników przed niebezpiecznymi warunkami pracy.
W energii odnawialnej dzięki sztucznej inteligencji możliwe jest obniżanie kosztów operacyjnych poprzez minimalizację przestojów, skrócenie czasu wykonywania napraw, sprawne i bezpieczne przeprowadzanie konserwacji oraz maksymalizacja uzysku energii odnawialnej.
Konserwacja predykcyjna w praktyce
Jedną z firm wykorzystującą konserwację predykcyjną w swojej fabryce jest BMW. Stawia ono na wykorzystanie czujników, analizę danych i sztuczną inteligencję. Podejście oparte na czasie, czy wyrobionych regułach zostało zamienione na optymalną gotowość urządzeń produkcyjnych. Pozwala to uniknąć kosztownych przestojów w produkcji, ale też stanowi istotny wkład w zrównoważony rozwoju i efektywne gospodarowanie zasobami.
Konserwacja predykcyjna korzysta z nowoczesnej platformy w chmurze. Pozwala to na wczesne otrzymywanie ostrzeżeń o możliwych awariach oraz zużyciu podzespołów. Monitorowane urządzenia produkcyjne są podłączone do chmury przez bramkę i regularnie przesyłają dane, zazwyczaj dzieje się to raz na sekundę.
Platforma w chmurze pozwala także na sterowanie oprogramowanie według zaistniałej potrzeby. Można włączać i wyłączać, tak aby w jak najkrótszym czasie dostosować się do zmieniających się wymagań. Wysoka standaryzacja całego systemu pozwala na łatwe jego wdrażanie w nowych lokalizacjach i szybkie rozwijanie istniejących bądź nowych rozwiązań.
Podczas produkcji obudów silników elektrycznych systemy są na tyle zautomatyzowane, że potrafią wykrywać anomalie za pomocą prostych modeli statystycznych, a w bardziej złożonych przypadkach za pomocą predykcyjnych algorytmów sztucznej inteligencji (SI).
W przypadku nieprawidłowości pracownicy produkcji są informowani z wyprzedzeniem
o wymaganych pracach konserwacyjnych.
Podczas procesu spawania, gdzie w BMW wykonuje się około 15 tysięcy spawów dziennie, oprogramowanie zbiera dane z zacisków spawalniczych na całym świecie i przekazuje je do chmury, aby z wyprzedzeniem wykrywać ewentualne usterki podczas produkcji. Następnie są one analizowane za pomocą algorytmów i ocenianie pod względem zgodności z przyjętymi przez firmę normami.
W zakładach BMW Group w Ratyzbonie urządzenia sterujące przenośnikami przesyłają przez całą dobę dane dotyczące m.in. prądów elektrycznych, temperatur i pozycji do platformy w chmurze. Dane są na bieżąco analizowane, a na podstawie danych o przenośnikach możliwe jest tworzenie modeli SI. Modele następnie wykrywają anomalie i w ten sposób są w stanie dostarczać wskazówek dotyczących problemów technicznych.
Korzyści płynące z konserwacji predykcyjnej
Wraz ze spadkiem kosztów odnawialnych źródeł energii i wzrostem zapotrzebowania na OZE, firmy szukają sposobów na optymalizację swojej działalności i redukcję kosztów. Jednym ze sposobów na to jest wykorzystanie uczenia maszynowego do optymalizacji harmonogramów konserwacji w systemach energii odnawialnej.
Konserwacja predykcyjny w praktyce pomaga w zapewnieniu maksymalnej wydajności systemów i zminimalizowaniu ryzyka awarii sprzętu. Może to w prosty sposób obniżyć koszty, zapewniając, że konserwacja jest wykonywana tylko wtedy, gdy jest potrzebna. Ważna jest także redukcja czasu i pieniędzy przeznaczonych na konserwację, przy jednoczesnym zmniejszeniu ryzyka awarii sprzętu.
Konserwacja predykcyjna może znacznie obniżyć koszty konserwacji i przestojów, poprawić niezawodność i wydajność sprzętu oraz zwiększyć ogólną wydajność organizacji. Konserwacja tego typu może być także stosowana w różnych branżach, w tym w produkcji, przemyśle naftowym i gazowym, transporcie i logistyce i wielu innych.
Emilia Basta
Inżynier systemów ekoenergetycznych i magister technologii produkcji oraz eksploatacji systemów technicznych. Aktywnie uczestniczy w Międzynarodowych Konferencjach Naukowych oraz publikuje artykuły naukowe, związane z tematyką inżynierii środowiska i energetyki.