Neuron Soundware prodlužuje životnost eskalátorů v pražském a vídeňském metru
Dopravní podnik hl. m. Prahy a společnost Wiener Linier přistupují k novým trendům v oblasti prediktivní údržby progresivně, což odráží rostoucí očekávání cestujících, ale i požadavky na efektivitu, řízení lidských zdrojů, dlouhodobé investice a digitalizaci zařízení a procesů.
Díky výsledkům technologie využívající umělou inteligenci ke zpracování zvukových a vibračních signálů jsme ve spolupráci s Dopravním podnikem hl. m. Prahy a společností Wiener Linien dokázali identifikovat možnosti prodloužení životnosti eskalátorů, zkrácení jejich odstávek a stanovení priorit činností týmu údržby.
Více než roční spolupráce na monitorování eskalátorů prostřednictvím řešení Neuron Soundware vyvrcholila kontrolovaným zátěžovým testováním jednotlivých komponent eskalátorů umístěných v přestupní stanici metra. Cílem testu bylo vždy ověřit detekci hrozící poruchy. Tato případová studie vás provede celým testováním a ukáže vám jeho výsledky.
Monitorování pohyblivých schodů jako specifického zařízení vedlo k přizpůsobení technologie a postupů, které NSW běžně používá v oblasti průmyslových podniků (monitorování čerpadel, ventilátorů, kompresorů atd.). Tato případová studie rovněž posloužila k vybudování segmentových odborných znalostí v oblasti eskalátorů jako celku, nikoliv pouze jednotlivých dílčích komponent.
Výsledky simulace
Pro simulaci poruchových stavů bylo vybráno třináct částí stroje v levé části eskalátoru. Jednalo se o sledovaný typ eskalátorů Thysen FT-732.
Simulační skupina
Typ simulace
Namontovaný díl
I. Válečky - řetězové a stupňovité
- Trhliny v rolích obvazu 1, 5, 10 mm, odmašťovací role, 1-3 role
II. Koleje - hlavní/zpětný chod, pomocný/zpětný chod
- Vlnění na kolejovém úseku, díra v kolejovém úseku, povolené spoje kolejových úseků
III. Odlehčovací křivky
Změna nastavení - pokles (horní a dolní)
IV. Posypový materiál
Cizí předmět v hřebenové desce
V. Rukojeť
Příliš těsný tlak na madlo/volnost při změně nastavení
VI. Průvodce pravítkem
Změna nastavení - zvětšení mezery vodicího pravítka
VII. Vyrovnání pásem v krocích
Změna nastavení - napínání/uvolňování napínacích pružin
VIII. Hnací kola
Vypouštění olejové náplně
IX. Šneková převodovka
Vypouštění olejové náplně
Tabulka: seznam a typy simulací spolu s částí eskalátoru, která má být namontována
Jako průkazné se ukázaly změny v detekci zvuku a anomálií pomocí matematického modelu šíření materiálu na hřebenové desce, úbytek nánosů oleje ve šnekové převodovce a převodovém ústrojí, změna v nastavení reliéfních křivek a uvolnění rukojeti. Pokud by došlo alespoň k slabé detekci, upgrade modelu by pravděpodobně výrazně zlepšil výsledek (válečky, koleje).
Neuronová síť
Při této analýze byla použita neuronová síť (odkaz), která byl ve spolupráci s DPP vycvičena na datech ze všech 21 strojů, které byly dříve vybaveny senzory NSW.
Spektogramy a zvuk
Před zpracováním zvukového signálu neuronovou sítí je zvuk převeden na spektrogramy pomocí STFT (Short Term Fourier Transform). Spektrogram je zobrazení intenzity zvukového signálu na různých frekvencích v čase.
Osa y představuje frekvenci signálu, osa x představuje hodnotu čas, míra zabarvení představuje intenzitu signálu - hlasitost. (Žlutá = nejvyšší energie, intenzita signálu, tmavě fialová = nízká energie, nízká intenzita signálu).
Pro ilustraci je na horním obrázku čistý zvukový signál, uprostřed je spektrogram tohoto signálu a dole je znázorněno rozložení frekvencí pro nominální zvuk (zelená křivka) a simulaci zvuku poškozené části stroje (hnědá křivka).
I. Posypový materiál uvízlý v hřebenové desce
Hřebenová deska je prvek eskalátoru, který se nachází na začátku a na konci eskalátoru. Slouží jako přechodový prostor mezi schodištěm a deskou eskalátoru.
Popis simulované poruchy
Během provozu eskalátoru dochází k zasekávání posypového materiálu pod hřebenovou deskou, což způsobuje obrušování schodišťových stupňů a v nejhorším případě může dojít k vylomení zubů z hřebenové desky. Tento typ poruchy může velmi rychle eskalovat od počátku problému až po jeho fatální následky, proto je nesmírně důležité zavést monitorování v reálném čase a provádět měření často.
Možné následky poruchy
Rozsypaný materiál zachycený pod hřebenovou deskou, který zasahuje dále do eskalátoru, může způsobit nákladné následky, jako je nesprávné nastavení vodicího pravítka schodů a jeho následné úplné vychýlení.
Projevy při přítomnosti posypového materiálu v hřebenové desce
Zvuk byl charakteristický i pro lidské ucho. V nahrávkách byl zřetelný rozdíl oproti běžnému provozu, což dokládá spektrogram a frekvenční spektrum. Tyto projevy pak reflektoval model, který závadu detekoval.
Závěr
Jak je vidět z této analýzy poruch, model poruchu jasně odhalil. Při porovnání s běžným provozem bez poruchy, kdy po eskalátoru chodí lidé, byl model schopen rozlišit rozdíl a nevytvářel falešné výstrahy.
Únik maziva a tlak v rukojeti
Jak je uvedeno v první tabulce, kromě detekce cizích objektů na hřebenové desce existují i další poruchy. Neuronové sítě úspěšně detekovaly únik maziva a nenapnutou rukojeť, jak je vizualizováno na obrázcích níže:
II. Provoz s únikem maziva z převodovky (šneková převodovka)
III. Tlak na pohyblivé madlo
Tlak na madlo slouží ke správnému napnutí pásu pohyblivého madla tak, aby nesklouzlo nebo nespadlo v důsledku nadměrné vůle a nebylo příliš utaženo nebo nezpůsobilo zvýšené opotřebení.
Výhody technologie monitorování akustické detekce
Tato případová studie zahrnovala čtyři simulace, které demonstrovaly vhodnost řešení dálkového akustického monitorování s využitím technologie zpracování dat pomocí umělé inteligence. Z testování vyplynuly následující výhody:
- Údržba dopravních zařízení získává nástroj pro odhalování vznikajících závad na sledovaných komponentách eskalátorů a z toho vyplývající schopnost plánovat servisní zásahy a snižovat havarijní prostoje eskalátorů.
- Údržba dopravních staveb získává systémový nástroj pro dálkové ovládání monitorovaných komponent eskalátorů v systému DPP Údržba dopravních staveb.
- Údržba dopravních zařízení získává nástroj pro dlouhodobé sledování provozu eskalátorů
- Údržba dopravních zařízení získává možnost ukládání akustických záznamů jednotlivých sledovaných částí eskalátorů pro porovnání poslechem nahraných zvuků stroje v čase nebo po provedených opravách.
Údržba dopravních zařízení může okamžitě zobrazit informace o provozu konkrétní sledované části eskalátoru.
Přínosy projektu pro klienta DPP
Projekt zavádí systém monitorování a vývoj interních procesů pro práci s údaji z monitorování eskalátorů.
Projekt přispívá k poznání požadavků na instalaci senzorové technologie v prostředí metra.
Projekt pomáhá identifikovat komponenty eskalátorů vhodné pro instalaci technologií sběru akustických dat. Získané informace slouží k posouzení a výběru strojních součástí vhodných pro budoucí monitorování pomocí akustické detekce.
Projekt pomáhá nastínit způsob, jak zvládnout omezení vyplývající z nedostatku kvalifikovaných pracovníků údržby.
Posudek klienta
DPP spolupracuje se společností Neuron SW v oblasti průběžného monitorování a včasné detekce závad na 21 eskalátorech, jakož i rozsáhlé simulace a včasné detekce skutečných závad. Spolupráce je velmi úzká napříč úrovněmi obou subjektů a díky nasazení obou týmů rychle dochází k přínosnému pokroku.
Náš tým spolupracoval se společností Neuron Soundware na určení klíčových míst pro umístění senzorů na dopravních zařízeních s cílem prodloužit interval preventivních kontrol na základě výsledků testování. Mezi další výhody patří zkrácení provozních prostojů, prodloužení životnosti eskalátorů a stanovení priorit činností týmu údržby. Konkrétní vyčíslení celkových přínosů je předmětem probíhající studie.
Komplexní monitorování zahrnuje provoz motoru a převodovky eskalátoru, stav hřebenových a plošinových desek, stav napnutí tažného řetězu a polohu napínacího vozíku, stav napnutí pohyblivých madel a polohu odlehčovacích oblouků. U těchto komponent eskalátoru systém Neuron SW spolehlivě detekoval odchylky od nominálního stavu a upozornil na vznikající problémy v jejich počáteční fázi.
Technické řešení od společnosti Neuron Soundware prokázalo svou funkčnost, a proto plánujeme pokračovat v našich aktivitách se společností Neuron SW v oblasti digitálního monitorování pohyblivých schodů.
Ing. Petr Vondráček, vedoucí služby dopravního systému, Dopravní cesta Metro, Dopravní podnik hl. m. Prahy, a.s.
Nejnovější příspěvky
