Cookie-k az SKF webhelyén

Az SKF cookie-kat használ arra, hogy webhelyei tartalmát minél jobban összehangolja a látogatók preferenciáival - ilyen például a választott ország és nyelv. Elfogadja az SKF által használt cookie-kat?

cookie_information_popup_text_2[125]

A nagy mennyiségű adattól az intelligens adatokig

  • Történet

    2017 február 22, 09:00 CEST

    Az adatgyűjtés és az összegyűjtött adatok megfelelő alkalmazása az előrejelző karbantartási programok kulcsfontosságú részét képezi - és alátámasztja a mondást, miszerint a tudás hatalom - magyarázta Erwin Weis, az SKF IoT (eszközök közötti internetkapcsolat) technológiai osztályának vezetője.

    Az adatok összegyűjtése egy dolog, azonban a hozzáadott értéket az képviseli, ha ennek értelmet is adunk. Modern ipari szóhasználattal élve ez azt jelenti, hogy a "Big Data"-ként számon tartott nagy mennyiségű adatot "Smart Data"-vá, azaz intelligens adatokká változtatjuk.

    A Big Data-ra gyakran egyszerűen úgy tekintenek, mint az érzékelők, készülékek, rendszerek és egyéb mérőberendezések által összegyűjtött hatalmas mennyiségű adatra, amelynek aztán nekünk kell értelmet adni. Noha valójában ez kicsit többet jelent ennél.

    Az adatok nem mind ugyanolyan formátumúak. Néhány közülük például strukturált formában hagyja el az érzékelő kimenetét - ezek az adatok általában adatbázis formátumba rendezhetők. Más adatok strukturálatlanok, ezek lehetnek szövegek, képek, audió vagy videó jelek. Ennek a két nagyon különböző adathalmaznak a keveréke alkotja a Big Data sokrétűségét.

    Általában a Big Data-t a komplexitás új szintje, valamint a mennyiségre, a sebességre, a sokoldalúságra és a valóságra vonatkozó követelmények jellemzik, amelyek új adatbázis rendszereket igényelnek az elemzéshez és az adatok felhasználásához.

    A kihívás abban áll, hogy értelmet adjunk ezeknek az adatoknak és Smart Data-vá változtassuk őket. Ennek eléréséhez a nyers adathalmazhoz fel kell használni a tudásunkat és szakértelmünket. Ipari összefüggésben ezt az eljárást leggyakrabban az üzemeltetés és karbantartás során alkalmazzák. A folyamatadatok összegyűjtése és értelmezése tulajdonképpen biztosítja az üzemeltetők számára a működési feltételek javításához szükséges információkat. Az adatok megfelelő szűrésével és értelmezésével növelhető a berendezés teljesítménye, illetve az eredmények alapján beállított feltételek mellett megnövelhető az élettartama. Ennek legegyszerűbb formája, amikor a tapasztalt gépkezelő leolvassa a különböző értékeket - például a hőmérsékletet, a nyomást és a rezgést - majd felállítja a diagnózist.

    Ezek a strukturált adatok jelentik az alapját az állapotfüggő felügyeletnek (CBM) és az előrejelző (prediktív) karbantartási rendszereknek. A megfelelő mérések, valamint a normáktól eltérő adatok esetén az azonnali intézkedések elősegítik, hogy a berendezések hosszabb ideig üzemeljenek. Egy egyszerű példa erre a csapágyaknál végzett rezgésdiagnosztika, ahol egyetlen adathalmaz segíthet megnövelni a berendezés élettartamát és fokozhatja a megbízhatóságát.

    Az SKF mérnökei nemrég segítettek a Scuderia Ferrari F1 csapatának a kísérleti kamrák valós idejű adatainak összegyűjtésében. A SKF IMx platformon alapuló rendszer folyamatosan felügyelte a meghajtó berendezések rezgését, másodpercenként akár 100 000 adatot feldolgozva. Az adatgyűjtésre másodpercenként 20-szor került sor - annak érdekében, hogy több kezelhető részre lehessen osztani - majd az adatokat kielemezték. A Scuderia elmondása szerint ez segített a csapatnak abban, hogy „az adatok helyett inkább az eredményekre összpontosítsanak”.

    A folyamatos felügyelet előtt a csapatnak be kellett mennie a tesztkamrába, és meg kellett néznie, hogy pontosan mi is történik odabent. A gyors egymásutánban érkező adatok valós idejű, online ellenőrzése egyszerűen lehetetlen volt. Emiatt a hibakeresés egy lassú folyamat és lehetetlen volt a trendértékeken alapuló előrejelzések készítése az alkatrészek élettartamára vonatkozóan. 

    Az SKF az alkalmazás igényeihez igazította az IMx platformot, mivel a rendszer inkább az olyan alkalmazások felügyeletére lett kifejlesztve, mint például a szélturbinák, amelyek jóval kevesebb adatmennyiséget, kevesebb csatornát és alacsonyabb számítási sebességet igényeltek.

    Strukturált fejlődés
    A strukturált adatok automatikusan értelmezhetők: például ha egy bizonyos paraméter emelkedik, beazonosítható a szabályos és a rendellenes viselkedés, és helyre lehet állítani - vagy fel lehet állítani a diagnózist. Folyamatos kihívást jelent az, hogy mindent automatizáljunk, beleértve a strukturálatlan adatok értelmezését is.

    Mostanában a vevők gyakran kapnak írásos jelentést a berendezéseik viselkedéséről. A tapasztalatok alapján az SKF-hez hasonló műszaki szakértők évente sok ilyen jelentést nyújtanak át az ügyfeleiknek. Mi lenne, ha ezeknek a jelentéseknek az eredményei automatikusan létre jönnének és fel lehetne használni őket az elemzési lehetőségek fejlesztésére?

    Már erre is vannak példák. A gépfelügyeleti rendszerek például tudják, hogy a meghibásodás súlyos-e, mivel már sok ilyen esetet láttak. Az összes ellenőrzéshez ezt az elvet alkalmazzák, a gyártástól a minőségellenőrzésig. A nem túl távoli múltban az ilyen hibákat csak a gépkezelő fedezhette fel.

    Az elv most is hasonló - a berendezés bonyolultabb problémáinak felismerésére. Az automatizált rendszerek hamarosan képesek lesznek értelmezni az összegyűjtött strukturált és strukturálatlan adatokat is, és automatikusan diagnosztizálni tudják majd a problémát. Például összehasonlíthatják a jelenlegi állapotot az előzményekkel, vagy az adatokat kinyerhetik közvetlenül az írásos jelentésből. Az automatizált rendszer megismer és továbbfejleszt majd minden egyes szöveget, képet, audió vagy videó anyagot. Ezzel egy időben a szakértők azokra a problémákra összpontosíthatnak, amelyeket a rendszer még nem ismer, és elindíthatnak egy felügyelt tanulási folyamatot.

    Természetesen még vannak leküzdésére váró akadályok, mielőtt eljutnánk eddig a pontig. Bár a hardverek és szoftverek tekintetében elég jól állunk, még meg kell oldani, hogy az összes - különböző gyártótól származó - rendszer zökkenőmentesen kommunikáljon egymással. Az adatokhoz való hozzáférés, az adatcsere és az interoperabilitás régóta gondot jelent, de már tapasztalhatók a jelei annak, hogy a dolgok egyre nyitottabbá válnak. Különösen a több beszállító által kiszolgált végfelhasználók sürgetik, hogy a rendszerek egymással összhangban működjenek.

    A nagy mennyiségű adat intelligens adattá való átalakítása azt jelenti, hogy tudjuk, mi történik, tudjuk, hogy mi fog történni, miért történik, és mit kell tenni. Ha képesek vagyunk valós idejű betekintést nyerni, akkor kihasználhatjuk ezt és értéket teremthetünk az ipar számára.

    SKF AB
    (publ)

    További információt a következő elérhetőségeken kérhet:
    Sajtókapcsolat: Nia Kihlström, +46 706 67 28 97; +46 705 77 6418, nia.kihlstrom@skf.com

    Az SKF a világpiac vezető szállítója a csapágyak, a tömítések, a mechatronika, a kenéstechnikai rendszerek és a szerviz területén, mely utóbbi terület magába foglalja a műszaki támogatástól kezdve a karbantartási és megbízhatósági szolgáltatásokon át a mérnöki tanácsadást és képzést is. Az SKF a világ több mint 130 országában 17 000 viszonteladóval képviselteti magát. A cég éves bevétele 2015-ben 75 997 millió svéd korona, alkalmazottainak száma pedig 46 635 fő volt.www.skf.com 

    ® Az SKF az SKF Csoport bejegyzett védjegye.
    ™ A BeyondZero az SKF Csoport védjegye.

  • Kép

Sajtóanyag letöltése

Sajtóanyag (1.6 MB)

SKF logo