KR102154163B1 - 기계 구성요소들에 대한 검사들의 스케줄링 및 수명 종료의 예측 - Google Patents
기계 구성요소들에 대한 검사들의 스케줄링 및 수명 종료의 예측 Download PDFInfo
- Publication number
- KR102154163B1 KR102154163B1 KR1020177037523A KR20177037523A KR102154163B1 KR 102154163 B1 KR102154163 B1 KR 102154163B1 KR 1020177037523 A KR1020177037523 A KR 1020177037523A KR 20177037523 A KR20177037523 A KR 20177037523A KR 102154163 B1 KR102154163 B1 KR 102154163B1
- Authority
- KR
- South Korea
- Prior art keywords
- component
- operating
- cycles
- failure
- pof
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims description 27
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 31
- 239000000463 material Substances 0.000 claims description 30
- 230000007547 defect Effects 0.000 claims description 27
- 230000012010 growth Effects 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 claims description 2
- 230000001351 cycling effect Effects 0.000 claims 1
- 239000007789 gas Substances 0.000 description 71
- 238000013459 approach Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 12
- 230000035882 stress Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 8
- 238000002485 combustion reaction Methods 0.000 description 7
- 239000000446 fuel Substances 0.000 description 5
- 239000000470 constituent Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008646 thermal stress Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 231100000817 safety factor Toxicity 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 231100000676 disease causative agent Toxicity 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000004222 uncontrolled growth Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
Abstract
응력 하에서 기계 구성요소를 동작시키기 위한 방법이 제공된다. 방법은, N 회의 사이클들의 함수로써, 구성요소의 고장 확률 PoF(N)을 결정하는 단계, 구성요소에 대한 시간-기반의 용인가능한 위험 제한치를 선택하는 단계 및 구성요소에 대한 동작 프로파일을 선택하는 단계, 동작 프로파일을 사용하여, 시간-기반의 용인가능한 위험 제한치를 사이클-기반의 용인가능한 위험 제한치로 전환하는 단계, 상기 구성요소의 동작 상태를 결정하기 위해, PoF(N) 값들과 사이클-기반의 용인가능한 위험 제한치를 비교하는 단계, PoF(N) 값들과 사이클-기반의 용인가능한 위험 제한치를 비교하는 단계, 및 비교하는 단계의 결과들에 대한 응답으로, 기계 구성요소를 동작시키는 단계를 포함한다.
Description
본 발명은, 구성요소 검사들을 스케줄링(scheduling)하고 구성요소 서비스(service) 수명을 예측할 때 사용하기 위해, 동작 동안 반복 응력(cyclic stress)들을 겪는 기계 구성요소의 피로 균열 수명의 확률론적 분석을 위한 방법 및 시스템(system)에 관한 것이다.
동작 동안, 기계들 및 이 기계들의 구성성분인 구성요소들은 기계 응력과 열 응력 둘 모두를 겪는다. 예컨대, 개별 구성요소들은 압축력 또는 인장력의 적용을 통한 직접적인 기계 응력들을 겪을 수 있다. 기계 또는 구성요소의 온도가 용인가능한 동작 범위를 초과할 때, 또는 기계 또는 구성요소 내에서의 또는 구성요소가 동작하는 환경에서의 온도 편위(excursion)들이 미리 규정된 값들을 초과할 때, 열 응력들이 발생한다. 그러한 응력들은 일정하거나, 또는 시간의 함수로써 변할 수 있다.
예컨대, 가스 터빈(gas turbine)의 구성요소들은, 특히 가스 터빈이 시동되거나, 정지되거나 또는 이 가스 터빈의 동작 매개변수들이 크게 변화될 때, 반복적인 기계 응력 및 열 응력을 겪는다. 증기 터빈들, 전기 발전기들 그리고 다른 회전기 및 비-회전기의 구성요소들이 또한, 그러한 열 응력 및 기계 응력을 겪는다.
기계적 및 열적 둘 모두의 반복 하중은 재료 피로를 야기하며, 이 재료 피로는 많은 경우들에서 기계 또는 구성요소의 서비스 수명을 제한한다. 반복 하중 조건들이 원인인 재료 피로는 또한, 재료 균열들의 개시 및 성장을 유발할 수 있다. 이들 균열들의 성장은 종종, 구성요소에 대한 수명-제한 메커니즘(mechanism)이다. 또한, 내재하는 재료 결함(flaw)들, 이를테면 단조 시의 기존 결함으로부터 또는 다른 균열-개시 메커니즘, 이를테면 저-사이클(low-cycle) 피로로부터, 작은 균열들이 응집될 수 있다.
반복 하중, 예컨대 가스 터빈의 시작 및 정지 또는 이 가스 터빈의 동작 조건의 상당한 변화는 구성요소의 작은 균열들이 점진적으로 성장하게 할 수 있다. 균열이 성장함에 따라, 이 균열은 구성요소의 구조적 무결성에 영향을 끼칠 수 있다. 이 현상은 안정된 균열 성장으로 지칭된다.
그러나, 균열이 소정의 임계 크기에 도달할 때, 이 균열의 성장은 불안정해진다(즉, 제어되지 않는 성장). 불안정한 균열은 신속하게 그리고 상당히 성장하여서, 아마도 구성요소 고장을 야기한다.
불안정한 균열 성장이 시작하는 사이클(cycle)들의 횟수(N)는, 구성요소의 피로 균열 수명으로 불린다. N의 값에 직접적으로 영향을 끼치는 균열 성장률은, 구성요소가 겪는 과도 응력장(transient stress field)을 추정하기 위한 선형 탄성 파괴 역학(LEFM; linear elastic fracture mechanics) 및 유한 요소 분석(FEA; finite element analyses)을 사용하여 추정될 수 있다.
재료 특성들 및 초기 결함 크기와 연관된 불확실성들과 LEFM 및 FEA 분석들의 복잡성들에 기인하여, 균열 성장률 및 이로써 구성요소의 서비스 수명을 추정하는 것은 어렵고 지루한 과정이다. 그러므로, 일부 구성요소들의 설계는 피로 균열 성장을 고려하지 않을 수 있거나, 또는 설계는 피로 균열 성장에 대해 극도로 보수적일 수 있다. 그러한 보수적인 접근법들의 결과로서, 구성요소가 보수적인 피처(feature)들(예컨대, 재료, 치수들, 공차들 등)로 설계될 수 있거나, 이 구성요소의 동작 조건들이 제한될 수 있거나(예컨대, 최소 시작 금속 온도들), 또는 이 구성요소가 조기에 검사되거나, 서비스되거나(serviced), 또는 서비스에서 제거될 수 있는데, 즉, 너무 보수적인 가정들에 기인하여, 우수한 구성요소들이 폐기된다. 이들 조기 서비스 간격들 또는 조기 구성요소 대체들은 시스템 비용을 상당히 늘리는 경향이 있다. 피로 균열 성장의 더 정확한 분석은 구성요소 서비싱(servicing)간의 더 긴 간격, 그리고/또는 구성요소에 대한 더 긴 유용한 서비스 수명을 허용할 것이다.
피로 균열 수명 계산들은, 결정론적 또는 확률론적 접근법을 사용하여 수행될 수 있다.
구성요소, 이를테면 가스 터빈 회전자 디스크(rotor disc)의 파괴 역학(FM; fracture mechanics) 서비스 수명의 통상적인 결정론적 계산들은, 결정론적 접근법에서 다양한 미지수(unknown)들을 보상하기 위한 수단으로서 보수적인 값들을 야기한다. 이 접근법은 최소(또는 적절한 대로 최대) 재료 특성들을 사용하여, 구성요소 서비스 수명을 추정한다. 재료 특성들 및 초기 결함 크기들의 보수적인 추정치들, 뿐만 아니라 최악의 경우 시나리오(scenario)들 및 중요한 안전 계수들이 사용된다. 이어서, 이들 가정들을 사용하여, 구성요소의 피로 균열 수명은 LEFM 또는 그 기법의 알려진 확장들에 의해 보수적으로 추정된다. 일반적으로, 피로 균열 수명은 동작 연수들 또는 구성요소 사이클들(예컨대, 시동들 및 정지들)의 횟수로 측정된다.
가스 터빈 회전자 디스크에 적용될 때, 이들 보수적인 추정치들은 디스크의 불필요한 대체를 유발할 수 있거나, 또는 디스크들의 상당한 과잉-설계를 제안할 수 있다. 이들 시나리오들은 가스 터빈 회전자들의 감소된 서비스 수명 및 증가된 수명 사이클 비용들을 야기한다. 또한, 보수적인 접근법은, 지속적인 구성요소 동작의 위험들을 감소시키기 위해 요구되는 검사들이 아니라, 검사 기법들의 가용성 및 능력들에 기반하여 서비스 검사들을 스케줄링한다(schedule).
예컨대, 가스 터빈은 하나의 설계에 따라, 가스 터빈 회전자를 형성하기 위해 수평으로 단대단(end-to-end) 적층된 약 20 개의 회전자 디스크들(압축기 디스크들 또는 터빈 디스크들로 또한 지칭됨)을 포함한다. 도 2 및 아래의 도 2의 논의를 참조하라.
결정론적 접근법은 예컨대 N = 3000 회의 엔진(engine) 시작들의, 회전자 디스크에 대한 피로 균열 수명을 산출할 수 있다. 결정론적 접근법에 따라, 이 결과는 회전자 디스크 상의 최악의 가능한 위치에서의, 즉, 응력 규모가 최대인 곳에서의 최소 재료 특성들 및 최대 가정 결함 크기에 기반한다.
이 접근법은 소위 안전-수명 설계 철학의 영향을 받으며, 지상-기반의 헤비-듀티(heavy-duty) 가스 및 증기 터빈들에 사용되었다. 결정론적 파괴 역학 계산들은 극도로 보수적인 설계 마진(margin)들에 기반한다. 이 결정론적 파괴 역학 계산들은 제조 및 동작들 측면에서 최악의 경우 시나리오를 가정하며; 즉, 디스크 재료는 가능한 최악일 것이고, 단조중인 디스크 상의 최악의 위치(기계 응력 및 열 응력 측면에서)에 커다란 결함이 존재할 것이며, 그리고 가스 터빈은 극심한 주변 조건들 하에서 항상 시작된다.
예컨대, 도 1에서 예시된 바와 같이, 파괴 역학 계산들은, 참조 부호(5)에 의해 식별되는 높은-응력 위치들에 커다란 단조 결함들이 존재한다고 가정함으로써 회전자 디스크(4)의 서비스 수명을 결정한다.
구성요소 분석을 위해 그러한 결정론적 파괴 역학 계산들을 사용하는 것의 단점은 단일 구성요소 위치 또는 몇 개의 위치들의 사용, 그리고 그러한 위치들에서의 최소/최대 재료 특성들의 가정이다. 잘못된 결론들은 이들 계산들이 원인일 수 있다. 결정론적 접근법에서는, 구성요소 전체에 걸친 재료 특성들 및 결함 크기들의 더 신뢰성 있는 분포가 사용되지 않는다. 이로써, 결정론적 접근법의 안전-계수는 너무 보수적인 설계로 이어질 수 있다.
실제로는, 재료 특성들, 결함 크기, 및 결함 위치들은 회전자 디스크들 중에서 그리고 디스크 내에서 변한다. 최악의 재료 특성들을 갖는 디스크에서 가장 임계의 위치들에 최대 단조 결함들이 존재할 것은 매우 개연성이 낮다.
결정론적 접근법 대신에, 확률론적 접근법은 더 현실성 있는 서비스 수명 값들 및 검사 간격들을 산출할 수 있다. 파괴에 기인하는 디스크 고장 확률을 정량화하기 위해, 확률론적 파괴 역학(PFM; probabilistic fracture mechanics) 분석이 사용된다.
가스 터빈 회전자 디스크들의 확률론적 분석에서는, N 회의 동작 사이클들 후의 고장 확률(probability of failure) PoF(N)을 결정하기 위해, 재료 특성들, 결함 크기 및 위치 분포의 변동들이 사용된다. N = 3000 회의 시작들 후의 가스 터빈 회전자 디스크에 대한 통상적인 고장 확률 값은 다음과 비슷하다:
이 결과는, 약 3000 회의 시작들 후에, 1,000,000 개의 회전자 디스크들 중 1 개가 고장났을 것임을 표시한다.
확률론적 및 결정론적 접근법들의 장점들 및 단점들은 관련된 문헌에서 길게 논의되었다. 접근법들 둘 모두는, 가스 또는 연소 터빈과 그것의 구성성분인 구성요소들, 특히 그것의 회전 터빈 디스크들의 고장 분석들을 수행하기 위해 사용될 수 있다.
본 발명의 교시들은 예컨대 내부 연소 엔진의 하나의 유형인 가스 또는 연소 터빈에 적용될 수 있다. 본 발명의 원리들은 또한, 시동, 동작, 또는 정지 동안 임의의 원인 물질(causative agent)에 기인하는 응력들을 경험하는 임의의 기계, 이를테면 고속으로 회전하는 무거운 질량을 포함하는 기계들, 예컨대 증기 터빈들, 터보-펌프(turbo-pump)들, 및 전기 발전기들에 적용될 수 있다.
가스 터빈은 압축기 내에서 공기 스트림(stream)을 압축 및 가속함으로써 동작한다. 연료는 연료의 점화가 발생하는 연소기 또는 연소 챔버(chamber)의 공기 스트림으로 주입된다. 연료의 점화는 뜨거운 연소 가스 유동을 초래하며, 이 뜨거운 연소 가스 유동은 터빈으로 지향되며, 이 터빈으로 하여금 회전하게 한다. 연소 가스 스트림(작동 가스로 또한 지칭됨)은 이 연소 가스 스트림이 터빈에 들어갈 때 팽창하며, 이 터빈은 터빈 축에 연결된 회전 블레이드(blade)들과 고정 안내 날개들의 열(row)들을 포함한다. 팽창하는 가스 유동이 안내 날개들에 의해 가속되고 회전 블레이드들을 거쳐 지향되어서, 블레이드들 및 그에 따른 터빈 축이 스피닝되게(spin) 한다. 스피닝(spinning) 축은 기계적 토크(torque) 출력을 제공하며, 압축기를 또한 돌린다(turn). 블레이드들 및 날개들을 통과한 후에, 작동 가스 유동은 터빈 배기 케이싱(casing)에 들어간다.
도 2는 일반적으로 압축기(12), 연소 챔버(14) 및 터빈(16)을 포함하는 선행 기술의 가스 또는 연소 터빈(10)을 묘사한다. 압축기(12)는 주변 공기를 안으로 들여 압축한다. 이어서, 압축 공기는 압축 공기가 연료와 혼합되는 연소 챔버(14)의 하나 또는 그 초과의 연소기들(28)에 들어간다. 공기-연료 혼합물이 점화되어 뜨거운 작동 가스가 형성된다. 작동 가스는 터빈(16)으로 지향되며, 이 터빈(16)에서, 작동 가스가 고정 안내 날개들(22)과 회전 블레이드들(18)의 교번하는 열들을 통해 팽창하여, 축 ―도 2에서는 구체적으로 도시되지 않음― 을 돌리는 기계력들이 생성된다. 팽창된 가스는 배기 케이싱(미도시)을 통해 터빈(16)을 떠난다. 회전 블레이드들(18)은 회전자 디스크들(40)에 부착되며, 이 회전자 디스크들(40)은 수평으로 적층되어 터빈 축의 세그먼트(segment)를 형성한다.
본 발명은 아래의 설명에서, 다음을 도시하는 도면들을 고려하여 설명된다:
도 1은 회전자 디스크의 파괴 역학 서비스 수명을 컴퓨팅(computing)할 때 사용하기 위한, 회전자 디스크의 임계 위치들을 예시한다.
도 2는 선행 기술의 가스 터빈의 부분적인 횡단면도이다.
도 3은 기계 구성요소에 대한 통상적인 고장 확률 곡선 대 사이클들의 횟수(N)를 예시한다. 고장 확률은 로그 스케일(log scale)로 도시된다.
도 4는 3 개의 상이한 잠재적인 결함 위치들을 갖는 회전자 디스크를 예시한다.
도 5는 회전자 고장 확률과 회전자에 대한 용인가능한 위험 제한치를 비교하기 위한 그래프(graph)를 예시한다. 고장 확률은 로그 스케일로 도시된다.
도 6은 가스 터빈 회전자에 대한 동작 연수들의 함수로써 용인가능한 위험으로, 가정된 위험을 나눈 것의 정규화된 그래프를 예시한다.
도 7은 가스 터빈 회전자에 대한 동작 사이클들의 함수로써 용인가능한 위험으로, 가정된 위험을 나눈 것의 정규화된 그래프를 예시한다.
도 8은 높은 고장 확률을 갖는 회전자 디스크의 구역들을 도시하는, 회전자 디스크의 부분을 예시한다.
도 9는 다양한 횟수들의 가스 터빈 사이클들 후에 수행되는 검사들과 연관된 위험들, 그리고 규칙적인 검사 및 지연 검사와 연관된 위험의 정규화된 그래프를 예시한다.
도 10은 높은 고장 확률을 갖는 회전자 디스크의 구역들을 도시하는, 도 8에서 묘사된 것과 상이한 회전자 디스크의 부분을 예시한다.
도 1은 회전자 디스크의 파괴 역학 서비스 수명을 컴퓨팅(computing)할 때 사용하기 위한, 회전자 디스크의 임계 위치들을 예시한다.
도 2는 선행 기술의 가스 터빈의 부분적인 횡단면도이다.
도 3은 기계 구성요소에 대한 통상적인 고장 확률 곡선 대 사이클들의 횟수(N)를 예시한다. 고장 확률은 로그 스케일(log scale)로 도시된다.
도 4는 3 개의 상이한 잠재적인 결함 위치들을 갖는 회전자 디스크를 예시한다.
도 5는 회전자 고장 확률과 회전자에 대한 용인가능한 위험 제한치를 비교하기 위한 그래프(graph)를 예시한다. 고장 확률은 로그 스케일로 도시된다.
도 6은 가스 터빈 회전자에 대한 동작 연수들의 함수로써 용인가능한 위험으로, 가정된 위험을 나눈 것의 정규화된 그래프를 예시한다.
도 7은 가스 터빈 회전자에 대한 동작 사이클들의 함수로써 용인가능한 위험으로, 가정된 위험을 나눈 것의 정규화된 그래프를 예시한다.
도 8은 높은 고장 확률을 갖는 회전자 디스크의 구역들을 도시하는, 회전자 디스크의 부분을 예시한다.
도 9는 다양한 횟수들의 가스 터빈 사이클들 후에 수행되는 검사들과 연관된 위험들, 그리고 규칙적인 검사 및 지연 검사와 연관된 위험의 정규화된 그래프를 예시한다.
도 10은 높은 고장 확률을 갖는 회전자 디스크의 구역들을 도시하는, 도 8에서 묘사된 것과 상이한 회전자 디스크의 부분을 예시한다.
고장 확률 값을 결정하기 위한 확률론적 파괴 역학 접근법의 하나의 파생물은 직접 시뮬레이션 확률론적 파괴 역학(DSPFM; direct simulation probabilistic fracture mechanics)으로 지칭되고, 공개된 특허 출원 번호 2014/0107948(대리인 관리 번호 2012P16904)에서 설명되며, 위 특허 출원은 공동 소유되고, 인용에 의해 본원에 통합된다. DSPFM은 기계 구성요소들 또는 전체 기계들을 분석하기 위해 사용될 수 있다.
DSPFM은, 예컨대 구성요소가 가스 터빈 회전자 디스크인 경우, 전체 구성요소에 걸쳐 상이한 위치들에 상이한 크기들의 결함들 및 재료 특성들을 포지셔닝(positioning)하는 수십억 회의 파괴 역학 시뮬레이션들을 수행하기 위해, 고-전력 컴퓨팅(computing) 기법들을 사용하는 직접 시뮬레이션 몬테-카를로(Monte-Carlo) 접근법이다. 당업자들에 의해 알려진 바와 같이, 재료 특성들은 구성요소 상의 상이한 위치들에서 상이할 수 있으며, 따라서 DSPFM 기법은 더 현실성 있는 결과들을 산출해야 한다. DSPFM 시뮬레이션에서는, 주어진 위치에서의 결함 확률에 기반하여, 구성요소에 걸쳐 결함들이 분포된다. 균열 성장 경로(성장의 레이트(rate), 방향, 및 정도)는, 일 실시예에서 선형 탄성 파괴 역학 기법들을 사용하여, 계산된 응력장에 따라(예컨대, 제1 주응력장, 또는 응력 텐서(tensor)의 다른 투영) 결정된다. 균열들의 수동 포지셔닝(positioning) 또는 다른 수동 과정들은 DSPFM 과정에서 수반되지 않는다.
본 발명은 구성요소, 이를테면 회전자 디스크의 파괴 역학 서비스 수명에 관한 결정들을 하기 위한 위험-기반 접근법을 제시한다. 본 발명은 구성요소 서비스 수명 결정들, 그리고 구성요소를 대체, 검사 및 재설계하는 것에 관련된 결정들을 포괄하도록 DSPFM 방법론을 확장한다. 이들 결정들은, 기계 오퍼레이터(operator)에 의해 설정되는 용인가능한 위험 제한치들에 기반하며, DSPFM 기법들로부터 도출되는 (일 실시예에서, 구성요소 또는 기계 사이클들의 함수로써) 고장 확률을 묘사하는 위험 곡선들에 기반한다. 본 발명은 또한, 검사 스케줄링(scheduling), 검사될 구성요소의 구역들, 및 각각의 검사 동안 수행될 시험들의 유형들을 포함하여 구성요소 검사들을 최적화한다.
DSPFM 방법은 입력 변수들, 즉 재료 특성들, 결함 크기들 및 결함 위치들의 독립적인 샘플(sample)들을 사용하는 많은 횟수의 파괴 역학 계산들을 이용하는 몬테 카를로(Monte Carlo) 시뮬레이션들을 실행한다. 재료 특성 분포들은, 어느 정도, 실험적 시험 데이터(data)에 기반할 수 있다. 결함 크기 및 결함 위치 분포들은, 어느 정도, 초음파 시험 결과들의 데이터베이스(database)로부터 도출될 수 있다.
M이 몬테 카를로 샘플 크기(통상적으로, 대략 수백만 내지 수십억 개의 샘플들)이면, 사이클들의 횟수(N) 후의 고장 확률(PoF; probability of failure)은 다음으로부터 획득될 수 있다
PoF(N) = (N 회 전에 고장나는 샘플들의 개수) / M
DSPFM 방법은 회전자의 동작 사이클들의 횟수(N)의 함수로써 디스크(또는 다른 구성요소)의 고장 확률을 제공하는, 본질적으로 누적 분포 함수인 PoF(N) 곡선을 산출한다. 예시적인 PoF(N) 곡선이 도 3에서 예시되며, 여기서 Y 축은 로그 스케일이다.
도 3의 맥락에서, 도 3에서 가로 좌표 값인 사이클들은 시동 및 정지 시퀀스(sequence)를 지칭한다. 즉, 도 3의 목적들을 위한 단일 사이클은, 가스 터빈 엔진의 시동 다음 정지로서 정의된다. 다른 맥락들에서, 사이클이 반드시 기계 시작들의 횟수와 동일한 것은 아닌데, 그 이유는 사이클이 기계 시작들의 횟수보다 훨씬 더 클 수 있기 때문이다. 예컨대, 단일 비행 동안 비행기가 경험하는, 예컨대 비행기가 가속하고, 감속하고, 올라가며 그리고 내려오는 상이한 사이클들의 횟수를 고려하라.
회전자 디스크들(또는 일반적으로, 임의의 다른 구성요소)은 재료 특성들 및 결함 특징들의 불확실성들을 갖는다. 따라서, 합리적으로 정확한 고장 확률 값을 전개시키기 위해 수백만 내지 수십억 회의 DSPFM 시뮬레이션들이 요구된다. 이들 시뮬레이션들에서 파괴 역학 수명을 결정할 때의 관심 매개변수들은 재료 특성들, 파괴 인성, 피로 균열 성장 특징들, 결함 크기, 및 디스크 구역을 포함한다. 상이한 결함 위치들 및 재료 특성들을 표현하는 3 개의 상이한 관심 위치들이, 회전자 디스크(52)(가스 터빈의 M 개의 회전자 디스크들로부터 선택됨)를 예시하는 도 4에서 도트(dot)들(50)에 의해 묘사된다. 특정 가스 터빈 플리트(fleet)에서의 회전자 디스크들의 모집단의 고장 확률(PoF; probability of failure)을 평가하기 위해, M 회의 피로 균열 성장 시뮬레이션들이 PoF 값을 계산하도록 수행된다.
본 발명은, 회전자 디스크 서비스 수명(또는 회전자 디스크의 고장이 일반적으로 회전자의 고장으로 간주되기 때문에, 회전자 서비스 수명)에 관한 결정들을 하기 위해, 그리고 비-파괴 시험(통상적으로, 초음파 시험)을, 그러한 시험들의 타이밍(timing) 및 정도에 대해 최적화하기 위해, 이들 고장 확률 결과들 ―이들 결과들을 구현하는 그래픽적인(graphical) 곡선들을 포함함― 을 사용하기 위한 방법론을 교시한다.
구성요소의 서비스 수명, 그리고 구성요소 검사들의 빈도 및 성질에 관한 이들 결정들을 하기 위해, 기계 오퍼레이터는 이들 결정들이 기반하는 기준들을 설정할 필요가 있다.
결정론적 구성요소 평가의 경우, 기계 오퍼레이터는, 고장나기 전에 회전자 디스크(또는 전체 회전자)가 겪을 동작 사이클들의 횟수의 기대치를 먼저 결정할 필요가 있다. 이 결정은, 디스크를 대체하는 비용(예컨대, 디스크 비용, 인건비, 및 가스 터빈 다운(down) 시간의 비용을 포함함), 가스 터빈 회전자들 및 디스크들에 대한 이력 고장 경험들 등을 고려한다. 터빈 디스크에 대해 결정론적으로-결정되는 동작 사이클들의 횟수가 디스크의 수명에 대한 오퍼레이터의 기대치를 초과하면, 디스크의 사용은 용인가능하다.
확률론적 정보에 기반하는 결정들을 하기 위해, 오퍼레이터는 먼저, 용인가능한 위험 제한치를 결정해야 한다. 위험 제한치는, 주어진 동작 시간 간격 동안 오퍼레이터가 기꺼이 수용하는 (확률론적 용어들로) 고장 위험의 측정(measure)이다. 오퍼레이터는, 공공에 대한 위험 또는 가스 터빈의 경우 전력 플랜트(plant) 고용인들에 대한 위험이 합리적으로 낮으며, 지나친 고려 없이 일반 대중들이 참는 다른 위험들과 비슷하다는 것을 보장하기 위해, 용인가능한 위험 제한치를 선택한다. 용인가능한 위험 제한치는 동작 시간(예컨대, 동작 연수들)의 함수로써 또는 동작 사이클들의 함수로써 표현될 수 있다.
안전 측면에서, 용인가능한 위험 제한치(예컨대, 비행 안전 또는 제조 플랜트에서의 고용인들의 안전에 대한 참을 수 있는 또는 용인가능한 제한치들)는 통상적으로 1년당 단위로 표현된다. 예컨대, 10 회의 비행들/년으로 여행하는 사람에 대한, 비행기 여행 동안 연간 사망 위험은 대략 백만분의 1인 것으로 결정되었다.
가스 터빈 회전자들에 대한 연간 용인가능한 위험 제한치는, 본 출원의 양수인에 의해 발전된 기준들을 사용하여, 그리고 건강 및 안전 행정부(HSE; Health and Safety Executive), 원자력 규제 위원회(NRC; Nuclear Regulatory Commission), 및 국제 표준 기구(ISO; International Standards Organization)와 같은 기구들로부터의 표준들에 기반하여 설정되었다.
가스 터빈 오퍼레이터는, 설정된 용인가능한 위험 제한치를 사용하거나 또는 상이한 위험 제한치를 선택할 수 있다. 예컨대, 오퍼레이터는 1년마다 1/10의, 전체 회전자에 대한 연간 용인가능한 위험 제한치를 사용할 수 있다. 이는 1년에 0.1 또는 날마다 0.1/365만큼 성장하는 PoF를 의미한다. 이어서, 10 년 후에, 용인가능한 PoF는 1에 있다. 가스 터빈 또는 임의의 다른 디바이스(device) 또는 구성요소를 계속해서 동작시키기 위해, 고장 확률은 항상 오퍼레이터에 대한 용인가능한 PoF 미만이어야 한다. 고장 확률이 이 값을 초과하면, 위험이 충분히 감소될 때까지, 오퍼레이터는 서비스로부터 그것을 제거하고, 임계 구성요소들에 대한 시험들을 수행하고, 그것을 응력을 덜 받는 조건들 하에서 동작시키는 것 등을 할 것이다. 더 높은 위험들의 전이 기간들은 정확한 상황들 및 법적 요건들에 따라 용인가능할 수 있다.
오퍼레이터는, 플리트의 각각의 가스 터빈에 대한 위험 제한치 ―여기서, 그 위험 제한치는 각각의 가스 터빈의 고유한 특징들 및 동작 조건들에 기반함―, 또는 전체 가스 터빈 플리트에 대한 단일 위험 제한치를 설정할 수 있다.
추가적으로, 오퍼레이터는 가스 터빈에 대한 하나 초과의 위험 제한치 값을 설정할 수 있다. 예컨대, (동작 사이클들의 함수로써) 고장 확률이 제1 위험 제한치에 도달할 때, 가스 터빈은 검사된다. 고장 확률이 제2 위험 제한치에 도달할 때, 가스 터빈은 서비스로부터 제거된다(즉, 서비스 수명에 도달했다).
총 회전자 고장에 대한 연간 용인가능한 위험 제한치는 pacc로 표기된다. 낮은 고장 확률들의 경우, 이 값은 회전자 개별 구성요소들(예컨대, 디스크들 및 축)의 용인가능한 위험 제한치들의 합계에 의해 근사화될 수 있다. 용인가능한 위험 제한치가 1년 단위로 표현되기 때문에, 유효한 비교를 산출하기 위해, pacc는 (구성요소에 대한 또는 전체 회전자에 대한) 연간 위험 또는 고장 확률과 비교되어야 한다.
선택된 연간 위험 제한치는 전체 회전자의 고장 위험 또는 개별 회전자 디스크(또는 다른 회전자 또는 가스 터빈 구성요소)의 고장 위험으로서 표현될 수 있다. 오퍼레이터는 선정 메트릭(metric of choice)을 선택하며, 동작 사이클들의 함수로써, 수반하는 고장 확률 값들을 컴퓨팅할(compute) 수 있다.
전체 회전자 및 이 회전자의 구성성분인 부품들 전부의 연간 위험 제한치를 조사하는 것에 대한 대안으로서, 오퍼레이터는 가장 임계의 회전자 구성요소들(예컨대, 규칙적인 결정론적 분석에 의해 또는 이전 경험들에 기반하여 결정됨)만을 분석함으로써 DSPFM 컴퓨팅 부담을 감소시킬 수 있다. 예컨대, 회전자 구성요소들의 총 개수(N)와 함께, 개수가 C 개인 소정의 임계 디스크들에 대해, 
이란 값은 C 개의 임계 구성요소들을 포함하는 임계 구성요소들의 클러스터(cluster)에 대한 연간 위험 제한치를 결정한다. 일반적으로, 가장 임계의 구성요소들, 예컨대 회전자 디스크들 및 축에 초점을 맞추는 이 접근법을 이용하여, 분석되지 않았던 구성요소들이 분석되었던 구성요소들보다 더 낮은 고장 위험을 제시한다는 것이 합리적으로 확실하면, 모든 가스 터빈 부품들을 분석할 필요가 없다.
이 접근법은 내재적으로 보수적인데, 그 이유는 이 접근법이 또한, 비-임계 구성요소들 ―심지어 계산되지 않는, 실제로는 위험이 더 낮은 것들임― 이 동일한 고장 위험을 소모한다는 것을 가정하기 때문이다. 추가적인 보수성은, 
에 따라 임계 구성요소마다 허용가능한 위험을 할당함으로써 달성될 수 있다. 추가적인 보수성은, 소정의 C 개의 구성요소들이 C 개의 구성요소들 중 다른 것들보다 고장날 개연성이 더 높기 때문에 생긴다. 즉, 이 접근법은 암시적으로, 낮은 고장 위험 디스크들이 높은 고장 위험 디스크들과 동일한 고장 확률 값을 총 고장 확률 값에 기여한다고 가정한다.
pacc로 지정되는, 선택된 용인가능한 위험 제한치가 통상적으로 1년당 단위로 정의된다는 것에 주목하라. 그것은 일반적으로, 기계 또는 가스 터빈에 대한 시작들 또는 사이클들의 횟수에 기반하여 정의되지 않는다.
그러나, PoF(N)의 확률-결정 값은 통상적으로, N 회의 사이클들 또는 시작들의 함수로써 표현된다. 용인가능한 위험 제한치와 PoF(N) 값을 비교하기 위해, 둘 모두는 동일한 단위들로 표현되어야 한다. 본 발명의 일 실시예에 따라, 1년 단위로 표현되는 용인가능한 위험 제한치 값은 사이클 단위로 표현되는 용인가능한 위험 제한치로 전환된다. 이 전환은, 분석이 사이클 값들에 기반하여 수행될 수 있게 하는데, 그 이유는 용인가능한 위험 제한치와 고장 확률 둘 모두가 사이클들의 횟수(N)의 함수들이기 때문이다.
디스크의 동작 수명과 디스크 검사들의 빈도 및 성질에 관한 유효한 결론들에 도달하기 위해, 용인가능한 위험 제한치 pacc를 "1년당" 단위로부터 "사이클당" 단위로 변환할 필요가 있다. 기계 사이클 프로파일(profile)을 가정함으로써, 1년당 용인가능한 위험의 값이 사이클당 용인가능한 위험으로 변환될 수 있다. 위험은 사이클들의 횟수 내내 누적되어서, 사이클들의 횟수가 증가함에 따라 증가한다.
이 전환은, 구성요소에 대한 동작 프로파일을 가정함으로써 달성될 수 있다. 예컨대, 기계에 대한 동작 프로파일이 1년당 1000 회의 사이클들을 수반하면(이는 모든 사이클들이 동일한 동작 조건들 하에서 발생한다는 단순화 가정을 만듦), 1년에 1/10,000의 고장 위험은 1000 회의 사이클들 동안 1/10,000의 고장 위험, 또는 1년(1000 회의 사이클들)의 동작 동안 0.1의 고장 확률로 전환된다.
전환을 하기 위해, 오퍼레이터는 가스 터빈의 플리트의 모든 가스 터빈들에 대한 포괄적인 동작 프로파일을 사용하거나, 또는 각각의 개별 가스 터빈에 대한 특정하고 고유한 시작 프로파일을 사용할 수 있다.
회전자에 대한(또는 디스크와 같은 개별 회전자 구성요소들에 대한) PoF와 회전자에 대한(또는 디스크와 같은 개별 회전자 구성요소들에 대한) 용인가능한 제한치 둘 모두가 사이클당 단위로 표현되면, 둘 모두는 동일한 그래프 상에서 그려질 수 있다. PoF 곡선은 실제로는, (동작 연수들 대신에) 동작 사이클들에 기반하는 누적 분포 함수이다. (동작 사이클들의 횟수 단위의) 서비스 수명은 또한, 고장 위험이 용인가능한 위험 제한치에 도달하는 지점에서, 수직선과 동일한 그래프 상에서 묘사될 수 있다.
그러한 차트(chart)가 도 5(Y 축 단위들은 대수 값들임)에서 예시되며, 여기서 곡선(150)은 DSPFM 계산들에 기반하는 고장 확률(PoF; probability of failure)을 표시하고, 곡선(154)은 기계 오퍼레이터에 의해 설정된 용인가능한 고장 확률에 기반하는 위험 제한치를 표현한다. 곡선들 둘 모두는 1년당 동작 사이클들의 횟수의 함수들이다. 용인가능한 위험 제한치 및 1년당 가정된 사이클들(그러한 사이클들이 수행되는 조건들을 포함하는 동작 프로파일) 둘 모두는 본질적으로 오퍼레이터 중심(operator driven)인데, 그 이유는 각각의 오퍼레이터가 자체 용인가능한 위험 제한치 곡선, 1년당 사이클들, 및 각각의 사이클과 연관된 조건들을 가질 것이기 때문이다.
도 5를 참조하면, 회전자에 대한 PoF 곡선(150)이 그 회전자에 대한 용인가능한 위험 곡선(154) 아래에 있으면, 회전자는 용인가능한(즉, 낮은) 고장 확률로 안전하게 동작될 수 있다. 그 회전자가 구성요소인 가스 터빈은 실질적인 고장 위험 없이 동작될 수 있는데, 그 이유는 고장 확률이 그 가스 터빈에 대한 용인가능한 위험 제한치 아래에 있기 때문이다.
회전자의 서비스 수명은 곡선들(150 및 154)의 교차점에 의해 결정되며, 도 5에서 수직선(158)에 의해 추가로 표기된다. 위험 제한치 곡선(154)이 본질적으로 오퍼레이터 중심이기 때문에, 곡선들(150 및 154)과 수직선(158)의 위치의 교차점이 또한, 본질적으로 오퍼레이터 중심이다.
분석이 구성요소당 단위로 수행되면(여기서, 구성요소는 예컨대 회전자 디스크임), 각각의 구성요소에 대한 PoF 곡선의 일반적인 형상은 도 5의 PoF 곡선(150)의 형상과 유사할 것이다. 하나의 곡선이 각각의 구성요소(C)에 대한 것인 C 개의 그러한 곡선들이 있을 것인데, 그 이유는 각각의 구성요소가 상이한 동작 조건들을 경험하며, 그에 따라 상이한 고장 확률 및 상이한 고장 확률 곡선을 나타내기 때문이다. (도 5의 곡선(154)처럼) 용인가능한 위험 제한치 곡선은 
란 값으로부터 결정될 것이며, 각각의 구성요소(C)에 대해, 오퍼레이터에 의해 결정되는 바와 동일할 것이다.
다른 실시예에서, 구성요소에 대해, 오퍼레이터는 동작 조건 연간 위험을 용인가능한 위험 제한치로 정규화하는데, 즉 연간 위험을 용인가능한 위험으로 나눌 수 있다. 이 값은 도 6 및 도 7의 Y-축 상에서, 각각의 도면에서 2 개의 상이한 동작 조건들에 대해 표시된다. 도 6은 동작 연수들에 기반하는 플롯(plot)이며, 도 7은 사이클들에 기반하는 플롯이다. 각각의 도면의 수평 파선은, 연간 위험/용인가능한 위험 = 1인 값이다.
위험 마진(margin) 곡선들(170A(동작 조건 1) 및 170B(동작 조건 2))과 화살촉(172)에 의해 표기되는 위험 마진이 도 6에서 예시된다. 구성요소에 대한 서비스 수명의 종료는 동작 조건 1의 경우 시간(174), 그리고 동작 조건 2의 경우 시간(175)에서 표시된다.
사이클 단위로 표현되는 매개변수들에 대해, 도 7은 위험 마진 곡선들(180A(동작 조건 1) 및 180B(동작 조건 2))과 화살촉(182)에 의해 표기되는 위험 마진을 예시한다. 구성요소에 대한 서비스 수명의 종료는 동작 조건 1의 경우 사이클들의 횟수(184), 그리고 동작 조건 2의 경우 사이클들의 횟수(185)에서 표시된다.
특정 동작 조건이 1년당 사이클들의 횟수를 포함하기 때문에, 이들 2 개의 X-축 매개변수들은 본원의 다른 곳에서 설명된 바와 같이 쉽게 변환된다. 도 6 및 도 7 둘 모두에서, 위험 마진은 정규화된 위험 곡선과 Y-축 상의 1의 값(여기서, 연간 위험/용인가능한 위험은 1과 동일함) 사이의 거리에 의해 제공된다. 도 6의 정규화된 위험 곡선들(170A 및 170B)과 도 7의 정규화된 위험 곡선들(180A 및 180B)이 1의 Y-축 값의 수평선과 교차하는 경우, 동작 위험은 용인가능하지 않으며(즉, 연간 위험 및 용인가능한 위험이 동일함), 구성요소는 대체될 필요가 있다. 따라서, 시간들(174 및 175)에, 또는 X-축 값들(184 및 185)에서의 사이클들 후에, 구성요소는 이 구성요소의 서비스 수명의 종료에 도달했다.
본 발명의 잇점들이 없으면, 초음파 시험(또는 임의의 다른 비파괴 시험)이 전체 구성요소에 대해 수행되며, 그러므로 시간 소모적이고 비싸다. 그러나, 이들 시험들은 중요한데, 그 이유는 이들 시험들이 대체를 위한 결점들을 갖는 구성요소들을 식별할 수 있기 때문이다. 본 발명은 이들 검사들이, 특정 구성요소들 및 특정 구성요소 구역들을 표적으로 하며, 필요한 대로 스케줄링될(scheduled) 수 있게 한다.
그러한 검사들 및 시험들은, 구성요소의 대체를 야기하든 또는 아니든, 감소된 고장 확률(PoF; probability of failure) 값을 야기할 수 있다. 검사가, 용인가능하지 않은 결함들을 식별하면, 구성요소는 폐기되며, 다른 구성요소로 대체된다. 시험 결과들이, 구성요소가 대체될 필요가 없다는 것을 표시하면, 오퍼레이터는 기존의 구성요소가 우수하다는 것을 확신할 것이다. 어느 상황에서든, 그 구성요소의 고장 확률은 감소된다.
DSPFM 결과들은, 위험 윤곽 지도들을 계산함으로써 구성요소들(예컨대, 디스크들) 상의 가장 효과적인 초음파 시험 위치들을 식별할 수 있으며, 이 위험 윤곽 지도들은 본질적으로, 높은 고장 확률을 갖는 그러한 구역들을 식별한다. 도 8은 타원들에 의해 둘러싸인 비교적 얇은 압축기 디스크(192)의 임계 구역들(190), 즉 구성요소가 고장나기 쉬운 구역들을 예시한다. 도 8에서 제시된 결과들은 과도 FEA 분석, 및 온도에 따라 변화하고 있는 재료 특성들에 기반하며; 이들이 반드시 DSPFM 계산들에 의해 결정되는, 예시적 디스크 상의 높은 응력 영역들과 상관되는 것은 아니다.
DSPFM 결과들은 또한, 검사가 임계 구역들에 대해서만 수행된 후의 지속적인 동작과 연관된 위험들을 결정하기 위해 사용될 수 있다. DSPFM은 또한, 정전(outage) 지속기간, 정전 날짜, 및 검사의 정도 측면에서 추가로 검사 기법을 최적화하기 위해 사용될 수 있다. 예컨대, 비즈니스(business) 이유로 검사를 미루는 것은 여전히, 가스 터빈 오퍼레이터의 돈을 절약하면서 용인가능한 위험을 야기할 수 있다.
도 9는 검사가 2000 회의 사이클들(곡선(220)), 3000 회의 사이클들(곡선(224)) 및 4000 회의 사이클들(곡선(228))에서 수행될 때 서비스 수명 연장들의 효과들을 도시한다. 도시된 바와 같이, 검사가 약 4000 회의 사이클들에서 수행될 때, 서비스 수명은 적어도 6000 회의 사이클들(때때로, 가스 터빈의 제2 수명으로 지칭됨)로 연장될 수 있는데, 그 이유는 6000 회의 사이클들에서, 용인가능한 위험 제한치를 식별하는 수평선(230), 즉 연간 위험을 용인가능한 위험으로 나눈 것이 1인 곳에 곡선(228)이 도달하지 않았기 때문이다. 이 결과에 대한 설명은 단순히, 균열들이 더 크게 성장했으며, 그러므로 4000 회의 사이클들에서의 검사 동안 더욱 쉽게 검출된다는 것이다. 제2 수명 사이클, 즉 3000 회 내지 6000 회의 사이클들이 또한 더욱 임계적인데, 그 이유는 결함들이 크기가 성장했으며, 그러므로 고장을 유발하는 더 큰 잠재력과 함께 더욱 공격적으로 지금 성장하고 있기 때문이다.
3000 회의 사이클들에서 수행되는 검사의 경우, 연간 위험 대 용인가능한 위험의 비율은 약 6000 회의 사이클들에서 1의 제한 값에 도달한다. 2000 회의 사이클들에서 수행되는 검사의 경우, 이 비율은 약 5000 회의 시작들에서 1을 초과한다.
본 발명은 검사 타이밍의 "미세 조정"을 허용한다. 예컨대, 검사가 약 2000 회의 사이클들에서 수행되면, 검사 결과들에 관계없이, 구성요소의 서비스 수명은 약 5000 회의 사이클들을 초과할 수 없는데, 그 이유는 곡선(220)이 약 5000 회의 사이클들에서 선(230)의 서비스 수명 제한치를 초과하기 때문이다. 그러나, 검사가 약 4000 회의 사이클들까지 지연되면, 서비스 수명은 6000 회의 사이클들을 지나 연장된다.
본 발명의 DSPFM 기법은 또한, 더욱 표적화된 검사를 허용하며, 여기서 DSPFM에 의해 결정되는 임계 구역들만이 검사된다.
대안적으로, 가스 터빈 오퍼레이터는, 계획된 정전의 이전이지만 정전이 가스 터빈의 효율적인 동작에 해롭지 않을 시간에, 기회-검사들을 수행할 수 있다. 검사들을 포함하여 고장 확률 값이 DSPFM 계산들에 의해 시뮬레이팅될(simulated) 수 있기 때문에, 가스 터빈의 효율적인 동작에 대해, 검사되는 영역들 및 기회 검사들을 포함하여 스케줄(schedule) 및 검사 시험들이 최적화될 수 있다. 그러나, 모든 경우들에서, 핵심적인 경계 조건은, 실제 고장 확률이 용인가능한 위험 아래에서 항상 유지되어야 한다는 것이다.
물론, 임의의 검사의 경우, 오퍼레이터는 예컨대 초음파 시험을 사용하여 임계 위치들의 더욱 철저한 검사를 수행하여, 고장 확률을 추가로 감소시킬 수 있다.
도 10은 가스 터빈의 스페이서(spacer) 디스크 또는 미니(mini) 디스크(200)의 위험 윤곽을 예시한다. 디스크(200)는 도 8에서 예시된 디스크(192)와는 상이한 설계를 구현하고, 상이한 목적을 가지며, 상이한 가스 터빈 모델(model)의 구성요소이다. 특정하게, 디스크(200)는 디스크(192)보다 '더 짧고', 터빈 블레이드(blade)를 갖지 않으며, 상이한 위치들에(즉, 보어(bore) 영역 가까이) 응력들을 축적한다.
명확하게, 디스크의 수명을 연장하기 위한, 예컨대 회전자 디스크에 대한 통상적인 3000 회의 수명 사이클들을 지나 수명을 연장하기 위한 검사 동안, 가까운 표면의 결점들에 초점을 맞추는, 보어 가까운 구역들만의 검사가 필요로 된다. 또한, 수명 시간 연장이 수행되는 사이클들의 횟수는, 계산되는 위험이 가스 터빈당 1년당 용인가능한 위험 제한치 아래에 여전히 있는지 여부에 영향을 끼친다.
계산된 위험들에 기반하여 검사들 및 서비스 수명 결정들을 수행 및 최적화하는 본 발명의 교시들이 가스 터빈, 그리고 때로는 특히 가스 터빈의 회전자 디스크들을 참조하여 설명되었지만, 교시들은 특정 기계 또는 특정 기계의 특정 구성요소들로 제한되지 않는다. (동작 시간 또는 동작 사이클들에 기반하여) 고장 확률 및 용인가능한 위험 제한치를 결정하기 위한 분석들의 대상이 되는 임의의 기계 및 이 임의의 기계의 구성성분인 구성요소들 중 임의의 구성요소는 본원에서 설명된 바와 같이 회전자 디스크들로서 분석될 수 있다. 그러한 분석은 기계 오퍼레이터가, 구성요소가 대체되거나 또는 검사되어야 할 때(그리고 각각의 검사의 성질)를 결정할 수 있게 하는데, 그 이유는 대체를 위한 또는 검사를 위한 용인가능한 위험 마진에 도달했기 때문이다.
특히, 본원에서 설명된 실시예들은 가스 터빈 및 이 가스 터빈의 회전자 디스크들에 대해서 뿐만 아니라, 증기 터빈 회전자들, 블레이드들, 날개들, 풍력-터빈(wind-turbine) 구성요소들, 전기 발전기들 등과 같은 터보-기계류(turbo-machinery)의 다른 구성요소들에도 적용될 수 있다.
다른 애플리케이션(application)들은 예컨대 집적 회로들의 제조 시 이를테면 CPU들(중앙 프로세싱 유닛(central processing unit)들) 및 GPU들(그래픽 프로세싱 유닛(graphical processing unit)들)을 포함할 수 있다. 검사에 관련된 위험-기반의 수명 및 품질 제어의 개념들은 유익할 수 있는데, 그 이유는 이들 집적 회로들의 생산 출력들이 실질적이기 때문이다.
전술된 애플리케이션들 각각에 대해, 기계 오퍼레이터는 용인가능한 위험 제한치를 결정해야 하며, 여기서 그 제한치는 고장의 결과들에 따라 실질적으로 좌우된다. 예컨대, 고장의 결과들이 극심할 수 있기 때문에, 즉 고장이 참사들을 유발할 수 있기 때문에, 1년당 회전자 또는 가스 터빈 고장에 대한 용인가능한 위험 제한치는 매우 낮아야 한다. 다른 구성요소들, 이를테면 블레이드들 및 날개들의 경우, 위험 제한치는 결과들의 심각성, 고장난 구성요소의 대체 비용, 및 가스 터빈의 손실에 기인하는 생산성 또는 이익의 손실과 같은 다양한 인자들에 기반할 수 있다. 블레이드들 및 날개들의 경우, 용인가능한 위험 제한치는 비즈니스 결정들에 의해 더욱 주도될 수 있는데, 그 이유는 블레이드 또는 밴(van) 고장의 경우 강제 정전(forced outage)의 가능성이 있기 때문이다.
본원에서 설명된 실시예들 중 많은 실시예들에서, 고장 확률 및 용인가능한 위험 제한치의 분석들은 사이클 단위로 수행된다. 즉, 이들 매개변수들 둘 모두는 사이클당 단위로 표현된다. 소정의 실시예들에서, 용인가능한 위험 제한치는 1년 단위로 표현되며, 사이클당 단위로 표현되는 고장 확률 값과 비교하기 위해, 사이클당 단위로 전환된다.
다른 실시예에서, 분석은 1년 단위로 수행된다. 1년 단위로 비교를 수행하기 위해, 가스 터빈 또는 회전자 디스크에 대한 연간 동작 프로파일을 (예컨대, 가스 터빈의 실제 동작 프로파일에 기반하여) 결정함으로써, 고장 확률 값은 사이클당 단위로부터 1년 단위로 전환된다. 연간 동작 프로파일은 통상적인 횟수의 사이클들을 포함한다. 예컨대, 10,000 회의 사이클들 후의 고장 확률이 0.00001이고, 10,000 회의 사이클들이 1년의 동작을 구성한다고 가정하라. 이어서, 1년 후의 고장 확률은 0.00001이다.
따라서, 고장 확률 및 용인가능한 위험 제한치는 사이클당 단위로 또는 1년(또는 다른 시간 간격) 단위로 표현될 수 있다. 이들 매개변수들 둘 모두가, 동일한 변수를 사용하여 표현될 때, 이들 매개변수들은 유효하게 비교될 수 있다.
일 실시예에서, N 회의 사이클들의 함수로써의 고장 확률은, 기계 구성요소의 재료 특성 산포 데이터(scatter data) 및 결함-크기 산포 데이터로부터 이 구성요소의 복수의 대표값들을 정의함으로써 결정되며, 각각의 대표값은 하나의 가능한 재료 조건 및 결함-크기 조건에 의해 정의된다. 이어서, 각각의 개별 대표값에 대해, 구성요소 위치를 선택하며, 그리고 선택된 위치에서의 균열 성장에 기인하여, 주어진 횟수의 사이클들(N) 후에 개별 대표값이 실패인지 여부를 결정하며, 균열 성장은 선택된 위치에서의 재료 조건 및 결함-크기 조건에 기반하여 결정되며, 균열 성장이 불안정한 것으로 결정되면, 개별 대표값의 실패가 결정된다. 고장 확률(probability of failure) PoF(N)는 다음의 수학식으로부터 결정된다:
여기서,
Nf는 N 회의 사이클들 후에 실패한 것으로 결정되는 대표값들의 개수이며, 그리고
S는 대표값들의 총 개수이다.
본 발명은 저장 디바이스(device) 및 이 저장 디바이스에 연결된 프로세서(processor)를 포함하는 장치를 더 포함한다. 저장 디바이스는 프로세서를 제어하기 위한 명령들을 저장한다. 프로세서는, N 회의 사이클들의 함수 PoF(N)로써, 구성요소의 고장 확률을 결정하는 단계, 구성요소에 대한 시간-기반의 용인가능한 위험 제한치를 선택하는 단계, 구성요소에 대한 동작 프로파일을 선택하는 단계, 동작 프로파일을 사용하여, 시간-기반의 용인가능한 위험 제한치를 사이클-기반의 용인가능한 위험 제한치로 전환하는 단계, PoF(N) 값들과 사이클-기반의 용인가능한 위험 제한치를 비교하는 단계, 및 비교하는 단계의 결과들에 대한 응답으로, 기계 구성요소를 동작시키는 단계를 수행하기 위한 명령들을 실행한다.
상기 기계 구성요소를 동작시키는 단계는, 구성요소 유지보수를 수행하는 단계, 구성요소 다운시간(downtime)을 스케줄링(scheduling)하는 단계, 유지보수 태스크(task)를 스케줄링하는 단계, 상기 구성요소를 시험하는 단계, 그리고 서비스(service)로부터 상기 구성요소를 제거하는 단계 중 하나를 포함할 수 있으며, 상기 구성요소에 대해 수행되는 시험들은 사이클-기반의 위험 제한치와 상기 PoF(N) 간의 차이에 대한 응답으로 선택될 수 있다.
상기 기계 구성요소는 가스 터빈의 요소이며, 상기 동작 프로파일은 단일 가스 터빈의 시동(start up) 및 정지(shut down) 조건들에 기반하거나 또는 복수의 가스 터빈들에 대한 시동 및 정지 조건들의 평균에 기반하는 고유한 동작 프로파일을 포함할 수 있다.
상기 기계 구성요소를 동작시키는 단계는, 구성요소 유지보수를 수행하는 단계, 구성요소 다운시간(downtime)을 스케줄링(scheduling)하는 단계, 유지보수 태스크(task)를 스케줄링하는 단계, 상기 구성요소를 시험하는 단계, 그리고 서비스(service)로부터 상기 구성요소를 제거하는 단계 중 하나를 포함할 수 있으며, 상기 구성요소에 대해 수행되는 시험들은 사이클-기반의 위험 제한치와 상기 PoF(N) 간의 차이에 대한 응답으로 선택될 수 있다.
상기 기계 구성요소는 가스 터빈의 요소이며, 상기 동작 프로파일은 단일 가스 터빈의 시동(start up) 및 정지(shut down) 조건들에 기반하거나 또는 복수의 가스 터빈들에 대한 시동 및 정지 조건들의 평균에 기반하는 고유한 동작 프로파일을 포함할 수 있다.
본 발명의 다양한 실시예들이 본원에서 도시되고 설명되었지만, 그러한 실시예들이 예로서만 제공되는 것이 자명할 것이다. 본원의 발명으로부터 벗어나지 않고, 많은 변형들, 변경들 및 치환들이 이루어질 수 있다. 그에 따라서, 첨부된 청구항들의 사상 및 범위에 의해서만 본 발명이 제한되는 것이 의도된다.
Claims (20)
- 응력 하에서 기계 구성요소를 동작시키기 위한 방법으로서, 상기 방법은,
반복 하중 과정(cycling loading process)의 N 회의 사이클(cycle)들의 함수 PoF(N)로써, 상기 구성요소의 고장 확률(probability of failure)을 결정하는 단계;
상기 구성요소에 대한 시간-기반의 용인가능한 위험 제한치를 선택하는 단계;
상기 구성요소에 대한 동작 프로파일(profile)을 선택하는 단계;
상기 동작 프로파일을 사용하여, 상기 시간-기반의 용인가능한 위험 제한치를 사이클-기반의 용인가능한 위험 제한치로 전환하는 단계;
PoF(N) 값들과 상기 사이클-기반의 용인가능한 위험 제한치를 비교하는 단계; 및
상기 비교하는 단계의 결과들에 대한 응답으로, 상기 기계 구성요소를 동작시키는 단계;를 포함하고,
상기 결정하는 단계는, 몬테-카를로 시뮬레이션(Monte-Carlo Simulation)에 기초하여 상기 구성요소의 복수의 대표값들을 정의하는 직접 시뮬레이션 확률론적 파괴 역학(direct simulation probabilistic fracture mechanics) 방법을 사용하는 것을 포함하고,
상기 시간-기반의 용인가능한 위험 제한치는 제1 위험 제한치 및 제2 위험 제한치를 포함하며,
고장 확률 PoF(N)는 N = i일 때 상기 제1 위험 제한치와 동일하고, N = j일 때 상기 제2 위험 제한치와 동일하며,
N = i일 때 상기 제1 위험 제한치와 연관된 제1 액션(action)이 수행되고, N = j일 때 상기 제2 위험 제한치와 연관된 제2 액션이 수행되고,
상기 제1 액션은 상기 구성요소의 검사를 수행하는 단계를 포함하며, 상기 제2 액션은 서비스로부터 상기 구성요소를 제거하는 단계를 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항에 있어서,
각각의 상기 대표값은 하나의 구성요소 위치에서의 하나의 가능한 재료 조건 및 결함 크기 조건을 정의하고,
균열 성장(crack growth)이 불안정해질 때, 상기 구성요소의 고장이 결정되는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
상기 기계 구성요소를 동작시키는 단계는, 구성요소 유지보수를 수행하는 단계, 구성요소 다운시간(downtime)을 스케줄링(scheduling)하는 단계, 유지보수 태스크(task)를 스케줄링하는 단계, 상기 구성요소를 시험하는 단계, 그리고 서비스(service)로부터 상기 구성요소를 제거하는 단계 중 하나를 포함하고,
상기 구성요소에 대해 수행되는 시험들은 사이클-기반의 위험 제한치와 상기 PoF(N) 간의 차이에 대한 응답으로 선택되는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
상기 결정하는 단계는, 상기 구성요소에 가해지는 응력들을 식별하도록, 상기 구성요소의 응력장(stress field)을 계산하기 위한, 직접 시뮬레이션 확률론적 파괴 역학(direct simulation probabilistic fracture mechanics) 방법을 사용하는 단계를 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
상기 기계 구성요소는 가스 터빈(gas turbine)의 요소인,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
"C" 개의 기계 구성요소들을 선택하는 단계, 및
상기 "C" 개의 기계 구성요소들에 대해 상기 방법을 실행하는 단계를 더 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
상기 기계 구성요소는 가스 터빈의 요소이며, 상기 동작 프로파일은 단일 가스 터빈의 시동(start up) 및 정지(shut down) 조건들에 기반하거나 또는 복수의 가스 터빈들에 대한 시동 및 정지 조건들의 평균에 기반하는 고유한 동작 프로파일을 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
상기 결정하는 단계는,
상기 구성요소의 재료 특성 산포 데이터(scatter data) 및 결함-크기 산포 데이터로부터 상기 구성요소의 복수의 대표값들을 정의하는 단계 ―각각의 대표값은 하나의 가능한 재료 조건 및 결함-크기 조건에 의해 정의됨―;
각각의 개별 대표값에 대해, 구성요소 위치를 선택하며, 그리고 선택된 위치에서의 균열 성장에 기인하여, 주어진 횟수의 사이클들(N) 후에 상기 개별 대표값이 실패인지 여부를 결정하는 단계 ―상기 균열 성장은 상기 선택된 위치에서의 재료 조건 및 결함-크기 조건에 기반하여 결정되며, 상기 균열 성장이 불안정한 것으로 결정되면, 상기 개별 대표값의 실패가 결정됨―;
N 회의 사이클들 후에 실패한 대표값들의 개수를 결정하는 단계;
PoF (N) = Nf / S로부터, N 회의 사이클들 후의 상기 구성요소의 고장 확률을 결정하는 단계
를 포함하며,
PoF(N)는 N 회의 사이클들 후의 상기 구성요소의 고장 확률이고;
Nf는 N 회의 사이클들 후에 실패한 것으로 결정되는 대표값들의 개수이며; 그리고
S는 대표값들의 총 개수인,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
사이클들의 횟수(M)를 결정하는 단계 ―여기서, PoF(M)는 미리 결정된 고장 확률 값과 동일함―
를 더 포함하며,
상기 동작시키는 단계는, 상기 구성요소가 M 회의 사이클들 동안 동작했을 때 상기 기계 구성요소를 검사하는 단계를 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
사이클들의 횟수(L)를 결정하는 단계 ―여기서, PoF(L)는 미리 결정된 고장 확률 값과 동일함―
를 더 포함하며,
상기 동작시키는 단계는, 상기 구성요소가 L 회의 사이클들 동안 동작했을 때 상기 기계 구성요소를 제거하는 단계를 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 제1 항 또는 제2 항에 있어서,
상기 기계 구성요소를 동작시키는 단계는, 구성요소 유지보수를 수행하는 단계, 구성요소 다운시간을 스케줄링하는 단계, 유지보수 태스크를 스케줄링하는 단계, 상기 구성요소를 시험하는 단계, 그리고 서비스로부터 상기 구성요소를 제거하는 단계 중 하나를 포함하는,
응력 하에서 기계 구성요소를 동작시키기 위한 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/722,175 US9841756B2 (en) | 2015-05-27 | 2015-05-27 | Scheduling inspections and predicting end-of-life for machine components |
| US14/722,175 | 2015-05-27 | ||
| PCT/US2016/031168 WO2016191068A1 (en) | 2015-05-27 | 2016-05-06 | Scheduling inspections and predicting end-of-life for machine components |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180014761A KR20180014761A (ko) | 2018-02-09 |
| KR102154163B1 true KR102154163B1 (ko) | 2020-09-09 |
Family
ID=57393612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177037523A KR102154163B1 (ko) | 2015-05-27 | 2016-05-06 | 기계 구성요소들에 대한 검사들의 스케줄링 및 수명 종료의 예측 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9841756B2 (ko) |
| EP (1) | EP3304034B1 (ko) |
| KR (1) | KR102154163B1 (ko) |
| CN (1) | CN107667280B (ko) |
| WO (1) | WO2016191068A1 (ko) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201608047D0 (en) * | 2016-05-09 | 2016-06-22 | Rolls Royce Plc | Component lifing |
| US20210383035A1 (en) * | 2018-11-01 | 2021-12-09 | Siemens Energy Global GmbH & Co. KG | Computer-implemented method for the probabilistic estimation of a probability of failure of a component, a data processing system, a computer program product and a computer-readable storage medium |
| US10974851B2 (en) | 2018-11-09 | 2021-04-13 | Textron Innovations Inc. | System and method for maintaining and configuring rotorcraft |
| US11010222B2 (en) * | 2019-08-29 | 2021-05-18 | Sap Se | Failure mode specific analytics using parametric models |
| CN112906281B (zh) * | 2021-03-15 | 2022-11-25 | 中国航发湖南动力机械研究所 | 一种基于拟蒙特卡洛抽样的涡轮盘裂纹扩展可靠性分析方法 |
| JP2023008132A (ja) * | 2021-07-05 | 2023-01-19 | 東芝エネルギーシステムズ株式会社 | 損傷評価装置、損傷評価方法 |
| US20230036153A1 (en) * | 2021-07-30 | 2023-02-02 | Raytheon Technologies Corporation | Usage based maintenance scheduling system |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014060160A1 (en) * | 2012-10-16 | 2014-04-24 | Siemens Aktiengesellschaft | Method and system for probabilistic fatigue crack life estimation |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6209390B1 (en) | 1999-05-14 | 2001-04-03 | Larue Gerald Duane | Turbocharger fatigue life monitor |
| US20040073400A1 (en) * | 2002-10-11 | 2004-04-15 | Mitsubishi Heavy Industries, Ltd. | Method for managing lifespans of high temperature gas turbine components and its implementation through computer program |
| US8065022B2 (en) * | 2005-09-06 | 2011-11-22 | General Electric Company | Methods and systems for neural network modeling of turbine components |
| US7395188B1 (en) | 2006-12-07 | 2008-07-01 | General Electric Company | System and method for equipment life estimation |
| JP4202400B1 (ja) * | 2007-07-27 | 2008-12-24 | 三菱重工業株式会社 | き裂進展予測方法及びプログラム |
| US8116990B2 (en) * | 2007-10-19 | 2012-02-14 | Ashok Koul | Method and system for real-time prognosis analysis and usage based residual life assessment of turbine engine components and display |
| US8214317B2 (en) | 2009-08-17 | 2012-07-03 | Pratt & Whitney Rocketdyne, Inc. | Failure detection system risk reduction assessment |
| ITCO20110032A1 (it) | 2011-07-28 | 2013-01-29 | Nuovo Pignone Spa | Dispositivo e metodo di ottimizzazione e determinazione della vita di una turbina a gas |
| US20130179388A1 (en) * | 2012-01-05 | 2013-07-11 | Anurag Agarwal | Method, System and Program Product for Intelligent Prediction of Industrial Gas Turbine Maintenance Workscope |
| US20140095133A1 (en) * | 2012-09-28 | 2014-04-03 | General Electric Company | Systems and methods for managing mechanical systems and components |
| CN103632054B (zh) * | 2013-11-28 | 2017-01-04 | 清华大学 | 一种基于状态监测和设备部件可靠性的备件需求预测方法 |
| CN203629823U (zh) * | 2013-12-30 | 2014-06-04 | 盛地五金制品（深圳）有限公司 | 循环点触式微动开关寿命测试装置 |
| CN103983467B (zh) * | 2014-05-12 | 2016-07-13 | 中国人民解放军空军工程大学 | 一种基于服役状态的单机服役使用寿命监控方法 |
| CN104089760B (zh) * | 2014-06-18 | 2016-08-24 | 潍柴动力股份有限公司 | 内燃机零部件的疲劳试验方法 |
-
2015
- 2015-05-27 US US14/722,175 patent/US9841756B2/en active Active
-
2016
- 2016-05-06 CN CN201680030819.XA patent/CN107667280B/zh active Active
- 2016-05-06 WO PCT/US2016/031168 patent/WO2016191068A1/en active Application Filing
- 2016-05-06 KR KR1020177037523A patent/KR102154163B1/ko active IP Right Grant
- 2016-05-06 EP EP16800478.6A patent/EP3304034B1/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014060160A1 (en) * | 2012-10-16 | 2014-04-24 | Siemens Aktiengesellschaft | Method and system for probabilistic fatigue crack life estimation |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3304034A1 (en) | 2018-04-11 |
| CN107667280A (zh) | 2018-02-06 |
| CN107667280B (zh) | 2019-12-17 |
| KR20180014761A (ko) | 2018-02-09 |
| EP3304034B1 (en) | 2020-08-12 |
| WO2016191068A1 (en) | 2016-12-01 |
| US9841756B2 (en) | 2017-12-12 |
| EP3304034A4 (en) | 2019-02-06 |
| US20160349723A1 (en) | 2016-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102154163B1 (ko) | 기계 구성요소들에 대한 검사들의 스케줄링 및 수명 종료의 예측 | |
| US9507342B2 (en) | Aircraft engine systems and methods for operating same | |
| US8109150B2 (en) | Crack-propagation prediction method and program | |
| JP4176777B2 (ja) | ガスタービン高温部品のき裂進展予測方法及びこの方法を用いたき裂進展予測装置 | |
| WO2001023725A1 (fr) | Systeme de gestion de duree de vie pour partie haute temperature de turbine a gaz | |
| Corran et al. | Lifing methods and safety criteria in aero gas turbines | |
| Mu¨ ller et al. | Probabilistic engine maintenance modeling for varying environmental and operating conditions | |
| US20150105966A1 (en) | Condition based lifing of gas turbine engine components | |
| Naeem et al. | Implications of engine deterioration for creep life | |
| WO2019135747A1 (en) | Probabilistic life evaluation algorithm for gas turbine engine components | |
| Shanmuganathan et al. | Condition monitoring maintenance of aero-engines through LUMS–A method for the implementation of Lean tools | |
| US9127553B2 (en) | Method, systems, and apparatuses for transition piece contouring | |
| Arkhipov et al. | Probabilistic life assessment of turbine vanes | |
| Moneta et al. | Influence of manufacturing tolerances on vibration frequencies of turbine blade | |
| Corran et al. | The development of anomaly distributions for machined holes in aircraft engine rotors | |
| Jarrett et al. | Untwist Creep Analysis of Gas Turbine First Stage Blade | |
| US10628621B2 (en) | Component lifing | |
| Vidyasagar | Optimization of aero engine utilization through improved estimation of remaining useful life (RUL) of on condition (OC) parts | |
| JPH11141352A (ja) | ガスタービン高温部品の保守管理装置およびその方法 | |
| Engels et al. | Probabilistic Fracture Mechanics for Mature Service Frame Rotors | |
| RU2818426C1 (ru) | Способ эксплуатации авиационного газотурбинного двигателя по его техническому состоянию | |
| Liu et al. | A methodology for probabilistic creep-fatigue life assessment of hot gas path components | |
| JP6081598B2 (ja) | 高品質データを保証する信頼性限界の論理 | |
| Beres et al. | Fatigue crack growth rate evaluation in a turbine disc after spin rig testing | |
| Naeem et al. | Implications of a Military Turbofan's High-Pressure Turbine Erosion for Blade's Creep Life-Consumption |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |