Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "condition monitoring (CM)" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Aggregation of electric current consumption features to extract maintenance KPIs
Agregacja cech konsumpcji prądu elektrycznego do wyodrębnienia kluczowych wskaźników efektywności (KPI) utrzymania ruchu
Autorzy:
Simon, V.
Johansson, C. A.
Galar, D.
Powiązania:
https://bibliotekanauki.pl/articles/410081.pdf
Data publikacji:
2017
Wydawca:
STE GROUP
Tematy:
fingerprint
operational data
condition based maintenance (CBM)
condition monitoring (CM)
energy optimization
machine tool
odcisk palca
dane operacyjne
utrzymanie na podstawie stanu technicznego (CBM)
monitoring stanu (CM)
optymalizacja energii
obrabiarki
Opis:
All electric powered machines offer the possibility of extracting information and calculating Key Performance Indicators (KPIs) from the electric current signal. Depending on the time window, sampling frequency and type of analysis, different indicators from the micro to macro level can be calculated for such aspects as maintenance, production, energy consumption etc. On the micro-level, the indicators are generally used for condition monitoring and diagnostics and are normally based on a short time window and a high sampling frequency. The macro indicators are normally based on a longer time window with a slower sampling frequency and are used as indicators for overall performance, cost or consumption. The indicators can be calculated directly from the current signal but can also be based on a combination of information from the current signal and operational data like rpm, position etc. One or several of those indicators can be used for prediction and prognostics of a machine’s future behavior. This paper uses this technique to calculate indicators for maintenance and energy optimization in electric powered machines and fleets of machines, especially machine tools.
Wszystkie urządzenia elektryczne oferują możliwość wydobywania informacji i obliczania Kluczowych Wskaźników Efektywności (ang. Key Performance Indicators, KPI) z sygnału prądu elektrycznego. W zależności od okna czasowego, częstotliwości próbkowania i rodzaju analizy, różne wskaźniki od mikro do makro poziomu, można obliczyć dla takich aspektów jak utrzymanie ruchu, produkcja, zużycie energii itp. Na poziomie mikro wskaźniki są powszechnie stosowane do monitorowania stanu i diagnostyki oraz zazwyczaj są oparte na krótkim oknie czasowym i mają dużą częstotliwość próbkowania. Wskaźniki makro są zwykle oparte na dłuższym oknie czasowym z wolniejszą częstotliwością próbkowania i są używane jako wskaźniki dla ogólnej wydajności, kosztu lub zużycia. Wskaźniki można obliczyć bezpośrednio z sygnału prądu elektrycznego, ale mogą być one również oparte na połączeniu informacji z sygnału prądu elektrycznego i danych operacyjnych, takich jak obroty na minutę (ang. Revolutions Per Minute, RPM), pozycja itp. Jeden lub kilka z tych wskaźników można wykorzystać do przewidywania i prognozowania przyszłego zachowania maszyny. W niniejszym artykule wykorzystano tę technikę do obliczania wskaźników utrzymania ruchu i optymalizacji energii w maszynach elektrycznych i flotach maszyn, zwłaszcza obrabiarek.
Źródło:
Management Systems in Production Engineering; 2017, 3 (25); 183-190
2299-0461
Pojawia się w:
Management Systems in Production Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Descriptive parameters and contradictions in TRIZ methodology for vibration condition monitoring of machines
Parametry opisujące i sprzeczności w metodologii TRIZ dla diagnostyki maszyn
Autorzy:
Cempel, C.
Powiązania:
https://bibliotekanauki.pl/articles/327252.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
machine vibration
condition monitoring-CM
TRIZ
ideal final result-IFR
engineering parameters
contradictions
inventive principles
drgania maszyn
diagnostyka
idealny wynik końcowy
parametry opisujące
sprzeczności
zasady rozwiązujące
Opis:
TRIZ methodology is a promising innovative tool to obtain various problem solutions, which are close to so called ideal final result - IFR. There are some introductory papers of present author like [Skoryna 10],[Cempel 12], [Cempel 14]. But it seems to be a need to make such an approachfrom different sides in order to see if some new knowledge and technology will emerge. In doing this we need at first to define the ideal final result (IFR). As a next we need to define a set of engineering parameters to describe the problems of vibration condition monitoring (VCM) in terms of TRIZ parameters, and also a set of inventive principles possible to apply on the way to IFR. This means we should present the machine VCM problem by means of engineering descriptive parameters and contradiction matrix of TRIZ. The paper undertakes this important applicational problem and brings some new insight into system and machine VCM problems. It follows from the paper that one can find 17 contradictions and use one set of inventive principles to solve specified contradiction of VCM problem, and also another set of principles to enhance obtained solution.
Metodologia TRIZ jest obiecującym narzędziem znajdywania rozwiązań problemów blisko tzw. rozwiązania idealnego. W diagnostyce maszyn jest już kilka prac na ten temat [Skoryna 10],[Cempel 12], [Cempel 14]. Ale nie jest to jeszcze podejście kompletne i wydaje się, ze jest cos nowego do znalezienia. W pierwszym rzędzie trzeba znaleźć idealny wynik końcowy, na jaki stan wiedzy i technologii nam zezwala. Następny krok to dobór parametrów opisujących problem, a potem w kategoriach tych parametrów znaleźć sprzeczności, jakie nas dzielą od wyniku idealnego. Likwidując te znalezione w pracy 17 sprzeczności korzystamy z zasad rozwiązujących Altschullera’a dopasowanych do diagnostyki maszyn. Robiąc to w pracy znaleziono dwie grupy zasad, takie, które przybliżają nas do rozwiązania i takie, które poszerzają to rozwiązanie.
Źródło:
Diagnostyka; 2014, 15, 2; 51-59
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies