Utrzymanie Predykcyjne w Infrastrukturze Budynkowej

Utrzymanie predykcyjne (Predictive Maintenance - PdM) to strategia, która wykorzystuje analizę danych w czasie rzeczywistym do wykrywania anomalii. Jest to zgodne z ewolucją standardów zarządzania aktywami opisaną w normie ¹⁾.

Fundamentem tej metody jest koncepcja Interwału P-F.

• Punkt P (Potential Failure): Moment, w którym czujniki wykrywają pierwsze oznaki degradacji.
• Punkt F (Functional Failure): Moment fizycznej awarii.

Zadaniem algorytmów Machine Learning jest maksymalne wydłużenie czasu reakcji między punktem P a F ²⁾.

Awarie wind są jednymi z najbardziej uciążliwych. Nowoczesne systemy ML analizują pracę dźwigów w sposób ciągły.

Analizowane parametry:

• Prąd silnika: Algorytm SVM (Support Vector Machine) klasyfikuje odchylenia w poborze prądu jako anomalie ³⁾.
• Wibracje kabiny: Akcelerometry wykrywają drgania świadczące o zużyciu szyn.

Do monitorowania pomp i wentylatorów wykorzystuje się Analizę Wibracji.

1. Transformacja: Dane są przetwarzane przy użyciu transformaty Fouriera (FFT).
2. Klasyfikacja: Skuteczność algorytmów Random Forest w wykrywaniu uszkodzeń łożysk przekracza 90% ⁴⁾.

Wdrożenie strategii predykcyjnej zmienia strukturę kosztów utrzymania obiektu.