Normaalia paremmin kohdistettu tekoäly tulee pitämään tulevaisuuden teollisuuden moottorit pyörimässä ilman järeitä it-ratkaisuja. Nyt Dimeccin InDEx-ohjelmassa on kehitetty suomalaisiin Danfossin taajuusmuuttajiin ja sähkömoottoreihin laakerivikoja havaitsevia neuroverkkoratkaisuja.

Danfossin taajuusmuuttajista saadaan sähkömoottorin toiminnasta ohjauksen lisäksi reaaliaikaista tietoa, jonka avulla pysytään tarkkailemaan ympäröiviä toimintoja. Näin taajuusmuuttajaa voidaan hyödyntää anturina, jonka avulla voidaan kerätä dataa sekä kehittää siihen perustuvia toimintoja ja digitaalisia palveluita prosessien optimoimiseksi.

”Tehokkaan kunnonvalvonnan avulla viat havaitaan ja diagnosoidaan varhaisessa vaiheessa. Näin toimintoja pystytään ylläpitämään luotettavasti ja odottamattomat häiriötekijät pysytään minimoimaan, niin että käyttökustannukset pysyvät alhaisina ja tuottavuus paranee”, kertoo Danfossin ohjelmistopuolta edustava Juha Kuusela.

Laakereihin liittyviä vikoja on yleisemmin vaikea havaita luotettavasti. Siksi Danfoss on kehittänyt InDEx-ohjelmassa Tampereen yliopiston kanssa täsmällisempiä tekoälyyn pohjautuvia menetelmiä laakerivikojen havaitsemiseksi.

Danfossin ja Tampereen yliopiston kehittämä neuroverkkopohjainen malli toimii mahdollisimman vähällä datamäärällä, eikä se vaadi suurta laskentatehoa toimiakseen reaaliaikaisesti. Mallin avulla pystytään erottamaan erityisesti keskisuuria ja suuria vikoja.

Lisää: Tutkimusartikkeli: Early Bearing Fault Diagnosis of Rotating Machinery by 1D Self-Organized Operational Neural Networks, Turker Ince, Junaid Malik, Ozer Can Devecioglu, Serkan Kiranyaz, Onur Avci, Levent Eren ja Moncef Gabbouj, IEEE Access, 2021 (LINKKI)

Kuva: Danfossin testipenkki havainnollistaa, miten taajuusmuuttajista saadaan sähkömoottorin toiminnasta reaaliaikaista tietoa.