ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಮತ್ತು ಸಂವೇದಕ ಡೇಟಾ

ಲಾಭಗಳು:

• ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ, ಕಂಪನ/ತಾಪಮಾನ ಸೂಚಕಗಳು ಮತ್ತು ವಿಶಿಷ್ಟ ವೈಫಲ್ಯ ವಿಧಾನಗಳ ಪರಿಕಲ್ಪನೆಯನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ
• AI ನೊಂದಿಗೆ ಸಂವೇದಕ ಸಮಯ ಸರಣಿಯಲ್ಲಿ ಅಸಂಗತತೆ, ಪ್ರವೃತ್ತಿ ಮತ್ತು ವಿಶಿಷ್ಟ ಆವರ್ತನ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
• ಭೌತಿಕ ವೈಫಲ್ಯದ ಕಾರ್ಯವಿಧಾನ, ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಮತ್ತು ಕ್ಷೇತ್ರ ತಪಾಸಣೆಯೊಂದಿಗೆ AI ವ್ಯಾಖ್ಯಾನವನ್ನು ಅಡ್ಡ-ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ಯೋಜಿತ ಅಲಭ್ಯತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಯಂತ್ರದ ಸ್ಥಿತಿಯನ್ನು ನಿರಂತರವಾಗಿ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಅದು ಸಂಭವಿಸುವ ಮೊದಲು ವೈಫಲ್ಯವನ್ನು ಊಹಿಸುವ ಮೂಲಕ ಅನಿರೀಕ್ಷಿತ ಅಸಮರ್ಪಕ ಕಾರ್ಯಗಳನ್ನು ತಡೆಗಟ್ಟುವ ಮೂಲಕ ಸೌಲಭ್ಯದಲ್ಲಿ ಹೆಚ್ಚಿನ ಲಾಭವನ್ನು ಒದಗಿಸುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಪ್ರಿಡಿಕ್ಟಿವ್ ನಿರ್ವಹಣೆಯು ಒಂದಾಗಿದೆ. ಕ್ಲಾಸಿಕ್ ಬದಲಿಗೆ "ಅದು ಮುರಿದಾಗ ಅದನ್ನು ಸರಿಪಡಿಸಿ" ಅಥವಾ "ವೇಳಾಪಟ್ಟಿಯಲ್ಲಿ ಅದನ್ನು ಬದಲಿಸಿ" ವಿಧಾನಗಳ ಬದಲಿಗೆ, ಕಂಪನ, ತಾಪಮಾನ, ಕರೆಂಟ್ ಮತ್ತು ಅಕೌಸ್ಟಿಕ್ಸ್‌ನಂತಹ ಸಂವೇದಕ ಡೇಟಾದಿಂದ ನಾವು ಯಂತ್ರದ ನಿಜವಾದ ಸ್ಥಿತಿಯನ್ನು ಓದುತ್ತೇವೆ. ಈ ಪ್ರದೇಶದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಅತ್ಯಂತ ಶಕ್ತಿಯುತವಾಗಿದೆ: ಸಮಯ ಸರಣಿ ಡೇಟಾದಲ್ಲಿ ಅಸಂಗತತೆ (ಸಾಮಾನ್ಯದಿಂದ ವಿಚಲನ) ಪತ್ತೆ, ಪ್ರವೃತ್ತಿ ವಿಶ್ಲೇಷಣೆ, ವಿಶಿಷ್ಟ ದೋಷ ಆವರ್ತನಗಳ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ವರದಿ ಉತ್ಪಾದನೆ. ಆದರೆ AI ನೀಡಿದ "ಸಂಭವನೀಯ ಅಸಮರ್ಪಕ" ಒಂದು ಊಹೆಯಾಗಿದೆ, ರೋಗನಿರ್ಣಯವಲ್ಲ. ಸಂವೇದಕವು ಮುರಿದಿರಬಹುದು, ಅದರ ಮಾಪನಾಂಕ ನಿರ್ಣಯವು ಆಫ್ ಆಗಿರಬಹುದು, ಡೇಟಾವು ಗದ್ದಲದಂತಿರಬಹುದು ಮತ್ತು AI ಭೌತಿಕವಲ್ಲದ ಮಾದರಿಗೆ ಅರ್ಥವನ್ನು ನಿಯೋಜಿಸಬಹುದು. ನಿರ್ವಹಣಾ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಮೊದಲು AI ವ್ಯಾಖ್ಯಾನ; ವಿಶಿಷ್ಟ ದೋಷದ ಆವರ್ತನವನ್ನು ಸಂವೇದಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯ, ಡೇಟಾ ಗುಣಮಟ್ಟ ಮತ್ತು ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಯೊಂದಿಗೆ ಅಡ್ಡ-ಪರಿಶೀಲಿಸಬೇಕು. ಈ ಘಟಕದಲ್ಲಿ, AI ನೊಂದಿಗೆ ಸಂವೇದಕ ಡೇಟಾವನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಅರ್ಥೈಸಲು ನೀವು ಕಲಿಯುವಿರಿ.

ಅಳತೆ ಮಾಡಿದ ಪ್ರಮಾಣಗಳು ಮತ್ತು ವಿಶಿಷ್ಟ ವೈಫಲ್ಯ ವಿಧಾನಗಳು

ತಿರುಗುವ ಯಂತ್ರಗಳ (ಮೋಟರ್, ಪಂಪ್, ಫ್ಯಾನ್, ಬೇರಿಂಗ್, ಗೇರ್) ಆರೋಗ್ಯವನ್ನು ಕೆಲವು ಮೂಲಭೂತ ಪ್ರಮಾಣಗಳಿಂದ ಓದಲಾಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಪ್ರಮಾಣವು ಕೆಲವು ವೈಫಲ್ಯ ವಿಧಾನಗಳಿಗೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ:

ಗಾತ್ರ

ಯಾವುದಕ್ಕೆ ಸೂಕ್ಷ್ಮ

ವಿಶಿಷ್ಟ ವೈಫಲ್ಯ ಮೋಡ್

ಕಂಪನ (ವೇಗವರ್ಧನೆ/ವೇಗ)

ಅಸಮತೋಲನ, ತಪ್ಪು ಜೋಡಣೆ, ಬೇರಿಂಗ್/ಗೇರ್

ಅಸಮತೋಲನ, ತಪ್ಪು ಜೋಡಣೆ, ಬೇರಿಂಗ್ ಹಾನಿ

ತಾಪಮಾನ

ಘರ್ಷಣೆ, ನಯಗೊಳಿಸುವಿಕೆಯ ನಷ್ಟ, ಓವರ್ಲೋಡ್

ಬೇರಿಂಗ್ ತಾಪನ, ತೈಲ ಅವನತಿ

ಮೋಟಾರ್ ಕರೆಂಟ್

ವಿದ್ಯುತ್ ಮತ್ತು ಯಾಂತ್ರಿಕ ಲೋಡ್ ಬದಲಾವಣೆ

ರೋಟರ್ ಬಾರ್ ಮುರಿತ, ಲೋಡ್ ಅಸಂಗತತೆ

ಅಕೌಸ್ಟಿಕ್ / ಅಲ್ಟ್ರಾಸೌಂಡ್

ಅಕಾಲಿಕ ಬೇರಿಂಗ್ ಹಾನಿ, ಸೋರಿಕೆ

ಆಯಿಲ್ ಫಿಲ್ಮ್ ಅವನತಿ, ಅನಿಲ ಸೋರಿಕೆ

ಕಂಪನ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಮೂಲಭೂತ ಸಾಧನವೆಂದರೆ ಆವರ್ತನ ಸ್ಪೆಕ್ಟ್ರಮ್: ನಾವು ಸಮಯದ ಸಂಕೇತವನ್ನು ಅದರ ಆವರ್ತನ ಘಟಕಗಳಾಗಿ ಫೋರಿಯರ್ ರೂಪಾಂತರದೊಂದಿಗೆ ಪ್ರತ್ಯೇಕಿಸುತ್ತೇವೆ (FFT: ಸಿಗ್ನಲ್ ಅನ್ನು ಅದರ ಘಟಕ ಆವರ್ತನಗಳಾಗಿ ಬೇರ್ಪಡಿಸುವ ಗಣಿತದ ಪ್ರಕ್ರಿಯೆ). ಪ್ರತಿ ವೈಫಲ್ಯ ಮೋಡ್ ವಿಶಿಷ್ಟ ಆವರ್ತನದಲ್ಲಿ ಗರಿಷ್ಠವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಅಸಮತೋಲನವು ತಿರುಗುವಿಕೆಯ ಆವರ್ತನದಲ್ಲಿ (1X), ಅಕ್ಷದ ತಪ್ಪು ಜೋಡಣೆಯು ಹೆಚ್ಚಾಗಿ 2X ನಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ ಮತ್ತು ಬೇರಿಂಗ್ ಜ್ಯಾಮಿತಿಯನ್ನು ಅವಲಂಬಿಸಿ ವಿಶೇಷ ಆವರ್ತನಗಳಲ್ಲಿ ಬೇರಿಂಗ್ ಹಾನಿಗಳು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ (ಉದಾಹರಣೆಗೆ BPFO, BPFI, BSF).

ಸಲಹೆ: AI ಸ್ಪೆಕ್ಟ್ರಮ್ ಅನ್ನು ಅರ್ಥೈಸುವ ಮೊದಲು, ಅನ್ವಯಿಸಿದರೆ ಯಂತ್ರದ ತಿರುಗುವಿಕೆಯ ವೇಗ (RPM) ಮತ್ತು ಬೇರಿಂಗ್ ಸಂಖ್ಯೆಯನ್ನು ನೀಡಿ. ಈ ಮಾಹಿತಿಯಿಲ್ಲದೆ ವಿಶಿಷ್ಟ ದೋಷದ ಆವರ್ತನಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುವುದಿಲ್ಲ; ಅವುಗಳಿಲ್ಲದೆ, "ಬೇರಿಂಗ್ ವೈಫಲ್ಯ" ದ AI ನ ವ್ಯಾಖ್ಯಾನವು ಗಾಳಿಯಲ್ಲಿ ಉಳಿಯುತ್ತದೆ.

ಅಸಂಗತತೆ, ಪ್ರವೃತ್ತಿ ಮತ್ತು ತಪ್ಪು ಎಚ್ಚರಿಕೆ

ಸಮಯ ಸರಣಿಯಲ್ಲಿ AI ಎರಡು ವಿಷಯಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಮಾಡುತ್ತದೆ: ಅಸಂಗತತೆ ಪತ್ತೆ (ಹಠಾತ್ ವಿಚಲನಗಳು) ಮತ್ತು ಪ್ರವೃತ್ತಿ ವಿಶ್ಲೇಷಣೆ (ನಿಧಾನ ಕೊಳೆತ). ಆದರೆ ಎರಡು ಬಲೆಗಳಿವೆ. ಮೊದಲನೆಯದು ತಪ್ಪು ಧನಾತ್ಮಕವಾಗಿದೆ: ಶಬ್ದ, ತಾತ್ಕಾಲಿಕ ಲೋಡ್ ಬದಲಾವಣೆ ಅಥವಾ ಸಂವೇದಕ ಕಂಪನವು ನಿಜವಾದ ಅಸಮರ್ಪಕ ಕಾರ್ಯವಾಗಿ ಕಾಣಿಸಬಹುದು. ಎರಡನೆಯದು ತಪ್ಪು ಋಣಾತ್ಮಕವಾಗಿದೆ: ನಿಧಾನಗತಿಯ, ಕ್ರಮೇಣ ಕ್ಷೀಣಿಸುವಿಕೆಯು ತಪ್ಪಿಹೋಗಬಹುದು ಏಕೆಂದರೆ ಅದು "ಸಾಮಾನ್ಯ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ" ಉಳಿದಿದೆ. ಉತ್ತಮ ಮೇಲ್ವಿಚಾರಣೆಯು ಸಂಪೂರ್ಣ ಮಿತಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಯಂತ್ರದ ಸ್ವಂತ ಇತಿಹಾಸದ (ಬೇಸ್‌ಲೈನ್) ಆಧಾರದ ಮೇಲೆ ಬದಲಾವಣೆಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ: ಸಂವೇದಕ ಸ್ವತಃ ವಿಫಲವಾಗಬಹುದು. ಮಾಪನಾಂಕ ನಿರ್ಣಯದಿಂದ ಹೊರಗಿರುವ ತಾಪಮಾನ ಸಂವೇದಕವು "ಅತಿಯಾಗಿ ಕಾಯಿಸುವ" ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡಬಹುದು, ಯಂತ್ರವು ಸಂಪೂರ್ಣವಾಗಿ ಸಾಮಾನ್ಯವಾಗಿದೆ; ಅಥವಾ ಸಡಿಲವಾದ ವೇಗವರ್ಧಕವು ನಕಲಿ ಕಂಪನವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. AI ನೋಡುವುದು ಕೇವಲ ಡೇಟಾ; ಡೇಟಾದ ಮೂಲವು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆಯೇ ಎಂದು ಕ್ಷೇತ್ರ ನಿಯಂತ್ರಣವು ನಿಮಗೆ ತಿಳಿಸುತ್ತದೆ. "ಮೊದಲು ಸಂವೇದಕವನ್ನು ಪರಿಶೀಲಿಸಿ" ಎಂಬುದು ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಮೊದಲ ನಿಯಮವಾಗಿದೆ.

ಹಂತ ಹಂತವಾಗಿ: AI ನೊಂದಿಗೆ ಸಂವೇದಕ ಡೇಟಾವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು

1. ಸಂದರ್ಭವನ್ನು ನೀಡಿ. ಯಂತ್ರದ ಪ್ರಕಾರ, RPM, ಬೇರಿಂಗ್/ಗೇರ್ ಮಾಹಿತಿ, ಅಳತೆ ಬಿಂದು.
2. ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಪರಿಶೀಲಿಸಿ. ಮಾದರಿ ಆವರ್ತನವು ಸಾಕಷ್ಟಿದೆಯೇ, ಯಾವುದೇ ಕಾಣೆಯಾಗಿದೆ/ಹೊರಗಿನವರು ಇದೆಯೇ?
3. ಬೇಸ್ಲೈನ್ ​​ಅನ್ನು ನಿರ್ಧರಿಸಿ. ಆರೋಗ್ಯಕರ ಸ್ಥಿತಿ ಹೇಗಿರುತ್ತದೆ?
4. ಅಸಂಗತತೆ/ಟ್ರೆಂಡ್ ಅನ್ನು ಹೊರತೆಗೆಯಿರಿ. AI ನೊಂದಿಗೆ ವಿಚಲನ ಮತ್ತು ಪ್ರವೃತ್ತಿಯನ್ನು ಗುರುತಿಸಿ.
5. ಭೌತಿಕ ವ್ಯಾಖ್ಯಾನವನ್ನು ವಿನಂತಿಸಿ. ಯಾವ ವೈಫಲ್ಯ ಮೋಡ್, ಯಾವ ಆವರ್ತನದಲ್ಲಿ, ಏಕೆ?
6. ಕ್ಷೇತ್ರದಲ್ಲಿ ಪರಿಶೀಲಿಸಿ. ಮಾಪನಾಂಕ ನಿರ್ಣಯ, ದೃಶ್ಯ/ಸ್ಪರ್ಶ ತಪಾಸಣೆ, ಅಗತ್ಯವಿದ್ದರೆ ಎರಡನೇ ಅಳತೆ.

ಸ್ಪೆಕ್ಟ್ರಮ್ ವ್ಯಾಖ್ಯಾನ ಪ್ರಾಂಪ್ಟ್

ಪಾತ್ರ: ಕಂಪನ ವಿಶ್ಲೇಷಣೆ (ಸ್ಥಿತಿ ಮಾನಿಟರಿಂಗ್) ಸ್ಪೆಷಲಿಸ್ಟ್. ಸಂದರ್ಭ: 1450 RPM ನಲ್ಲಿ ತಿರುಗುವ ಕೇಂದ್ರಾಪಗಾಮಿ ಪಂಪ್, ಡ್ರೈವ್ ಎಂಡ್ ಬೇರಿಂಗ್ 6206. ಡೇಟಾ: ಕಂಪನ ವೇಗದ ಸ್ಪೆಕ್ಟ್ರಮ್‌ನಲ್ಲಿ ಗರಿಷ್ಠ ಆವರ್ತನಗಳು [ಪಟ್ಟಿ, Hz ಮತ್ತು ವೈಶಾಲ್ಯ]. ಕಾರ್ಯ: ಪ್ರತಿ ಶಿಖರವನ್ನು ಅಸಮರ್ಥತೆಯ ಅಸಮರ್ಪಕ ಮೋಡ್, 2XX ಅಸಮರ್ಥತೆ, ಅಸಮರ್ಥತೆ, ಅಸಮರ್ಪಕ ವಿಧಾನದೊಂದಿಗೆ ಪರಸ್ಪರ ಸಂಬಂಧಿಸಿ BPFO/BPFI ಇತ್ಯಾದಿ). RPM ಮತ್ತು 6206 ರೇಖಾಗಣಿತದೊಂದಿಗೆ ವಿಶಿಷ್ಟವಾದ ಬೇರಿಂಗ್ ಆವರ್ತನಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, ನೀವು ತೋರಿಸುವ ಆವರ್ತನಗಳನ್ನು ತಿಳಿಸಿ. ನಿಯಮ: ಇದೊಂದು ಕಲ್ಪನೆ; ಪ್ರತಿ ಕಾಮೆಂಟ್‌ಗೆ, ನಾನು ಅದನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತೇನೆ ಎಂದು ಬರೆಯಿರಿ.

ಅಸಂಗತತೆ/ಟ್ರೆಂಡ್ ವಿಶ್ಲೇಷಣೆ ಪ್ರಾಂಪ್ಟ್

ಕೆಳಗಿನ ತಾಪಮಾನ ಸಮಯದ ಸರಣಿಯನ್ನು ವಿಶ್ಲೇಷಿಸಿ: [ದಿನಾಂಕ, ಮೌಲ್ಯಗಳ ಪಟ್ಟಿ].- ಬೇಸ್ಲೈನ್ ​​​​(ಸಾಮಾನ್ಯ ಶ್ರೇಣಿ) ಎಂದರೇನು?- ವೈಪರೀತ್ಯಗಳು (ಹಠಾತ್ ವಿಚಲನ), ಯಾವಾಗ?- ನಿಧಾನವಾಗಿ ಏರುತ್ತಿರುವ ಪ್ರವೃತ್ತಿ ಇದೆಯೇ, ಇಳಿಜಾರು ಏನು? ನಿಯಮ: ತಪ್ಪು ಧನಾತ್ಮಕ ಅಪಾಯವನ್ನು ನಿರ್ಣಯಿಸಿ; ಸಂವೇದಕ ದೋಷ ಮತ್ತು ನೈಜ ಮಿತಿಮೀರಿದ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ನೀವು ಯಾವ ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಯನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೀರಿ?

ಡೇಟಾ ಗುಣಮಟ್ಟ ಮತ್ತು ಸಂವೇದಕ ಪರಿಶೀಲನೆ ಪ್ರಾಂಪ್ಟ್

ಈ ಜಿಟ್ಟರ್ ಮಾಪನದಲ್ಲಿ ಮಾದರಿ ಆವರ್ತನವು 2 kHz ಆಗಿದೆ. ನಾನು ಆಸಕ್ತಿ ಹೊಂದಿರುವ ಹೆಚ್ಚಿನ ದೋಷ ಆವರ್ತನವು ~800 Hz ಆಗಿದೆ. ಈ ಮಾದರಿ ಸಾಕಷ್ಟಿದೆಯೇ (Nyquist), ಕಾಮೆಂಟ್ ಮಾಡಿ. ಡೇಟಾದಲ್ಲಿ ಹಠಾತ್ ಜಿಗಿತಗಳು ಮತ್ತು ಕ್ಲಿಪ್ಪಿಂಗ್‌ನ ಲಕ್ಷಣಗಳು ಕೆಳಕಂಡಂತಿವೆ: [ವಿವರಣೆ]. ಇವು ನಿಜವಾದ ಸಂಕೇತಗಳಾಗಿರಬಹುದು ಅಥವಾ ಸಂವೇದಕ/ರೆಕಾರ್ಡಿಂಗ್ ದೋಷಗಳಾಗಿರಬಹುದು, ನಾನು ಹೇಗೆ ಪ್ರತ್ಯೇಕಿಸಬಹುದು?

ನಿರ್ವಹಣೆ ನಿರ್ಧಾರ ಕರಡು ಪ್ರಾಂಪ್ಟ್

ಕೆಳಗಿನ ಸಂಶೋಧನೆಗಳ ಆಧಾರದ ಮೇಲೆ ಕರಡು ನಿರ್ವಹಣಾ ಶಿಫಾರಸನ್ನು ಬರೆಯಿರಿ: [ಆವಿಷ್ಕಾರಗಳು]. ನಿಮ್ಮ ಶಿಫಾರಸನ್ನು ಮೂರು ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸಿ: ತಕ್ಷಣವೇ ನಿಲ್ಲಿಸಿ, ನಿಗದಿತ ನಿರ್ವಹಣೆಯಲ್ಲಿ ಪರೀಕ್ಷಿಸಿ, ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಮುಂದುವರಿಸಿ. ಪ್ರತಿ ಹಂತಕ್ಕೂ ಸಮರ್ಥನೆ ಮತ್ತು ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಯನ್ನು ಬರೆಯಿರಿ. ನಿಯಮ: ಸಮರ್ಥ ನಿರ್ವಹಣಾ ಎಂಜಿನಿಯರ್ ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ; ಇದನ್ನು ಹೇಳು.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಕಂಪನ ಹೆಚ್ಚಿದೆಯೇ?

ಯಾವುದೇ ಯಂತ್ರ ಪ್ರಕಾರ, RPM, ಮಾಪನ ಘಟಕ, ಬೇಸ್ಲೈನ್ ​​ಮತ್ತು ಬೇರಿಂಗ್ ಮಾಹಿತಿ; AI ಗೆ "ಹೆಚ್ಚು/ಕಡಿಮೆ" ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ, ಅದು ಹೇಳಿದರೂ ಸಹ, ಅದು ಬೆಂಬಲಿತವಾಗಿಲ್ಲ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

1450 RPM ಕೇಂದ್ರಾಪಗಾಮಿ ಪಂಪ್, ಬೇರಿಂಗ್ 6206, ಡ್ರೈವ್ ಎಂಡ್ ಮೀಟರಿಂಗ್. ಕಂಪನ ವೇಗ ಸ್ಪೆಕ್ಟ್ರಮ್ ಗರಿಷ್ಠ ಆವರ್ತನಗಳು: [ಪಟ್ಟಿ]. ಪ್ರತಿ ಶಿಖರವನ್ನು ಸಂಭವನೀಯ ವೈಫಲ್ಯ ಮೋಡ್‌ನೊಂದಿಗೆ ಸಂಯೋಜಿಸಿ, ವಿಶಿಷ್ಟವಾದ ಬೇರಿಂಗ್ ಆವರ್ತನಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ ಮತ್ತು ಪ್ರದರ್ಶಿಸಿ. ಪ್ರತಿ ಕಾಮೆಂಟ್ ಒಂದು ಊಹೆ ಎಂದು ಹೇಳಿ ಮತ್ತು ಅದನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ಹೇಗೆ ಪರಿಶೀಲಿಸಬೇಕು ಎಂದು ಬರೆಯಿರಿ. ಸಂವೇದಕ ದೋಷದ ಸಾಧ್ಯತೆಯನ್ನು ಸಹ ಪರಿಗಣಿಸಿ.

ಎರಡನೇ ಪ್ರಾಂಪ್ಟ್ ಯಂತ್ರದ ಸಂದರ್ಭ, ಸ್ಪೆಕ್ಟ್ರಮ್ ಡೇಟಾ ಮತ್ತು ಪರಿಶೀಲನೆ ವಿನಂತಿಯನ್ನು ಒಳಗೊಂಡಿದೆ; ಇದು ವ್ಯಾಖ್ಯಾನವನ್ನು ಒಂದು ಊಹೆಯಾಗಿ ಇರಿಸುತ್ತದೆ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು (ಸಂಖ್ಯೆಗಳ ಮೂಲಕ)

ಪ್ರಕರಣ 1 - ವಿಶಿಷ್ಟ ಆವರ್ತನ ಪರಿಶೀಲನೆ. ಒಂದು ಪಂಪ್‌ನಲ್ಲಿ AI ಕಾಮೆಂಟ್‌ಗಳು "ಒಳಗಿನ ರಿಂಗ್ ವೈಫಲ್ಯ (BPFI)". ಇಂಜಿನಿಯರ್ BPFI ಅನ್ನು 1450 RPM (24.2 Hz) ಮತ್ತು 6206 ಬೇರಿಂಗ್ ಜ್ಯಾಮಿತಿಯೊಂದಿಗೆ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತಾರೆ: ~131 Hz. ಸ್ಪೆಕ್ಟ್ರಮ್‌ನಲ್ಲಿನ ಗರಿಷ್ಠವು ವಾಸ್ತವವಾಗಿ ಸುಮಾರು ~130 Hz ಆಗಿದೆ ಮತ್ತು ಹಾರ್ಮೋನಿಕ್ಸ್ ಹೊಂದಿದೆ. ವ್ಯಾಖ್ಯಾನವು ವಿಶಿಷ್ಟ ಆವರ್ತನದೊಂದಿಗೆ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ; ಯೋಜಿತ ನಿರ್ವಹಣೆಯ ಸಮಯದಲ್ಲಿ ಇಂಜಿನಿಯರ್ ಬೇರಿಂಗ್ ಅನ್ನು ಡಿಸ್ಅಸೆಂಬಲ್ ಮಾಡುತ್ತಾನೆ ಮತ್ತು ಒಳಗಿನ ರಿಂಗ್ನಲ್ಲಿ ಪಿಟ್ಟಿಂಗ್ ಅನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾನೆ. ದೃಢೀಕರಣವು ಊಹೆಯನ್ನು ರೋಗನಿರ್ಣಯವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.

ಪ್ರಕರಣ 2 - ತಪ್ಪು ಎಚ್ಚರಿಕೆ. ಒಂದು ಫ್ಯಾನ್‌ನಲ್ಲಿ, ತಾಪಮಾನ ಸಂವೇದಕವು 95 ° C ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ, AI "ಬೇರಿಂಗ್ ಓವರ್ ಹೀಟಿಂಗ್" ಎಂದು ಹೇಳುತ್ತದೆ. ಕ್ಷೇತ್ರ ತಂಡವು ಹಸ್ತಚಾಲಿತ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡುತ್ತದೆ: ಹಾಸಿಗೆ ಬೆಚ್ಚಗಿರುತ್ತದೆ, ಸಾಮಾನ್ಯವಾಗಿದೆ. ಸಂವೇದಕ ಸಂಪರ್ಕವು ಸಡಿಲವಾಗಿದೆ, ಮಾಪನಾಂಕ ನಿರ್ಣಯವನ್ನು ಬದಲಾಯಿಸಲಾಗಿದೆ. ನಿಜವಾದ ತಾಪಮಾನ ~55°C. ಸಂವೇದಕವನ್ನು ಬಿಗಿಗೊಳಿಸಿದಾಗ ಮತ್ತು ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸಿದಾಗ, ಎಚ್ಚರಿಕೆಯು ಕಣ್ಮರೆಯಾಗುತ್ತದೆ. AI ವ್ಯಾಖ್ಯಾನವನ್ನು ಕುರುಡಾಗಿ ಅನುಸರಿಸಿದರೆ, ಗಟ್ಟಿಯಾದ ಹಾಸಿಗೆಯನ್ನು ಅನಗತ್ಯವಾಗಿ ಕಿತ್ತುಹಾಕಲಾಗುತ್ತದೆ. ಪಾಠ: ಮೊದಲು ಸಂವೇದಕವನ್ನು ಪರಿಶೀಲಿಸಿ.

ಪ್ರಕರಣ 3 - ನಿಧಾನ ಪ್ರವೃತ್ತಿಯನ್ನು ಹಿಡಿಯುವುದು. ಗೇರ್‌ಬಾಕ್ಸ್‌ನಲ್ಲಿ ಸಂಪೂರ್ಣ ಕಂಪನ ಮಿತಿಯನ್ನು ಮೀರುವುದಿಲ್ಲ, ಆದರೆ 8-ವಾರದ ಪ್ರವೃತ್ತಿಯಲ್ಲಿ AI ಪ್ರತಿ ವಾರಕ್ಕೆ ~6% ರಷ್ಟು ವೈಶಾಲ್ಯವನ್ನು ತೋರಿಸುತ್ತದೆ. ಎಕ್ಸ್‌ಟ್ರಾಪೋಲೇಷನ್ ಮೂಲಕ, ~5 ವಾರಗಳಲ್ಲಿ ಮಿತಿ ಮೀರುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ. ಯೋಜಿತ ನಿಲುಗಡೆ ಸಮಯದಲ್ಲಿ, ತಂಡವು ತೈಲವನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ, ಲೋಹದ ಕಣವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಗೇರ್ ಅನ್ನು ನಿಯಂತ್ರಿತ ರೀತಿಯಲ್ಲಿ ಬದಲಾಯಿಸುತ್ತದೆ; ಅನಿರೀಕ್ಷಿತ ನಿಲುಗಡೆ ತಡೆಯಲಾಗಿದೆ. ಪಾಠ: ಸಂಪೂರ್ಣ ಮಿತಿಗಿಂತ ಮೊದಲು ಪ್ರವೃತ್ತಿಯು ಎಚ್ಚರಿಸುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಸಂದರ್ಭವಿಲ್ಲದೆ ಕಾಮೆಂಟ್‌ಗಳನ್ನು ಕೇಳುವುದು: RPM ಮತ್ತು ಬೇರಿಂಗ್ ಮಾಹಿತಿ ಇಲ್ಲದೆ ಸ್ಪೆಕ್ಟ್ರಮ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು.
• ಸಂವೇದಕವನ್ನು ಪರಿಶೀಲಿಸುತ್ತಿಲ್ಲ: ಮಾಪನಾಂಕ ನಿರ್ಣಯ/ಸಂಪರ್ಕ ದೋಷವನ್ನು ನಿಜವಾದ ಅಸಮರ್ಪಕ ಕಾರ್ಯವೆಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು.
• ರೋಗನಿರ್ಣಯಕ್ಕಾಗಿ ಊಹೆಯನ್ನು ತಪ್ಪಾಗಿ ಮಾಡುವುದು: ಕ್ಷೇತ್ರ ನಿಯಂತ್ರಣವಿಲ್ಲದೆ AI ವ್ಯಾಖ್ಯಾನವನ್ನು ನಿರ್ವಹಣಾ ನಿರ್ಧಾರವಾಗಿ ಭಾಷಾಂತರಿಸುವುದು.
• ಸಂಪೂರ್ಣ ಮಿತಿಯಲ್ಲಿ ಮಾತ್ರ ನೋಡುತ್ತಿರುವುದು: ನಿಧಾನಗತಿಯ ಕೊಳೆಯುವಿಕೆಯ ಪ್ರವೃತ್ತಿಯನ್ನು ಕಳೆದುಕೊಂಡಿದೆ.
• ಅಂಡರ್‌ಸ್ಯಾಂಪ್ಲಿಂಗ್: ನೈಕ್ವಿಸ್ಟ್ ನಿಯಮವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು ಮತ್ತು ಹೆಚ್ಚಿನ ಆವರ್ತನ ದೋಷವನ್ನು ಕಡೆಗಣಿಸುವುದು.
• ತಪ್ಪು ಧನಾತ್ಮಕತೆಗೆ ಅತಿಯಾದ ಪ್ರತಿಕ್ರಿಯೆ: ನಿಜವಾದ ಅಸಮರ್ಪಕ ಕಾರ್ಯಕ್ಕಾಗಿ ಶಬ್ದವನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು ಮತ್ತು ಆರೋಗ್ಯಕರ ಯಂತ್ರವನ್ನು ನಿಲ್ಲಿಸುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

• ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯು ಕಂಪನ, ತಾಪಮಾನ ಮತ್ತು ಪ್ರವಾಹದಂತಹ ಸಂವೇದಕಗಳಿಂದ ಯಂತ್ರ ಸ್ಥಿತಿಯನ್ನು ಓದುತ್ತದೆ ಮತ್ತು ವೈಫಲ್ಯವನ್ನು ಮುಂಚಿತವಾಗಿ ಊಹಿಸುತ್ತದೆ.
• ಕಂಪನ ವರ್ಣಪಟಲದಲ್ಲಿ, ಪ್ರತಿ ವೈಫಲ್ಯದ ಕ್ರಮವು ವಿಶಿಷ್ಟ ಆವರ್ತನದಲ್ಲಿ ಗರಿಷ್ಠವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಕಾಮೆಂಟ್‌ಗೆ RPM ಮತ್ತು ಬೇರಿಂಗ್ ಜ್ಞಾನದ ಅಗತ್ಯವಿದೆ.
• AI ನೀಡಿದ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನವು ಒಂದು ಊಹೆಯಾಗಿದೆ; ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಮತ್ತು ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಯಿಂದ ವಿಶಿಷ್ಟ ಆವರ್ತನವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.
• ಸಂವೇದಕ ಸ್ವತಃ ವಿಫಲವಾಗಬಹುದು; "ಮೊದಲು ಸಂವೇದಕವನ್ನು ಪರಿಶೀಲಿಸಿ" ಎಂಬುದು ಮೊದಲ ನಿಯಮವಾಗಿದೆ.
• ಪ್ರವೃತ್ತಿಯು ಸಂಪೂರ್ಣ ಮಿತಿಯಂತೆ ಮುಖ್ಯವಾಗಿದೆ; ನಿಧಾನಗತಿಯ ಅವನತಿಯು ಮುಂಚಿನ ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ. ನಿರ್ವಹಣೆ ನಿರ್ಧಾರವು ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ಗೆ ಸೇರಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ತಿರುಗುವ ಯಂತ್ರವನ್ನು ಆರಿಸಿ (ಪಂಪ್, ಫ್ಯಾನ್, ಮೋಟಾರ್). ಅನ್ವಯಿಸಿದರೆ, ಯಂತ್ರದ RPM ಮತ್ತು ಬೇರಿಂಗ್ ಸಂಖ್ಯೆಯನ್ನು ಬರೆಯಿರಿ. ನಿಜವಾದ ಅಥವಾ ಮಾದರಿ ಕಂಪನ ಸ್ಪೆಕ್ಟ್ರಮ್ / ತಾಪಮಾನದ ಸಮಯದ ಸರಣಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಮತ್ತು AI ಅದರ ಸಂದರ್ಭದೊಂದಿಗೆ ಅದನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಿ. ಪ್ರತಿ ವೈಫಲ್ಯದ ಕಲ್ಪನೆಗೆ AI ತೋರಿಸುತ್ತದೆ: ವಿಶಿಷ್ಟ ಆವರ್ತನವನ್ನು ನೀವೇ ಪರಿಶೀಲಿಸಿ (ಬೇರಿಂಗ್ ವೇಳೆ BPFO/BPFI ಲೆಕ್ಕಾಚಾರವನ್ನು ಪರಿಶೀಲಿಸಿ), ಸಂವೇದಕ ವೈಫಲ್ಯದ ಸಾಧ್ಯತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ ಮತ್ತು ನೀವು ಅದನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ಬರೆಯಿರಿ. ಅಂತಿಮವಾಗಿ, ಆವಿಷ್ಕಾರಗಳನ್ನು ಮೂರು-ಹಂತದ ಶಿಫಾರಸುಗಳಾಗಿ ಬಟ್ಟಿ ಇಳಿಸಿ (ತಕ್ಷಣ ನಿಲ್ಲಿಸಿ / ವೇಳಾಪಟ್ಟಿಯಲ್ಲಿ ಪರೀಕ್ಷಿಸಿ / ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಮುಂದುವರಿಸಿ) ಮತ್ತು ಅಂತಿಮ ನಿರ್ವಹಣಾ ನಿರ್ಧಾರವು ಅರ್ಹ ಇಂಜಿನಿಯರ್‌ನಲ್ಲಿ ಏಕೆ ಉಳಿಯುತ್ತದೆ ಎಂಬುದನ್ನು ತಿಳಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ಯಂತ್ರದ ಸಂದರ್ಭವನ್ನು (ಪ್ರಕಾರ, RPM, ಬೇರಿಂಗ್/ಗೇರ್, ಅಳತೆ ಬಿಂದು) ನೀಡಲಾಗಿದೆ.
• [ ] ಡೇಟಾ ಗುಣಮಟ್ಟ ಮತ್ತು ಮಾದರಿ ಆವರ್ತನ (Nyquist) ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
• [ ] AI ತೋರಿಸಿದ ದೋಷದ ಆವರ್ತನಗಳನ್ನು ವಿಶಿಷ್ಟ ಆವರ್ತನ ಲೆಕ್ಕಾಚಾರದಿಂದ ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
• [ ] ಸಂವೇದಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯದ ಸಾಧ್ಯತೆ/ಸಂಪರ್ಕ ದೋಷವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗಿದೆ.
• [ ] ಸಂಪೂರ್ಣ ಮಿತಿಯ ಜೊತೆಗೆ, ಪ್ರವೃತ್ತಿಯನ್ನು ಸಹ ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
• [ ] ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಯಿಂದ ದೃಢಪಡಿಸಿದ ಕಾಮೆಂಟ್; ನಿರ್ವಹಣೆ ನಿರ್ಧಾರವನ್ನು ಸಮರ್ಥ ಎಂಜಿನಿಯರ್‌ಗೆ ಬಿಡಲಾಗಿದೆ.