Model tabanlı kestirimci bakım ile kalan faydalı ömür tahmini

Asenkron motorlar basit yapıları, düşük maliyet ve bakım ihtiyaçları nedeniyle endüstride yaygın olarak kullanılan elektrik makinalarındandır. Fabrikalarda kullanılan makineler ne kadar problemsiz çalışırsa üretim de o kadar sağlıklı olur. Tüm makineler gibi asenkron motorlar da zamanla yaşlanma eğilimi gösterirler ve çeşitli arızalar oluşabilir. Üretimin aksamaması, zaman ve maliyet kaybı yaşanmaması için bu arızaların önceden öngörülebilmesi işletmeler açısından kritik öneme sahiptir. İşletme maliyetlerinin düşürülmesi, operasyonel güvenilirliğin artırılması ve müşteri memnuniyetinin iyileştirilmesi amacıyla motor çalışma ve sağlık durumunun sürekli izlenmesi ve gelişmekte olan arızaların daha büyük maliyetli ve yıkıcı hale gelmeden önce tespit edilmesi gittikçe önem kazanan ve gelişen bir teknoloji haline gelmiştir. Motorlar çeşitli nedenlerle arızalanabilmekle birlikte mekanik ve elektriksel olmak üzere arızalar iki sınıfa ayrılabilir. Yapılan farklı araştırmalarda motor arızaları içinde ilk sırayı rulman arızalarının aldığı gösterilmiştir. Dolayısıyla rulmanlar en kritik mekanik bileşenler arasındadır ve modern endüstri dönen makinelerinde geniş uygulama alanlarına sahiptir. Rulmanlar hareketli parçalar arasındaki sürtünmeyi azaltarak veya hareketi istenen yönde kısıtlayarak döner veya doğrusal hareketi kolaylaştırırlar. Genellikle aşırı yük, yüksek hız ve yetersiz yağlama gibi zorlu çalışma ortamlarına maruz kaldıklarından makinenin en savunmasız bileşenidirler. Bu tür çalışma koşulları altında belirli bir zaman sonra, artan boşluk, sürtünme kuvveti, aşırı ısınma, vb. nedenlerle performans düşüşü ve arızalar gelişebilir. Bu arızaların zamanında tespit edilmemesi ve uygun bakımlarının yapılmaması bozulmaya yol açabilir. Dolayısıyla ekipman üzerinde bazı teknik verilerin (mekanik titreşim, sıcaklık, elektriksel akım, yağ analizi, vb.) sürekli izlenmesi ve durum bazlı bakım senaryolarının uygulanması gereklidir. Durum bazlı bakım senaryoları temelde prognostik ve diagnostik olmak üzere iki kısımdan oluşmaktadır. Bunlardan prognostik, bozulmanın ilk başladığı andan itibaren arızanın ne zaman oluşacağını tahmin etmekle ilgilenirken, diagnostik ise arıza oluştuktan sonra arızanın tipi, nedeni ile ilgilenmektedir. Bu anlamda prognostik uygulamaları, kayıp oluşmaması ve verimlilik açılarından çok daha etkindir. Durum izleme verilerinin analiz yöntemleri kullanılan algoritma ve veri yapısına göre model tabanlı, veri tabanlı ve hibrit olmak üzere üçe ayrılırlar. Kestirimci bakımda sensörler kullanılarak ekipmanlardan elde edilen ölçümlerin analiz edilmesi ile ne zaman arıza oluşabileceği önceden tahmin edilmektedir. Kestirimci bakım herhangi bir ekipmanın sağlık durumunun doğru bir şekilde izlenmesi için birtakım teknikler tanımlamaktadır. Bu teknikler lokal veya bulut tabanlı çalışabilen, çeşitli veri analizi ve makine öğrenme algoritmaları içeren teknikler olup diğer bakım yöntemleri olan plansız bakım ve periyodik bakıma göre maliyet avantajı sağlamaktadır. Bu tez çalışmasında bir asenkron motora bağlanmış bir mil üzerine yerleştirilmiş ve aynı karakteristiğe sahip dört adet rulman üzerinden toplanan titreşim verilerinin analiz edilerek rulmanlarda ne zaman arıza oluşacağının önceden tahmin edilmesi üzerine bir prognostik model geliştirilmiştir. Çalışmada kullanılan veri seti Center for Intelligent Maintenance Systems (IMS), University of Cincinnati tarafından kurulan bir deney düzeneği ile toplanmış ve NASA-Prognostics Center of Excellence internet sitesinde araştırmacıların kullanımına açık olarak paylaşılmıştır. Testler sırasında arıza oluşturacak veya arıza oluşumunu hızlandırıcı herhangi bir ilave işlem uygulanmadan sabit hız ve yük altında mil döndürülerek rulmanların doğal yaşlanma ve arıza oluşma süreçleri beklenmiştir. Mil üzerinde aynı teknik özelliklere sahip dört adet rulman birlikte teste başlamış ve herhangi birinde arıza oluştuğunda test sonlandırılmıştır. Yenilenen rulmanlar ile bu şekilde üç tur test yapılmış ve her seferinde sonunda arıza oluşan üç veri seti paylaşılmıştır. Hangi rulmanda ne arızası oluştuğu bilgisi de veri sahipleri tarafından paylaşılmıştır. Titreşim verileri doğal olarak gürültü içerdiğinden öncelikle gürültü azaltma işleminden geçirilmiştir. Ardından titreşim sinyallerinin durağan olmayan yapısı nedeniyle zaman ve frekans bilgilerini aynı anda elde etmek için literatürde yaygın olarak kullanılan ayrık dalgacık dönüşümü uygulanmıştır. Dalgacık dönüşümü sonrasında zaman ve frekans domeninde çeşitli öznitelikler hesaplanarak öznitelik tablosu oluşturulmuştur. Tablodaki verilerin belli bir kısmı eğitim verisi olarak kabul edilerek, bu veriler üzerinden monotonluk seviyelerine göre belli sayıda öznitelik seçilmiştir. Bir sonraki veri işleme adımı olarak, seçilen özniteliklere temel bileşenler analizi (PCA) uygulanmış ve rulmanın yaşlanmaya bağlı sağlık durumunu gösteren tek bir büyüklük (sağlık göstergesi) elde edilmiştir. Sağlık göstergesi verisi üzerinde yumuşatma, tahmin başlatma noktası bulma gibi birtakım veri işleme adımları uygulanmış ve işlenmiş sağlık göstergesi verisi üstel bozulma modelinin girişi olarak uygulanmıştır. Varsayılan başlangıç parametreleri ile çalıştırılan model her bir test veri noktası geldiğinde elde edilen çıktı tahmini kalan faydalı ömür bilgisini vermektedir. Geliştirilen prognostik model birinci ve ikinci veri setlerine uygulanmış ve performans ölçümü için α-λ grafiği ile KBD (kümülatif bağıl doğruluk) metrikleri kullanılmıştır. KBD değeri birinci veri seti için 0,74 ve ikinci veri seti içinse 0,85 olarak hesaplanmış olup bu performans değerlerinin bu uygulama için yeterli olduğu ve rulmanların kalan faydalı ömür tahmininin başarılı bir şekilde yapılabildiği görülmüştür. Ayrıca diagnostik çalışması da yapılarak zarf analizi tekniği ile deney sonucunda oluştuğu belirtilen arızaların varlığı gösterilmiştir. Çalışmada uygulanan algoritma ve elde edilen model benzer veri yapısına sahip farklı ekipmanlar için de kullanılabilir durumdadır. Veri işleme adımlarında uygulanan yöntemler, seçilen parametreler ve bazı kabuller iteratif bir şekilde değiştirilerek modelin performansı test edilebilir ve artırılabilir.