KR101499728B1 - Fault prediction method for plant - Google Patents
Fault prediction method for plant Download PDFInfo
- Publication number
- KR101499728B1 KR101499728B1 KR20130142269A KR20130142269A KR101499728B1 KR 101499728 B1 KR101499728 B1 KR 101499728B1 KR 20130142269 A KR20130142269 A KR 20130142269A KR 20130142269 A KR20130142269 A KR 20130142269A KR 101499728 B1 KR101499728 B1 KR 101499728B1
- Authority
- KR
- South Korea
- Prior art keywords
- condition
- failure
- conditions
- malfunction
- fault
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
본 발명은 설비고장 예측방법에 관한 것으로서, 보다 상세하게는 산업현장에서 널리 사용되고 있는 설비의 주요한 기계요소중 고장발생 빈도가 높은 각 기계요소의 고장발생조건에 따른 단순한 결함검출보다, 각 기계요소의 고장발생조건을 다양한 조건으로 분류하여 각 조건의 조합에 따른 복합적인 고장유형을 예측할 수 있는 설비고장 예측방법에 관한 것이다.
More particularly, the present invention relates to a method and apparatus for predicting equipment failures, and more particularly, to a method and apparatus for predicting equipment faults, in which, among the major machine elements of facilities widely used in industrial sites, The present invention relates to a method for predicting equipment failures that can classify a failure occurrence condition into various conditions and predict a complex failure type according to a combination of each condition.
일반적으로 산업현장에서 안정적이고 연속적으로 운전되어야하는 설비는 설비라인 자체에 치명적인 손상을 주는 돌발 고장과, 예기치 못한 고장으로 설비라인이 중지되어 이로인한 생산량 감소를 사전에 미리 방지하기 위해 설비고장을 미리 예측하는 방법이 연구 개발되고 있다.In general, facilities that are required to be operated continuously and continuously in the industrial field must be installed in advance in order to prevent an unexpected breakdown that damages the equipment line itself and an equipment failure due to an unexpected breakdown. A method of predicting is being researched and developed.
현재 사용되고 있는 고장 예측방법은 설비의 이상 상태 변화를 감지하고, 이때 나타나는 결함을 검출하여 설비나 부품의 상태를 판정하고 수명을 예측하는 방식을 사용하고 있다.The currently used fault prediction method uses a method of detecting a change in an abnormal state of a facility, detecting a defect occurring at that time, determining the state of equipment or parts, and predicting the life span.
이러한 예측방식은 설비에서 미세한 상태 변화를 진동이나 열 또는 전동기의 경우 전류의 변화를 계측하여 이를 기설정된 기준값과 비교함으로써 설비의 열화 상태를 판정하고 결함을 예측하게 된다. 그러나 이는 설비상태 변화에 따른 단편적인 증상의 변화만을 알 수 있을 뿐이다.Such a prediction method estimates the state of deterioration of the equipment and predicts the defect by measuring minute changes of the state in the equipment, measuring the change of the current in the case of the heat or the motor, and comparing this with the predetermined reference value. However, this is only a change in the symptom of the piece according to the change of the equipment condition.
또 다른 예를 들자면, 설비고장을 예측하기 위해 설비에서 발생하는 진동량의 변화를 검출하는 방법은 진동의 증가만을 파악할 뿐, 진동을 일으키는 근본적인 원인인 하중의 변화나 운전속도의 변화는 알 수 없다. 특히 복합적인 원인에 의한 상태 변화에 대해서는 그 원인을 찾기가 어려워 고장의 정확한 예측을 할 수 없는 문제점이 발생된다.As another example, the method of detecting the change in the amount of vibration occurring in the facility in order to predict the failure of the equipment only grasps the increase of the vibration, and does not know the change of the load or the operation speed, which is the fundamental cause of the vibration . In particular, it is difficult to find the cause of a change in state due to multiple causes.
아울러, 전동기의 경우 전자기적 진동이 상승할 경우 진동량 변화가 정해진 진동기준을 초과 하였으므로 설비가 보다 불안정한 상태임을 알 수 있으나, 이러한 진동량 증가가 전동기의 전기적인 고장을 일으킬 것인지 혹은 기계적 고장을 일으킬 것인지를 예측할 수 없다. 즉 진동량 변화가 기계 상태의 변화를 잘 반영할 수는 있어도 이를 근거로 고장을 예측하는 것은 매우 어렵다는 문제점을 갖고 있다.
In addition, in the case of an electric motor, when the electromagnetic vibration is increased, the change in the vibration amount exceeds the predetermined vibration standard, so that it can be seen that the equipment is more unstable. However, such an increase in the vibration amount may cause electric failure or mechanical failure of the electric motor Can not be predicted. That is, although the variation of the vibration amount can well reflect the change of the machine state, it is very difficult to predict the failure based on this.
따라서, 이러한 종래 설비고장 예측방법의 불합리한 점을 극복하고 단순한 결함예측이 아니라 복합적인 설비고장 원인에 따른 신뢰성을 높일 수 있는 고장예측 방법에 대한 요구가 높아지고 있는 실정이다.
Accordingly, there is an increasing demand for a failure prediction method that can overcome the unreasonable point of the conventional equipment failure prediction method and enhance reliability according to the cause of complex equipment failure rather than simple defect prediction.
본 발명의 목적은 설비의 상태 변화가 단순한 진동에 따른 열화에 의한 것인지, 혹은 설치불량에 의한 것인지, 운전 과정에서 부하의 변동에 의한 것인지를 분석하여 설비상태 변화에 대한 근본적인 원인을 규명함으로써 단순한 결함검출보다는 현재의 상태변화가 기계에서 어떠한 고장을 유발할 것인지 즉, 복합적인 원인에 따른 고장의 유형을 예측하는데 있다.
It is an object of the present invention to provide a simple defect detection system by analyzing whether a state change of a facility is caused by a deterioration due to a simple vibration or a failure in installation or a variation in load during operation, The purpose of this paper is to predict the types of failures that are caused by multiple causes.
상기와 같은 목적을 달성하기 위한 본 발명의 일측면에 따르면, 설비 구성요소 중 고장판단을 예측하기 위한 회전기계요소를 정의하는 단계, 상기 각 회전기계요소의 고장유형 및 고장발생조건을 정의하는 단계, 상기 각 회전기계요소의 고장발생조건을 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건으로 분류 및 코드화하는 단계, 상기 각 회전기계요소의 고장유형과 상기 4가지의 고장발생조건들과의 코드값을 관련시켜 데이터베이스에 저장하는 단계, 사용자로부터 고장예측을 위한 회전기계요소의 고장발생조건에 대한 상태정보를 입력받는 단계, 상기 입력된 고장발생조건의 코드값 조합에 대응되는 고장유형을 판단하는 단계를 포함하여 제공된다.According to an aspect of the present invention, there is provided a method for diagnosing faults in a facility, the method comprising: defining a rotating machine element for predicting a failure of equipment components; defining a failure type and a failure occurrence condition of each rotating machine element; Classifying and encoding failure occurrence conditions of the rotary machine elements into fabrication and installation conditions, load conditions, lubrication conditions, environment, and operation conditions, a failure type of each rotary machine element and the four failure occurrence conditions Storing the code value in the database in association with the code value, receiving state information on the fault occurrence condition of the rotating machine element for predicting the fault from the user, determining a fault type corresponding to the code value combination of the inputted fault occurrence condition And a step of judging whether or not there is an error.
아울러, 고장예측 대상 회전기계요소와 상기 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건 간의 관련성에 따라 각 고장발생조건을 그룹화하고, 상기 4가지의 고장발생조건 상태정보를 각 단계별로 입력시, 데이터베이스를 통해 최초 입력된 고장발생조건 상태정보와 그룹화된 고장발생조건 상태정보만 추출되며, 다음 단계에서는 이전 단계까지 입력된 상태정보와 그룹화된 고장발생조건 상태정보만이 추출된다.In addition, the respective failure occurrence conditions are grouped according to the relation between the rotational machine element to be predicted and the manufacturing and installation conditions, the load conditions, the lubrication conditions, the environment, and the operation conditions, and the four failure occurrence condition status information At the time of input, only the fault occurrence condition status information and the grouped fault occurrence condition status information inputted first through the database are extracted. In the next step, only the state information inputted up to the previous step and the grouped fault occurrence condition status information are extracted.
아울러, 사용자로부터 고장예측을 위한 회전기계요소의 고장발생조건에 대한 상태정보를을 입력받는 단계는 설비의 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건 순으로 상태정보를 입력받게 된다.
In addition, the step of receiving the state information on the failure occurrence condition of the rotary machine element for predicting the failure from the user receives the state information in the order of the equipment manufacturing and installation conditions, the load condition, the lubrication condition, the environment, and the operation condition .
상기와 같은 본 발명에 따르면, 설비의 상태 변화와 함께 설비의 설치조건, 운전 중 하중조건의 변화, 윤활 및 운전조건의 변화 등을 모두 고려하고 이를 조합하여 단순한 결함검출을 넘어서 설비에서 발생 가능한 복합적인 고장원인을 보다 명확하게 예측할 수 있는 효과가 있다.
In accordance with the present invention as described above, it is possible to provide a hybrid system capable of taking into consideration all of the installation conditions of a facility, changes in load conditions during operation, changes in lubrication and operating conditions, It is possible to more clearly predict the cause of the failure.
도 1은 본 발명에 따른 설비고장 예측방법이 수행되는 과정을 나타낸 순서도이다.
도 2는 본 발명에 따른 고장발생조건과 고장유형과의 관계를 설명하기 위한 도면이다.
도 3에서 구름 베어링의 스폴링 발생 메커니즘을 나타낸 도면이다.
도 4는 고장발생조건별 조합에 따른 고장예측방법 순서도이다.
도 5는 고장발생조건별 조합에 따른 구름 베이링의 고장예측 순서 예시를 나타낸 도면이다.FIG. 1 is a flowchart illustrating a process for predicting equipment failure according to the present invention.
2 is a diagram for explaining a relationship between a failure occurrence condition and a failure type according to the present invention.
Fig. 3 is a view showing a mechanism of generating the rolling of the rolling bearing.
FIG. 4 is a flowchart of a failure prediction method according to combinations of failure occurrence conditions.
5 is a diagram showing an example of a failure prediction sequence of a cloud bearing according to a combination of failure occurrence conditions.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예를 상세하게 설명하기로 한다.
Hereinafter, a preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명에 따른 설비고장 예측방법이 수행되는 과정을 나타낸 순서도이고, 도 2는 본 발명에 따른 고장발생조건과 고장유형과의 관계를 설명하기 위한 도면이다.FIG. 1 is a flowchart illustrating a process of performing a method of predicting equipment failure according to the present invention. FIG. 2 is a diagram for explaining a relationship between a failure occurrence condition and a failure type according to the present invention.
도면을 참조하면, 설비 구성요소의 상태변화를 통해 고장을 예측하는 설비고장 예측시스템에 의해 수행되는 설비고장 예측방법에 있어서, 본 발명의 설비고장 예측방법은 설비를 구성하는 기계요소중 고장판단을 위한 주요 회전기계요소를 먼저 정의하게 된다.(S110)Referring to the drawings, in a method for predicting a plant failure, which is performed by a plant failure prediction system for predicting a failure through a state change of a plant component, the method for predicting a plant failure according to the present invention comprises: (S110). ≪ tb > < TABLE >
본 발명에서는 산업현장에서 널리 사용되고 있으며, 고장빈도가 높은 기계요소인 베어링, 실, 커플링, 전동기, 펌프, 휀 등을 고장판단을 위한 주요기계요소로 정의한다.In the present invention, bearings, threads, couplings, electric motors, pumps, fans, etc., which are widely used in industrial fields and have high frequency of occurrence, are defined as main mechanical elements for failure determination.
그리고 고장판단을 위해 정의된 각 회전기계요소의 고장유형 및 고장발생조건을 정의하고(S120), 여기서 고장발생조건을 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건의 4가지로 분류하여 코드화하게 된다.(S130)Then, the fault type and the fault occurrence condition of each defined rotation machine element are defined (S120), and the fault occurrence condition is classified into four types of manufacturing and installation conditions, load condition, lubrication condition, environment and operation condition (S130)
그런 다음, 상기와 같이 정의된 각 회전기계요소의 고장유형과 4가지로 분류된 고장발생조건들과의 코드값을 관련시켜 데이터베이스에 저장하고,(S140) 사용자로부터 고장예측을 위해 선택된 회전기계요소의 고장발생조건에 대한 상태정보를 입력받고,(S150) 입력된 고장발생조건의 코드값 조합에 대응되는 고장유형 또는 고장정도를 판단하는 단계를 포함하게 된다.(S160)
Then, the fault type of each rotary machine element defined as described above is correlated with the code value of the fault occurrence conditions classified into four, and stored in the database. In step S140, the rotary machine element (S150), and determining the type of failure or the degree of failure corresponding to the code value combination of the inputted failure occurrence condition (S160).
상기에서 각 회전기계요소에서 4가지의 고장발생조건은 설비의 제작 및 설치에 관련된 조건, 설비 운용중 변화되는 하중조건, 베어링의 결함에 직접적인 영향을 미치는 윤활조건, 장시간 또는 과속에 의한 영향을 미치는 환경 및 운전조건으로 분류하고 있으며, 이러한 4가지의 고장발생조건은 다시 세분화하여 고장발생조건을 유발할 수 있는 구체적인 조건들을 제시한다.In the above, the four failure occurrence conditions in each rotary machine element include the conditions related to the manufacture and installation of the equipment, the changing load conditions during the operation of the equipment, the lubricating conditions that directly affect the defects of the bearings, Environment, and operating conditions. These four fault conditions are refined to provide specific conditions that can cause fault conditions.
이들 세부조건에는 설비의 상태를 파악할 수 있는 상태 파라미터와 함께 설비의 성능 변화에 의해 발생될 수 있는 성능 파라미터가 모두 포함되어 있어, 상태 변화에 의한 결함검출이나 성능변화에 따른 결함검출을 동시에 수행할 수 있어, 고장유형의 예측을 보다 명확하고 구체적으로 제시할 수 있으며, 고장예측의 신뢰성을 높이게 된다.These detailed conditions include all of the performance parameters that can be generated by the performance change of the facility together with the status parameters that can grasp the state of the equipment, so that the defect detection due to the state change or the defect detection due to the performance change The prediction of the failure type can be more clearly and concretely presented, and the reliability of the failure prediction can be improved.
이는 도 3에서 구름 베어링의 스폴링 발생 메커니즘을 통해 보는 바와 같이, 고장발생 원인이 어느 한 가지의 원인이 아니라, 구름 베어링 자체의 성능이나 상태변화에 따라 다양한 원인에 의해 고장이 발생되므로, 상기와 같이 본 발명에서는 고장발생조건을 세분화하도록 하여 보다 정확한 예측이 이루어지도록 한다.
This is because, as shown in FIG. 3, as a result of the spalling mechanism of the rolling bearing, the cause of the failure is not one of causes, but a failure occurs due to various causes depending on the performance or state change of the rolling bearing itself. Likewise, according to the present invention, the fault occurrence condition is subdivided so that more accurate prediction can be achieved.
아래의 도표는 고장판단을 위한 회전기계요소를 정의한 다음, 각 기계요소의 고장유형 및 고장발생조건을 정의(S120)한 도표로서 구름베어링과 기어를 예시하고 있다.
The chart below defines the rotating machine elements for fault diagnosis and then defines the failure type and the fault occurrence condition of each mechanical element (S120), which illustrate the rolling bearings and gears.
<구름베어링에서 고장유형과 고장발생조건 예시><Example of failure type and failure occurrence condition in rolling bearings>
<기어에서 고장유형과 고장발생조건 예시><Fault type and fault occurrence condition example in gear>
상기와 같이 기계요소의 고장유형 및 고장발생조건을 정의한 다음(S120), 기계요소의 고장발생 4가지 조건마다 상태정보를 규정하여 코드화한다.(S130)After defining the failure type and the failure occurrence condition of the mechanical element as described above (S120), the state information is defined and coded for each of the four conditions that cause the failure of the mechanical element (S130)
이는 아래에서 예시로 제시한 도표에서와 같이 각 기계요소의 고장발생조건에 따른 상태정보를 순번으로 코드화하게 된다.
As shown in the following table, the state information of each machine element is coded in order according to the failure occurrence condition.
<구름 베어링의 고장발생조건 코드화 예시 도표>≪ Example of error occurrence condition coding of rolling bearings &
<기어의 고장발생조건 코드화 예시 도표>≪ Example of coding condition of fault occurrence condition of gear >
<펌프의 고장발생조건 코드화 예시 도표>≪ Example of coding condition of fault occurrence condition of pump &
<왕복동 압축기의 고장발생조건 코드화 예시 도표>≪ Example of Condition Coding of Fault Occurrence Condition of Reciprocating Compressor &
상기와 같이 각 고장발생조건별로 상태정보를 코드화한 다음,(S130) 각 기계요소의 고장유형과 상기 4가지의 고장발생조건들과의 코드값을 관련시켜 데이터베이스에 저장하게 되는데, 이는 아래의 표에서와 같이 각 고장발생조건 코드값의 조합에 따른 고장유형이 정의되어 데이터베이스에 저장된다.(S140)
As described above, the state information is coded for each fault occurrence condition (S130), and the fault type of each mechanical element is correlated with the code value of the four fault occurrence conditions and stored in the database. The fault type according to the combination of the respective fault occurrence condition code values is defined and stored in the database as in S140.
<구름 베어링의 고장유형과 고장발생조건의 코드값 조합><Combination of fault type of rolling bearing and code value of fault occurrence condition>
<기어의 고장유형과 고장발생조건의 코드값 조합><Combination of fault type of gear and code value of fault occurrence condition>
<펌프의 고장유형과 고장발생조건의 코드값 조합><Combination of fault type of pump and code value of fault occurrence condition>
<왕복동 압축기의 고장유형과 고장발생조건의 코드값 조합>≪ Combination of fault type of reciprocating compressor and code value of fault occurrence condition >
상기와 같이 데이터베이스에 저장된 코드값 조합을 통해 사용자로부터 고장발생조건 상태정보 입력에 따른 고장유형 및 고장정도를 판단하도록 한다.(S160)The fault type and the degree of failure according to the input of the fault occurrence condition state information are determined from the user through the code value combination stored in the database as described above (S160)
여기서, 고장발생조건은 관련성 있는 고장발생조건이 그룹화되어, 첫 번째 고장발생조건에서 해당 상태정보를 입력하게 되면, 다음 단계의 고장발생조건에서는 전 단계에서 선택된 조건과 연관된 내용만이 표시되고, 그 다음 단계에서는 이전 단계에서 선택된 모든 조건의 조합과 연관된 조건이 표시된다.
In this case, when the relevant fault information is input in the first fault occurrence condition, only the contents related to the condition selected in the previous step are displayed in the fault occurrence condition of the next step, In the next step, the conditions associated with the combination of all the conditions selected in the previous step are displayed.
아래에서는 이와 같이 사용자로부터 입력되는 고장발생조건에 따른 고장예측 방법에 대해 자세히 설명하도록 한다.
Hereinafter, a failure prediction method according to a failure occurrence condition input from the user will be described in detail.
도 4는 고장발생조건별 조합에 따른 고장예측방법 순서도이다.FIG. 4 is a flowchart of a failure prediction method according to combinations of failure occurrence conditions.
도면을 참조하면, 설비정보 데이터베이스에 각 회전기계요소의 고장유형 및 고장발생조건 조합값이 저장되어 있으며, 먼저 설비결함 예측(S410)을 위해 대상설비를 선정하고,(S420) 선정된 기계요소를 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건 순으로 상태정보를 입력하고(S430~S460) 이의 조합에 따른 고장예측 결과를 저장 및 출력하게 된다.(S470~S480)Referring to FIG. 3, a failure type and a failure occurrence condition combination value of each rotary machine element are stored in a facility information database. First, a target facility is selected for facility defect prediction (S410) The state information is input in the order of manufacturing and installation conditions, load conditions, lubrication conditions, environment, and operation conditions (S430 to S460), and the failure prediction result according to the combination is stored and output (S470 to S480)
여기서 고장발생조건 상태정보 입력은 기계요소의 결함발생 순서에 따라 이루어지며, 이는 설비 운전전에 도면상으로 설계 및 제작 등의 불량을 파악할 수 있는 제작 및 설치조건을 먼저 파악한 다음(S430), 설비 작동간에 소음이나 진동등이 문제시되는 하중조건과(S440), 그 다음으로 일정 운전후 회전기계요소의 마모, 이물질 침투, 점도불량 등에 따른 윤활조건을 파악하고(S450), 마지막으로 운전속도나 가동시간에 따른 환경 및 운전조건 순으로 입력하도록 한다.(S460)Herein, the fault condition condition information input is performed according to the order of occurrence of the fault of the machine element, and it is first determined in advance (S430) whether the manufacturing and installation conditions that can identify the defects such as design and manufacture (S440). Then, the lubrication condition of the rotary machine element due to abrasion of the rotary machine element, foreign matter penetration, viscosity defect, etc. is determined (S450). Finally, the operation speed and the operating time (S460). ≪ tb > < TABLE >
즉, 대상설비를 선정(A1)하고, 대상설비(A1)의 조건에 맞는 제작 및 설치조건이 추출되며, 대상설비(A1)의 조합과 관련되어 제작 및 설치조건(B1)을 선택하고, 그 다음 하중조건에서는 이전 단계의 조합(A1B1)에 관련된 조건들만 추출되며, 그 다음 윤활조건 선택은 하중조건에서와 같이 이전 단계의 조합(A1B1C1)에 관련된 조건들만 추출되어 최종적으로 고장유형을 예측하게 된다.
That is, the target facility is selected (A1), the production and installation conditions matching the conditions of the target facility (A1) are extracted, and the manufacturing and installation condition (B1) is selected in association with the combination of the target facility In the following load conditions, only the conditions related to the combination (A1B1) of the previous step are extracted, and then, the selection of the lubrication condition only extracts the conditions related to the combination (A1B1C1) of the previous step as in the load condition and finally predicts the failure type .
도 5는 도 4에 따른 예시로서, 고장발생조건별 조합에 따른 구름 베이링의 고장예측 순서를 더욱 자세히 살펴보도록 한다.FIG. 5 is an example according to FIG. 4, and the failure prediction order of the cloud base according to the combination of the failure occurrence conditions will be described in more detail.
먼저, 구름 베어링을 고장예측하기 위해 선택하게 되면, 도 5a에서와 같이 구름 베어링과 관련되어 제작 및 설치조건에서 입력가능한 상태정보가 모두 표시된다. First, if a rolling bearing is selected for predicting a failure, all state information that can be input in the manufacturing and installation conditions related to the rolling bearing as shown in FIG. 5A is displayed.
그리고 도 5b에서와 같이 사용자가 제작 및 설치조건중 3번 조립 및 설치 불량 상태정보를 선택하게 되면, 도 5c에서는 조립 및 설치불량에 관계된 하중조건의 상태정보만 표시되며, 그리고 하중조건에서 5번 과대 진동 상태정보를 선택하게 되면, 도 5d에서는 제작 및 설치조건에서 선택된 3번 상태정보와 하중조건에서 선택된 5번 상태정보의 조합에 따른 윤활조건 상태정보가 표시되고, 이후 윤활조건에서 선택한 2번 상태정보를 이전 전단계의 정보와 조합된 환경 및 운전조건 상태정보가 도 5e에서와 같이 표시된다.5B, when the user selects the third assembly and installation failure status information among the production and installation conditions, only the status information of the load condition related to the assembly and installation failure is displayed, and in the load condition, 5D, the lubrication condition state information according to the combination of the state information No. 3 selected in the manufacturing and installation conditions and the state information No. 5 selected in the load condition is displayed. Then, The environment in which the state information is combined with the information of the preceding previous stage and the operation condition information are displayed as shown in FIG. 5E.
그리고 도 5f에서와 같이, 마지막으로 환경 및 운전조건 상태정보가 입력되면 최종적으로 구름 베어링의 고장예측 결과가 표시되며, 이러한 결과를 저장 또는 출력할 수 있게 된다.
Finally, as shown in FIG. 5F, when the environment and the operation condition information are finally input, the prediction result of the failure of the rolling bearing is finally displayed, and the result can be stored or output.
비록 본 발명이 상기 언급된 바람직한 실시예와 관련하여 설명되어졌지만, 발명의 요지와 범위로부터 벗어남이 없이 다양한 수정이나 변형을 하는 것이 가능하다. 따라서 첨부된 특허등록청구의 범위는 본 발명의 요지에서 속하는 이러한 수정이나 변형을 포함할 것이다.
Although the present invention has been described in connection with the above-mentioned preferred embodiments, it is possible to make various modifications and variations without departing from the spirit and scope of the invention. Accordingly, the scope of the appended claims should include all such modifications and changes as fall within the scope of the present invention.
Claims (3)
상기 설비 구성요소 중 고장판단을 예측하기 위한 회전기계요소를 정의하는 단계;
상기 각 회전기계요소의 고장유형 및 고장발생조건을 정의하는 단계;
상기 각 회전기계요소의 고장발생조건을 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건으로 분류 및 코드화하는 단계;
상기 각 회전기계요소의 고장유형과 상기 4가지의 고장발생조건들과의 코드값을 관련시켜 데이터베이스에 저장하는 단계;
사용자로부터 고장예측을 위한 회전기계요소의 고장발생조건에 대한 상태정보를 입력받는 단계;
상기 입력된 고장발생조건의 코드값 조합에 대응되는 고장유형을 판단하는 단계를 포함하되;
고장예측 대상 회전기계요소와 상기 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건 간의 관련성에 따라 각 고장발생조건을 그룹화하고,
상기 4가지의 고장발생조건 상태정보를 각 단계별로 입력시, 데이터베이스를 통해 최초 입력된 고장발생조건 상태정보와 그룹화된 고장발생조건 상태정보만 추출되며, 다음 단계에서는 이전 단계까지 입력된 상태정보와 그룹화된 고장발생조건 상태정보만이 추출되는 것을 특징으로 하는 설비고장 예측방법.
A method for predicting a plant failure by a plant failure prediction system for predicting a failure through a change in state of a plant component,
Defining a rotating machine element for predicting a failure determination among the facility components;
Defining a fault type and a fault occurrence condition of each rotary machine element;
Classifying and encoding failure occurrence conditions of the rotary machine elements into manufacturing and installation conditions, load conditions, lubrication conditions, environment, and operation conditions;
Storing the fault type of each rotary machine element and the code value of the four fault occurrence conditions in a database in association with each other;
Receiving status information on a failure occurrence condition of a rotating machine element for predicting a failure from a user;
Determining a fault type corresponding to the code value combination of the input fault occurrence condition;
Each failure occurrence condition is grouped according to the relationship between the rotational machine element to be predicted and the manufacturing and installation conditions, load conditions, lubrication conditions, environment, and operation conditions,
Upon inputting the above four fault occurrence condition status information for each step, only the fault occurrence condition status information and the grouped fault occurrence condition status information inputted first through the database are extracted. In the next step, Wherein only the grouped failure occurrence condition condition information is extracted.
사용자로부터 고장예측을 위한 회전기계요소의 고장발생조건에 대한 상태정보를 입력받는 단계는 설비의 제작 및 설치조건, 하중조건, 윤활조건, 환경 및 운전조건 순으로 상태정보를 입력받는 것을 특징으로 하는 설비고장 예측방법.
The method according to claim 1,
The step of receiving the state information on the failure occurrence condition of the rotary machine element for predicting the failure from the user is characterized by receiving the state information in the order of the manufacturing and installation conditions of the facility, the load condition, the lubrication condition, the environment, Method for predicting equipment failure.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20130142269A KR101499728B1 (en) | 2013-11-21 | 2013-11-21 | Fault prediction method for plant |
| PCT/KR2014/010732 WO2015076519A1 (en) | 2013-11-21 | 2014-11-10 | Method for predicting failure in equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20130142269A KR101499728B1 (en) | 2013-11-21 | 2013-11-21 | Fault prediction method for plant |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101499728B1 true KR101499728B1 (en) | 2015-03-18 |
Family
ID=53026618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR20130142269A KR101499728B1 (en) | 2013-11-21 | 2013-11-21 | Fault prediction method for plant |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101499728B1 (en) |
| WO (1) | WO2015076519A1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017179841A1 (en) * | 2016-04-14 | 2017-10-19 | 강경달 | Mechanical equipment maintenance management system |
| KR102464762B1 (en) | 2022-02-17 | 2022-11-09 | 주식회사 디엠테크컨설팅 | Predictive maintenance method for equipment failure using artificial intelligence based on experiential shared knowledge |
| KR102498461B1 (en) | 2022-04-25 | 2023-02-13 | 주식회사 디엠테크컨설팅 | Integrated management method using single sign-on manufacturing information integrated management system |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101065767B1 (en) | 2010-04-22 | 2011-09-19 | 주식회사 지오네트 | Online early fault detection and diagnostic method for plant operation |
| KR20110118023A (en) * | 2010-04-22 | 2011-10-28 | 주식회사 지오네트 | Producing method of diagnostic algorithm model for online early fault detection |
| JP2013007388A (en) * | 2007-05-10 | 2013-01-10 | Ebara Corp | Remote monitoring system and failure diagnostic method for micro-turbine cogeneration system |
| KR20130045589A (en) * | 2011-10-26 | 2013-05-06 | (주)씨엠코리아 | Diagnostic system using vibration sensor |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4873985B2 (en) * | 2006-04-24 | 2012-02-08 | 三菱電機株式会社 | Failure diagnosis device for equipment |
| KR20110075332A (en) * | 2009-12-28 | 2011-07-06 | 재단법인 포항산업과학연구원 | Fault prediction method for plant |
-
2013
- 2013-11-21 KR KR20130142269A patent/KR101499728B1/en active IP Right Grant
-
2014
- 2014-11-10 WO PCT/KR2014/010732 patent/WO2015076519A1/en active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013007388A (en) * | 2007-05-10 | 2013-01-10 | Ebara Corp | Remote monitoring system and failure diagnostic method for micro-turbine cogeneration system |
| KR101065767B1 (en) | 2010-04-22 | 2011-09-19 | 주식회사 지오네트 | Online early fault detection and diagnostic method for plant operation |
| KR20110118023A (en) * | 2010-04-22 | 2011-10-28 | 주식회사 지오네트 | Producing method of diagnostic algorithm model for online early fault detection |
| KR20130045589A (en) * | 2011-10-26 | 2013-05-06 | (주)씨엠코리아 | Diagnostic system using vibration sensor |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017179841A1 (en) * | 2016-04-14 | 2017-10-19 | 강경달 | Mechanical equipment maintenance management system |
| KR20170117814A (en) | 2016-04-14 | 2017-10-24 | 강경달 | Maintenance system of facility |
| KR102464762B1 (en) | 2022-02-17 | 2022-11-09 | 주식회사 디엠테크컨설팅 | Predictive maintenance method for equipment failure using artificial intelligence based on experiential shared knowledge |
| KR102498461B1 (en) | 2022-04-25 | 2023-02-13 | 주식회사 디엠테크컨설팅 | Integrated management method using single sign-on manufacturing information integrated management system |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2015076519A1 (en) | 2015-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Monitoring wind turbine gearboxes | |
| US8958995B2 (en) | System and method for monitoring rotating and reciprocating machinery | |
| KR101499728B1 (en) | Fault prediction method for plant | |
| Byington et al. | Data fusion for developing predictive diagnostics for electromechanical systems | |
| US10430038B2 (en) | Automated data overlay in industrial monitoring systems | |
| Stack et al. | Effects of machine speed on the development and detection of rolling element bearing faults | |
| YAn et al. | Health index extracting methodology for degradation modelling and prognosis of mechanical transmissions | |
| CN116448404A (en) | Abnormality monitoring method, abnormality monitoring device, electronic device, and computer-readable storage medium | |
| Baglee et al. | A proposed maintenance strategy for a wind turbine gearbox using condition monitoring techniques | |
| Kovalchuk et al. | Ensuring the reliable operation of the pumping units by efficient state diagnosis | |
| KR102150425B1 (en) | Monitoring apparatus for rotary machine and monitoring method for rotary machine | |
| Bewoor et al. | Interoperability of international standards, condition monitoring methods and research models for bearing fault: an integrated approach | |
| Jeevanand et al. | State of art on condition monitoring of induction motors | |
| Kovalev et al. | Regarding One Estimation of the Technical Condition of the Selective Headers | |
| CN106415420B (en) | Method and system for the functional monitoring of lubricated machine elements | |
| WO2020144725A1 (en) | Diagnostic system and refrigeration cycle device | |
| Mironov et al. | Adaptive technology application for vibration-based diagnostics of roller bearings on industrial plants | |
| Kareem et al. | A condition based model for maintenance planning on critical equipment in the petrochemical industry | |
| Prill et al. | Improving Maintenance Processes with Data Science: How Machine Learning Opens Up New Possibilities | |
| Shehzad et al. | IoT & ML-based parameter monitoring of 3-φ induction motors for industrial application | |
| CN115936679B (en) | Predictive maintenance decision digitizing method and device for complex system | |
| CN113406308A (en) | Equipment state analysis method and system based on lubricating oil information and storage medium | |
| KR20210021645A (en) | Equipment abnormality prediction system and method thereof for vacuum pump | |
| CN115371205A (en) | Method and device for detecting abnormality of circulation of air conditioning system, electronic device, and medium | |
| CN116593198A (en) | Method, apparatus and medium for diagnosing non-condensable gas faults |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20180108 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20181226 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20200106 Year of fee payment: 6 |