Predictive maintenance of industrial water cooling systems

Abstract

Treballant a l'entorn pràctic de l'empresa LAUDA Ultracool, aquest projecte treballa amb equips de refrigeració industrial per aconseguir detectar i diagnosticar errors abans que impactin en l'eficiència de la màquina. Un cop identificades les limitacions de la bibliografia en un entorn industrial, és possible identificar els criteris d'avaluació per als resultats de la detecció i l'anàlisi que ha de generar l'entrenament d'un model. Per aconseguir-ho es van recollir dades de la màquina treballant en totes les condicions de treball reproduïbles i sota l'efecte d'errors provocats, però també el coneixement expert de l'equip d'enginyeria. El coneixement expert permet proposar una interfície amb l'equip de LAUDA mitjançant la qual recollir els esquemes de la màquina per proposar una anàlisi estructural com a base del modelatge. Creant models que compleixen els requisits d'una aplicació industrial es poden presentar els resultats interpretables i analitzables.

Trabajando en el entorno práctico de la empresa LAUDA Ultracool, este proyecto trabaja con equipos de refrigeración industrial para lograr detectar y diagnosticar fallos antes de que impacten en la eficiencia de la máquina. Una vez identificadas las limitaciones de la bibliografía en un entorno industrial, es posible identificar los criterios de evaluación para los resultados de la detección y el análisis que debe generar el entrenamiento de un modelo. Para lograrlo se recogieron por un lado datos de la máquina trabajando en todas las condiciones de trabajo reproducibles y bajo el efecto de fallos provocados, pero también el conocimiento experto del equipo de ingeniería. El conocimiento experto permite proponer una interfaz con el equipo de LAUDA mediante la que recoger los esquemas de la máquina para proponer un análisis estructural como base del modelado. Creando modelos que cumplen los requisitos de una aplicación industrial se pueden presentar los resultados interpretables y analizables.

Working in the practical environment of the LAUDA Ultracool company, this project worked with industrial refrigeration equipment to detect and diagnose failures before they impact the efficiency of the machine. Once the limitations of the literature in an industrial environment had been identified, it was possible to identify the evaluation criteria for the results of the detection and analysis that the training of a model must generate. To achieve this, data was collected from the machine working in all reproducible working conditions and under the effect of caused failures, and expert knowledge was gathered from the engineering team. The expert knowledge made it possible to propose an interface with the LAUDA team through which to collect the schematics of the machine to propose a structural analysis as the basis for the modeling. By creating models that meet the requirements of an industrial application, interpretable and analyzable results can be presented.