پیش‌بینی زمان ازکارافتادگی ماشین‌آلات دوار با استفاده از سیستم هوشمند

خرابی ماشین‌آلات در کارخانه‌ها گاه به توقف خط تولید منجر می‌شود و ضرر مالی زیادی را به‌دنبال دارد. عملیات پیشگیرانه به‌منظور جلوگیری از وقوع خرابی، نقشی مهم در افزایش طول عمر ماشین‌آلات و کاهش هزینه‌ها دارد. همچنین، پیش‌بینی زمان ازکارافتادگی تجهیزات، مهندسان تعمیرات و نگهداری (نت) را قادر می‌سازد تا قبل از توقف کامل دستگاه برای تعمیر یا جایگزینی تجهیزات اقدام کنند و از این‌رو از هزینة تعمیرات اساسی جلوگیری شود (سیستم نت بر مبنای وضعیت) (CBM). اهمیت این امر در ماشین‌آلات دوار از جمله پمپ‌ها، توربین‌ها بخار، کمپرسورها و... به‌دلیل ماهیت عملکرد آن‌ها بیشتر است. از این‌رو، در این تحقیق عمر مفید باقیماندة (RUL) پمپ‌های توربینی واحد الفین شرکت پتروشیمی پارس براساس وضعیت سلامت یاتاقان‌ها با روش شبکة عصبی مصنوعی و ماشین بردار پشتیبان (SVM) پیش‌بینی می‌شود. ابتدا براساس مقدار مؤثر (RMS)، مقدار متوسط، مقدار پیک و کرست فاکتور یکی از یاتاقان‌های پمپ مدل پیش‌بینی ایجاد شده و درادامه براساس مدل ایجادشده و روش‌های مذکور RUL چهار یاتاقان دیگر پمپ با دقت بالایی پیش‌بینی شده است. نتایج نشان می‌دهد دقت پیش‌بینی با روش SVM نسبت به روش شبکة عصبی تک لایه بیشتر است.