Az SKF kutatásai új eszközöket biztosítanak a vevők számára a nem tervezett gépleállások elleni küzdelemhez – nyilatkozta Bernie Van Leeuwen, az SKF kutatási és technológiafejlesztési részlegének vezetője.

A vevők azért fordulnak az SKF-hez, mert olyan termékeket és szolgáltatásokat szeretnének, amelyek elősegítik a megbízhatóságra, a fenntarthatóságra és a teljesítményre vonatkozó célkitűzéseik elérését. Az esetek elsöprő többségében pontosan ezt nyújtjuk számukra. A csapágyak több mint 90 százaléka hosszabb ideig marad üzemképes, mint azok a berendezések, amelyekbe beépítették őket. A kutatási és fejlesztési munkánk során rengeteg időt foglalkozunk azzal az elenyészően alacsony számú termékkel, amelyek működés közben meghibásodnak. Az évek során olyan kifinomult modelleket fejlesztettünk ki, amelyekkel meghatározható, hogy egy csapágy mennyi ideig működik majd az ismert üzemi körülmények között, mielőtt a megbízhatósága veszélybe kerülne az anyagkifáradás miatt.

A valódi világ azonban nem olyan, mint a laboratórium. A problémák helyszíni vizsgálatával és a vevők által visszaküldött csapágyak elemzésével megállapítottuk, hogy az üzem közbeni meghibásodás tízből kilenc esetben akkor fordul elő, amikor az üzemi körülmények eltérnek az előírásoktól: például probléma merül fel a kenés, a szennyeződés és a korrózió tekintetében, vagy az elektromos áram okozta ívhúzás miatt károsodik a csapágy. A berendezéseknek nagy igénybevételt jelentő körülmények között is működniük kell, így az ilyen jellegű problémák soha nem fognak megszűnni. Azonban ha sikerül hatékonyabb előrejelzést adni ezekről a viszonylag ritkán előforduló jelenségekről, akkor csökkenthetjük a fennakadást okozó hatásaikat. Az ütemezett karbantartás során elvégzett csapágycsere sokkal jobb és olcsóbb megoldás, mint egy drága gyártósor leállítása a vészhelyzeti javítások miatt.

Napjainkban az SKF jelentős erőfeszítéseket tesz az előrejelzés terén elért eredmények javítása érdekében. Munkánk célja, hogy három alapvető kérdésre válaszolni tudjunk a vevőknek:

• Észlelés.Van valami problémája, vagy valószínűleg lesz valami problémája a berendezésemnek?
• Diagnózis. Mi a probléma kiváltó oka?
• Prognózis. Folytathatom a berendezésem üzemeltetését a következő ütemezett karbantartásig? Tehetek most valamit a berendezés állapotmegőrzése érdekében?

E kérdések megválaszolására tett erőfeszítéseink a technológia új területeire vezettek bennünket. Azt is megkövetelték tőlünk, hogy a jól bevált megközelítéseket új módon alkalmazzuk.

Vegyük például a csapágyak tesztelését. A csapágyak vizsgálatára több tucat tesztberendezést működtetünk laboratóriumainkban szerte a világon. Feladatuk, hogy addig üzemeltessék termékeinket, amíg azok tönkre nem mennek, és ezáltal segítséget nyújtsanak számunkra a hibamechanizmusok megértéséhez és a matematikai modelljeink hitelesítéséhez. Az ilyen vizsgálatok hagyományos módon meglehetősen egyszerűen elvégezhetők. Addig kell működtetni a tesztberendezést, amíg meghibásodást észlelünk a csapágynál, majd le kell állítani a tesztet.

Az előrejelzéssel kapcsolatos munkánkhoz más típusú vizsgálatra van szükségünk, amely akkor kezdődik, amikor a hagyományos tesztet leállítanánk. Szeretnénk megérteni, hogyan növekszik a károsodás mértéke egy csapágyban, és hogy az apró hibákból milyen gyorsan alakulnak ki nagyobb problémák. Ez segítséget nyújt majd a vevőknek ahhoz, hogy tisztában legyenek azzal, meddig működtethetik tovább a berendezést, ha az érzékelők hibát észlelnek.

Az új típusú vizsgálatok megkönnyítése érdekében erre a célra egy külön létesítményt építünk a hollandiai Houtenben található Kutatási és Technológiafejlesztési (RTD) központunkban. Az új központban található berendezések a „Tesztberendezések a csapágyakkal végzett gyorsított hitelesítési vizsgálatokhoz” (BRAVE) elnevezést kapták, és a valós üzemi körülmények között előforduló „tökéletlenségek” megismételhetőségére szolgálnak. Speciális tesztberendezéseink segítségével előidézhető a csapágyak meghibásodása, például oly módon, hogy korróziónak, elégtelen kenésnek, illetve szennyeződésnek vagy elektromos áramnak tesszük ki őket. Más tesztberendezéseink lehetővé teszik annak megfigyelését, hogy a különböző terhelések és fordulatszámok hogyan befolyásolják a károsodás terjedésének sebességét.

Rengeteg munkát fektetünk egyéb területek kutatásába is, ilyenek például a mesterséges intelligencia alkalmazása és a gépi tanulás. Az elmúlt évben megerősítettük az SKF AI csoportunkat és jelentősen növeltük a méretét, így most az ebből fakadó lehetőségeink hatékonyabb kihasználása érdekében a teljes szervezeten belül felhasználjuk a rendszereket és folyamatokat. Legújabb tesztberendezéseink például az elődeikhez képest több adatot gyűjtenek nagyobb sebességgel, és ezeket az adatokat az SKF felhőben tároljuk, így a munkatársaink világszerte hozzáférhetnek ezekhez az adatokhoz az algoritmusaik továbbfejlesztése és az új ötletek tesztelése céljából.

Az új típusú adatok esetében automatikus analízist alkalmazunk. Nagyon jó példa erre a csapágyfelújítási üzletágunkkal folytatott projekt. Az acélművekben rengeteg nagy méretű csapágyat használnak az anyagmozgató rendszereikhez. Ezek a csapágyak a méretükből és az árukból fakadóan alkalmasak a felújításra. Ha egy hibás csapágy túl sokáig működik, a károsodás elérheti azt a mértéket, amikor már nem lehet felújítani. Mostanáig az volt a probléma, hogy addig nem tudtuk megállapítani, hogy a csapágy alkalmas-e a felújításra, amíg meg nem érkezett valamelyik megmunkáló üzemünkbe. A felesleges szállítás elkerülése érdekében kifejlesztettünk egy automatizált képfelismerő rendszert. A vevők fényképeket készítenek a csapágyakról a kiszerelés során, és a rendszer kiértékeli a csapágy állapotát. Így el lehet dönteni, hogy az adott csapágy felújítható-e, vagy le kell selejtezni. Reményeink szerint a rendszer további hozzáadott értéket is kínál majd a vevők számára egy olyan jelentéssel, amely felvázolja a csapágyaikban bekövetkező károsodás valószínű okait.

A big data és az AI kapcsán végzett munka során az egyik legizgalmasabb dolog az, ahogyan a különböző részletek megerősítik egymást. Az új tesztberendezéseinkből és a vevők berendezéseire telepített érzékelőkről származó adatok egyesítése, sőt még a hibás csapágyakról készített képek is elősegítik az algoritmusaink és a matematikai modelljeink folyamatos finomítását és fejlesztését. Már sikerült elérnünk néhány jelentős áttörést, különösen az észlelés és a diagnózis területén, és ezeket a technikákat ma néhány speciális vevőnél alkalmazzuk. Amint a módszereink robusztusabbá és szélesebb körben alkalmazhatóvá válnak, kínálatunkat számos új eszközzel, termékkel és szolgáltatással bővítjük majd a következő hónapokban és években.