Altoparlante | Trascrizione |
| Alan Rezazadeh | Ciao a tutti, grazie per aver partecipato a questa presentazione. Mi chiamo Alan Rezazadeh, lavoro al Southern Alberta Institute of Technology. La mia posizione è |
| uno scienziato di analisi della ricerca. Parleremo di analisi industriale e, ad esempio, ci concentreremo maggiormente sulle turbine eoliche e sul monitoraggio delle condizioni delle turbine eoliche. |
| Ringraziamenti. |
| CFREF, Canada First Research Excellent Fund, grazie per avermi permesso di partecipare a questa conferenza. |
| EDP Renewable Energy Wind Farm dalla Spagna, grazie per aver condiviso i dati operativi, che sono disponibili gratuitamente per la ricerca e l'istruzione. E soprattutto, JMP per aver creato questo fantastico software di scoperta statistica. |
| Ordine del giorno. Parleremo dell'ambito dell'analisi industriale, di ciò che è incluso nell'analisi del settore |
| e come considereremmo le apparecchiature industriali come un processo; preparazione e comprensione dei dati; e definire i sottocomponenti, come trovare l'obiettivo nella definizione dei sottocomponenti; e alla fine monitorerà il degrado e le prestazioni, che si chiama monitoraggio basato sulle condizioni. |
| Quindi un ambito di analisi industriale, abbiamo praticamente tutto incluso. Quindi abbiamo grandi serie temporali di dati che arrivano dai sensori, che è l'IoT. |
| E vogliamo fare l'ottimizzazione dei processi, la scoperta della conoscenza, il processo decisionale. Fondamentalmente, vogliamo ridurre l'inquinamento, vogliamo aumentare la produzione di buoni risultati, come l'energia delle turbine eoliche o dei pannelli solari, o vogliamo monitorare la salute o le condizioni delle apparecchiature industriali. |
| Quindi la prima idea è che un macchinario complesso, come un motore a reazione a turbina a gas, è fondamentalmente un processo. C'è input, c'è output. L'ingresso, in questo caso, che è una turbina a gas, è aria e combustibile; l'uscita è elettricità e gas di scarico, una sorta di fumi e gas. Quindi lo spezzeremmo |
| un compressore, una camera di combustione e un generatore di corrente. È il caso più semplice. Quindi ora abbiamo un processo e sottocomponenti. Quindi, d'ora in poi, potrei cambiare il termine processo e attrezzatura in modo intercambiabile con loro insieme. |
| Quindi fino a che punto ci spingiamo nell'abbattimento del processo? Quindi vogliamo suddividerlo in sottocomponenti più piccoli e più semplici che possiamo effettivamente descrivere con una formula fisica matematica, come l'aerodinamica o la termodinamica e così via. |
| Quindi principi primi, da cui si conosce una cosa, Aristotele. Quindi ci stiamo scomponendo in componenti più piccoli. |
| E questo è un ciclo di guasto per motori a reazione o anche per turbine a gas. Quindi, come possiamo vedere, nel tempo ci saranno dei cambiamenti, delle modifiche, un po' di degrado se così lo chiamiamo. |
| Inoltre non è solo a causa dell'usura. Potrebbe essere dovuto a cambiamenti operativi, quindi la temperatura dell'aria cambierebbe, la richiesta elettrica dalla rete cambierà. |
| Di conseguenza, la modalità operativa dell'apparecchiatura cambierà. Quindi ora vogliamo distinguere tra modalità operative e degrado, quindi ciò significa che dobbiamo prima sapere qual è la modalità operativa. |
| Diciamo per a |
| turbina eolica, abbiamo rotore, |
| albero lento, abbiamo riduttore, generatore e trasformatore. |
| È un sistema complesso; lo scomponiamo in sottocomponenti più piccoli. |
| idraulica, |
| lubrificazione, raffreddamento e così via. Quindi l'input del processo è il vento, l'output è la potenza. Quindi vediamolo, vento contro potenza, che è la curva di potenza nell'industria dell'energia eolica. Quindi sul |
| Asse X, abbiamo l'energia eolica, la velocità del vento, e sull'asse verticale, abbiamo la potenza. Quindi è una tipica curva di potenza che viene utilizzata per l'analisi delle turbine eoliche. Come possiamo vedere, è un sistema complesso. Quindi a quattro metri al secondo, |
| il sistema inizia a funzionare. Prima è in modalità inattiva e aspetta che soffi il vento. A quattro metri al secondo, è la velocità minima del vento che può operare, |
| così lentamente inizierà a produrre elettricità. Sopra 12, sta diventando forte, quindi devono ridurre la quantità di energia che raccolgono dal vento, e questo viene fatto cambiando la lama, l'angolo delle pale. |
| Oltre i 25 metri al secondo, il funzionamento dell'apparecchiatura non sarà sicuro, quindi viene spento. |
| Quindi ora abbiamo una demo dal vivo, |
| E |
| produrremo la curva di potenza. |
| COSÌ |
| velocità del vento rispetto alla potenza. Quindi, come possiamo vedere con il contorno, l'alta concentrazione è intorno alla modalità al minimo e alla minore velocità del vento. Quindi questo è il regime del vento nel sistema. |
| E man mano che la velocità del vento aumenta, diventa più forte, viene prodotta più elettricità. Quando diventa troppo forte, viene spento. Possiamo vedere gli istogrammi. Se vuoi sapere come farlo |
| JMP, sarebbe abbastanza semplice. Quando la velocità come fattore X e la potenza per Y, raggruppandoli per |
| turbine. |
| Quindi torniamo alla presentazione. |
| Ora stiamo iniziando ad analizzare i dati. La prima è l'analisi univariata, quindi analizzeremo i parametri principali, che è, diciamo, la velocità del vento. |
| Cercherebbero la letteratura esistente e le conoscenze ingegneristiche esistenti che se esiste un modello matematico e statistico che descrive il vento. |
| E ce n'è uno, e la distribuzione del vento di solito è conforme a Weibull. Quindi confrontiamo il vento con il Weibull. Vedremmo che è molto vicino. |
| Tuttavia, tra le diverse turbine ci sono alcuni minori ??? differenze, quindi c'è una piccola opportunità, opportunità di ottimizzazione della ricerca. |
| Quindi la turbina 9 è diversa dalla 6, quindi il vento da 6 e 9 è diverso, quindi potrebbe essere dovuto all'interferenza, all'interazione tra queste turbine, il che va bene. Succede nel settore. |
| Ed è un'opportunità di ottimizzazione per ridurre questa scia ed è un argomento molto noto nel settore. |
| Quindi, dopo l'analisi univariata, passiamo alla tipica scienza dei dati |
| preelaborazione. Valori mancanti, ci sono zeri? Gli zeri significano davvero zero o sono valori mancanti? Quindi gestiamo quelli; non è un argomento di questo discorso. Valori anomali, parleremo un po' di valori anomali. |
| COSÌ |
| nei miei progetti togliamo qualsiasi valore che non sia fisicamente possibile. Quindi se la temperatura...la temperatura dell'aria è registrata a 100, sai che non abbiamo 100 gradi, quindi la togliamo. Ma non cambieremmo gli altri dati in base al nostro giudizio, quindi li conserviamo molto. |
| E convergenza data/ora, quindi eseguiamo alcune conversioni data/ora per adattarle al formato JMP Quindi questi sono praticamente uno standard. Quindi un metodo di univeriato, |
| l'analisi anomalia multivariata è Mahalanobis, ed è ben supportata da JMP e la esamineremo. Quindi fondamentalmente se abbiamo quattro parametri, produciamo un output |
| e guardiamo questo. Quindi Mahalanobis e questi sono i valori anomali. Non rimuoveremo questi valori anomali ma, tuttavia, questi sono i centri di messa a fuoco e attenzione che vorremmo esaminare. Quindi, per la demo dal vivo, |
| utilizzando |
| Graph Builder, possiamo facilmente tracciarli contro i Mahalanobis e controllare diverse turbine. |
| Quindi, per esempio, abbiamo un piccolo picco qui. È al di sopra dei limiti di controllo superiori, quindi è un valore anomalo. Quindi lo controlliamo per vedere cosa è successo e puoi vedere i parametri, come sono stati modificati. |
| Per produrre questa distanza di Mahalanobis, possiamo utilizzare le funzionalità multivariate di JMP, |
| producendo |
| sotto l'analisi dei valori anomali, Mahalanobis, e quindi salvandoli nei dati. |
| Quindi torniamo alla presentazione. |
| Quindi, dopo aver terminato la pre-elaborazione, |
| inizieremmo la scoperta dei dati. Vogliamo vedere cosa ci dicono i dati, quindi ho fornito un piccolo background della curva di potenza, di come funzionava il flusso. Quindi formalizziamolo un po'. |
| All'inizio è al minimo, quindi in attesa di un vento più forte. Quindi c'è qualcosa di vento. Iniziamo. La velocità di rotazione aumenta, c'è più vento. |
| Ci colleghiamo alla rete, ciò significa che la turbina è collegata al generatore. Il generatore ora ha una velocità sufficiente, si collega alla rete e produce elettricità. |
| La velocità del vento aumenta. Produciamo una buona quantità di elettricità, ma non al massimo. Man mano che il vento diventa più forte, arriviamo al livello massimo di |
| produzione di energia elettrica. Quando il vento diventa ancora più forte ed è troppo, dobbiamo ridurre l'energia che otteniamo...raccogliamo dal vento, o potremmo volerci fermare completamente perché è troppo forte. |
| Man mano che le condizioni si calmano, il vento è di nuovo lento, andiamo al minimo. Quindi è un ciclo; è un diagramma di flusso. Ora facciamolo con i dati. |
| Quindi ecco una modalità di parcheggio dati tridimensionale, stiamo aspettando, al minimo. Stiamo aspettando, parcheggiamo, non siamo operativi. |
| Il rotore aumenta la velocità producendo elettricità minima. Questo è connettere producendo subrated |
| e valutato. E se diventa troppo forte, allora andrebbero di nuovo in questo parcheggio e disattiverebbero l'operazione. Quindi quello che abbiamo qui è il clustering |
| e confrontando le AIC. Quindi, se abbiamo un cluster o due o tre, confrontiamo il cluser...i risultati del clustering e rileviamo il numero di cluster che danno il |
| migliore...non posso dire il migliore...l'errore minimo, mentre il numero non è troppo alto. Quindi vediamolo in azione, come funzionerebbe. |
| Quindi stiamo facendo clustering e clustering fino a 10. Non volevo impiegare troppo tempo nella presentazione. Ci vogliono circa 10-15 secondi. Quindi stiamo trovando i cluster all'interno della Turbina 1. |
| COSÌ |
| ogni cluster è fondamentalmente la concentrazione di |
| modalità operative così, allora sapremmo come funzionava questa turbina. Quindi abbiamo l'AIC rispetto al numero di cluster. |
| Vorrei |
| tracciare il grafico |
| AIC rispetto al numero di cluster. |
| Quindi non è così fluido come dovrebbe perché ho usato una serie di iterazioni e strumenti e l'ho reso veloce. Tuttavia, per la produzione e per il lavoro vero e proprio, ci vorrebbe più tempo. |
| Quindi, come possiamo vedere su 6, 7, 8, è un buon numero di cluster, mentre l'errore è diminuito. L'errore diminuirà leggermente di più |
| se continuiamo con più cluster, tuttavia, aumenterebbe la complessità e se la aumentiamo troppo, potrebbe diventare overfitting. |
| COSÌ |
| Ora |
| li tracciamo. |
| Quindi questo è per Turbine 1, e mentre li tracciamo, possiamo vedere che ci sono alcune transizioni ed è allora che passiamo dal vento forte al parcheggio perché il vento è troppo forte. |
| Quindi torniamo alla presentazione. |
| Ora, quanti cluster sono il numero giusto? Quindi se c'è un cluster, tutto è un gruppo, okay. Non è una nostra preoccupazione. |
| Se ci sono due cluster, possiamo vedere che l'algoritmo sta raccogliendo questo gruppo qui. Lo chiamiamo inattività, solo in attesa. O tre cluster, è il parcheggio, il rotore acquisisce velocità e operazioni, quindi l'algoritmo rileva questi tre. |
| Se esaminiamo sei, sette o otto, hanno più senso. Ne ho scelti sei perché è un numero piccolo per questa presentazione. Un ingegnere delle operazioni può raccoglierne di più, otto o nove. |
| Quindi una demo dal vivo, e questa l'abbiamo già vista. |
| gerarchico, K-mean e normale. Per i progetti industriali, di solito uso miscele normali. |
| Per i progetti aziendali, gerarchico avrebbe molto senso, perché fornisce una buona scomposizione della logica. K-mean è computazionalmente intensivo e su set di dati di grandi dimensioni richiederebbe troppo tempo. |
| Quindi il presupposto con la miscela normale è che gli ammassi sono convessi sotto distribuzione normale, quindi significa che hanno solo un picco. Ed è proprio così. |
| Nel... quando abbiamo una modalità operativa, di solito opera all'interno di quella modalità operativa all'interno di un centro, quindi la miscela normale è sicura |
| algoritmo da utilizzare per il clustering. |
| Ora passiamo al monitoraggio delle condizioni. Abbiamo fatto tutto il clustering, okay. Cosa stiamo facendo con loro? |
| Parliamo di cosa monitoreranno qui. |
| Mentre gli ingranaggi nel cambio funzionano, c'è un punto di contatto nel cambio. A causa dell'usura, questo punto di contatto potrebbe spostarsi nel tempo. Questo è ciò che vogliamo trovare. Tuttavia, |
| se la linea ventrale sta lavorando duramente e c'è così tanta coppia in essa, il punto di contatto potrebbe essere diverso rispetto a quando la coppia non è così forte e |
| il vento non è così forte. Quindi questo significa di nuovo, modalità operativa. Quindi vogliamo confrontare questi punti di contatto all'interno di una modalità operativa, non quando le modalità operative sono troppo diverse l'una dall'altra. Quindi per questo |
| monitoraggio, possiamo usare una semplice regressione lineare. |
| Quindi facendo una regressione lineare |
| in base a diverse modalità operative. Quindi, per la connessione alla rete, |
| R al quadrato è 99,6%. Possiamo vedere che è una buona approssimazione. È una bella retta di regressione. |
| 99.993. E' una buona R al quadrato, quindi useremo questa. |
| Per le operazioni classificate, |
| non abbiamo ottenuto un buon R al quadrato, quindi lo escluderemo. Quindi in pratica andremo a mettere insieme per questa modalità operativa che ci sta dando una buona R al quadrato per l'analisi che vogliamo fare. Ora torniamo alla demo. |
| Questa è fondamentalmente la vecchia regressione lineare. È successo nel giro di pochi secondi. Come possiamo vedere, ci sono 521.000 registrazioni e sono stati solo due-tre secondi, quindi è una prestazione eccellente. |
| Quindi queste sono le modalità operative che selezioneremo. Diamo ancora un'occhiata per confermare che stiamo scegliendo i valori giusti. |
| Adattando Y per X, tracciamo i contorni di densità. Quindi quello che ci piace vedere qui è la linea di regressione che passa attraverso i centri della densità, e questo è il passaggio. È carino. |
| Mancherà, e questo è il minimo che abbiamo scelto di non usare. |
| È una bella retta di regressione. |
| Per la produzione nominale, mancano i punti di densità, quindi non useremo questo. |
| È molto confermato l'osservazione che avevamo avuto con R al quadrato. |
| Così abbiamo fatto questo. Cosa succederà dopo? |
| Disegniamo i residui. Residui di turbine. |
| E analizzeremmo i residui quando i residui aumentano. Quindi facciamo una demo dal vivo. Avrebbe senso. |
| Quindi stiamo tracciando i residui per tutte e cinque le turbine, solo per le modalità operative selezionate. Così inattivo e valutato, li escludiamo. Cosa succede se disegniamo gli altri? Per l'ozio, è tutto finito, non significa niente, non ci dice niente. |
| Stessa cosa con la produzione nominale. Non dice niente, non dice molto. |
| Tuttavia, con questo insieme, |
| possiamo vedere i residui aumentare in alcune date specifiche. E in realtà se guardiamo al registro delle riparazioni, questa era una riparazione, quella era un'altra riparazione e qui vediamo un piacevole aumento graduale. Quella era un'altra riparazione. |
| Turbina 11, non abbiamo avuto problemi con il cambio. Non è mai... il |
| i residui non sono mai aumentati. |
| E ci sono state riparazioni su Turbine 6, quindi questo potrebbe mostrare alcuni problemi che si sono verificati, ma cos'era... |
| a che livello...diciamo a che livello di residuo è un vero problema. |
| È soggettivo. Dobbiamo quantificare. Dobbiamo guardare a quale livello di residuo un ingegnere ha bisogno di intraprendere alcune azioni. E in questo momento, è una questione molto aperta nell'industria, un argomento aperto per la ricerca. Tuttavia, è uno strumento utilizzato per |
| aiutare gli ingegneri. Quindi tornando a |
| la nostra presentazione. Quindi le tendenze sono per il monitoraggio e a quale livello un ingegnere agirebbe e interferirebbe effettivamente e aprirebbe il cambio. Questa è una decisione ingegneristica. Tuttavia, dal punto di vista dei dati, stai aiutando gli ingegneri a prendere decisioni. |
| In sintesi, un processo complesso ha più modalità operative. Quando vogliamo monitorare |
| un dispositivo, dobbiamo sapere quale modalità operativa monitoreremo. Ogni modalità operativa evidenzia una porzione dei processi operativi. |
| Metodi di clustering, possiamo usare per isolare le diverse modalità operative. Monitoraggio delle condizioni, utilizzando modalità operative per rilevare il degrado, come abbiamo fatto noi. Sottocomponenti di monitoraggio |
| in considerazione della legge fisica, come usiamo per il rapporto. E se il sistema è complesso e non possiamo descriverlo con una legge fisica, allora useremmo altri metodi, come |
| K-vicino più vicino o la rete neurale. Ed è proprio alla fine di una presentazione, e grazie per l'attenzione. |
