ساخت دستگاه جمع آوری تحلیل و پردازش داده صنعتی برای تشخیص عیب و پایش وضعیت موتور ها 

محققان در راستای کاهش هزینه های تعمیر و نگهداری موتور های صنعتی و کاهش مخاطرات پرسنل، دستگاهی را مبتنی بر هوش مصنوعی طراحی کردند که الگوریتم های پیشرفته برای پایش وضعیت عیوب و خرابی سیستم های صنعتی ارایه می دهد.

به گزارش خبرگزاری علم و فناوری راکو، وحید صفری دهنوی با راهنمایی دکتر مسعود شفیعی از اعضا هییت علمی دانشگاه صنعتی امیرکبیر طرحی با عنوان ساخت دستگاه جمع آوری تحلیل و پردازش داده صنعتی برای تشخیص عیب و پایش وضعیت موتور ها با قابلیت اتصال به اتوماسیون را اجرایی کرد.

شفیعی عضو هیاپیت علمی دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر موتور ها را از اجرای اصلی صنعت کشور ها دانست و گفت: در موتور ها به علل گوناگونی عیوب متفاوتی رخ می دهد و تشخیص زودهنگام عیوب و در گام بعد پیش بینی زمان خرابی این سیستم ها از اهمیت بالایی برخوردار است؛ چراکه منجر به کاهش هزینه و خطرات جانی پرسنل خواهد شد.

 وی ادامه داد: با توجه به نیاز به راهکار های نوآورانه جهت بهبود عملکرد سیستم های صنعتی پیشرفته و کاهش هزینه ها در صنایع تولیدی، این پژوهش با تاکید بر استفاده از هوش مصنوعی و الگوریتم های پیشرفته اقدام به ارایه روش هایی جهت پایش وضعیت و تشخیص عیب در موتور ها کرده است.

شفیعی تاکید کرد: کاهش هزینه های تعمیر و نگهداری و همچنین هرینه ناشی از خرابی موتور ها و همچنین کاهش خطرات جانی پرنسل از دستاورد ها و نتایج این تحقیق به شمار می رود. 

این استاد دانشگاه صنعتی امیرکبیر با بیان اینکه با توسعه این پژوهش، فناوری سلامت سنجی صنعتی بهبود خواهد یافت و علاوه بر کاهش هزینه، منجر به توسعه تکنولوژی صنعتی می شود، یادآور شد: تحقیقات انجام شده بهبود قابل توجهی در کارایی و عملکرد تجهیزات تولیدی ایجاد کرده و کاهش هزینه های تعمیراتی و خرابی های ناگهانی را فراهم آورده است که این امر بهبود شرایط اقتصادی و مالی صنایع تولیدی را ایجاد می کند.

 صفری دهنوی محقق طرح در خصوص روش های اجرای این طرح تحقیقاتی اظهار کرد: فرایند اجرای این مطالعات شامل طراحی و پیاده سازی الگوریتم های هوش مصنوعی جهت تشخیص زودهنگام و بلادرنگ عیوب در تجهیزات تولیدی بوده است. این الگوریتم ها یک دستگاه و سامانه یکپارچه ادغام شده اند که قادر به ثبت و جمع آوری داده ها، پردازش آنها و پایش و تشخیص عیوب موتور ها است. 

صفری یکی از مشکلات اصلی در اجرای طرح را نیاز به دستگاه های جمع آوری داده فرکانس بالا عنوان کرد و ادامه داد: از جمله پیچیدگی های دیگر طرح وزن گذاری مناسب و استفاده از الگوریتم های یادگیری جمعی برای دستیابی به دقت بالا در تشخیص عیوب بوده است.

به گفته وی نتایج این طرح تحقیقاتی قابل استفاده در صنایع مختلف از جمله صنایع فولاد، ذوب آهن، صنایع کوچک و متوسط و صنایع نفتی و گاز است. 

صفری امکان ثبت و جمع آوری داده با فرکانس بالا، پردازش داده با استفاده از الگوریتم های هوش مصنوعی و تشخیص عیوب مکانیکی و الکتریکی را از ویژگی های و نتایج این طرح دانست و گفت این طرح دارای نمونه خارجی مانند دستگاه های All test pro هست و از جمله مزایای رقابتی این پژوهش میتوان به کاهش هزینه های تعمیراتی و افزایش دقت در تشخیص عیوب اشاره کرد.