Інженер-енергетик з України Іван Ткачук, який працює в американській компанії TemperPack, створив систему предиктивного обслуговування електродвигунів на базі аналізу струму. Система здатна з точністю 85-92% прогнозувати збої в роботі за період від 12 годин до 3 тижнів до їх фактичного виникнення.
На сьогодні методика працює на понад 60 промислових електродвигунах у США. Впровадження дало можливість скоротити кількість незапланованих простоїв на 60-80%. Економічний ефект для компанії TemperPack склав понад $150,000 завдяки запобіганню серйозних аварій та оптимізації графіка технічного обслуговування.
Проблема, яка коштує мільйони
Кожна година незапланованого простою промислового обладнання обходиться підприємствам у суму від 5 до 50 тисяч доларів. Для багатьох виробництв аварійна зупинка електродвигуна означає не лише фінансові втрати, а й зрив термінів поставок, штрафні санкції та репутаційні ризики.
Більшість таких компаній досі використовують реактивний підхід до обслуговування електродвигунів: ремонтують лише після того, як все безповоротно зламається.
"Незаплановані простої електродвигунів є однією з головних причин втрат у промисловості. Часто поломки виникають раптово, бо стандартний моніторинг не виявляє ранні ознаки деградації обладнання, просто не бачить, що відбувається всередині двигуна," пояснює Іван Ткачук, інженер-енергетик компанії TemperPack.
За його словами, проблема особливо загрожує підприємствам, що працюють безперервно: харчової промисловості, пакувальних ліній, компресорних станцій. Зупинка однієї виробничої лінії може паралізувати роботу всього заводу.
Як працює методика моніторингу струму
Рішення Івана Ткачука базується на постійному аналізі параметрів електричного струму, що живить двигун. Система складається з шести послідовних кроків. Методика була розроблена у 2024-2025 роках на базі практичного досвіду в Україні та США і протестована на виробничих лініях, компресорних станціях та пакувальних машинах.
Перший етап: встановлення датчиків струму на живлення двигуна. Використовуються котушки Роговського (Rogowski coils) та датчики на ефекті Холла (Hall-effect sensors), які не потребують розриву електричного ланцюга.
Другий етап: збір даних у реальному часі. Система фіксує амплітуду фазного струму, частоту та її стабільність, гармоніки (THD), асиметрію фаз, стрибки навантаження при запуску та зупинці двигуна. Дані оновлюються кожні 5-30 секунд.
"Ми використовуємо аналізатори ECM-UC-10A-UI та Current measuring transducer. Програмне забезпечення складається з власних скриптів на Python плюс Power BI для візуалізації. Додатково інтегруємо OPC-сервери для зв'язку з промисловими системами керування," розповідає Іван.
Третій етап: аналіз патернів споживання. Система виявляє відхилення від норми, порівнюючи поточні показники з базовим профілем двигуна.
Четвертий етап: кореляція з типами несправностей. На основі бази даних з попередніх кейсів система визначає, який саме дефект розвивається.
П'ятий етап: автоматичне попередження. При перевищенні критичних порогів система надсилає email-сповіщення відповідальному персоналу. Використовується Node-RED плюс Python для логіки спрацювання.
Шостий етап: візуалізація та звітність. Інженери отримують графіки, діаграми та рекомендації через інтерфейс або електронною поштою.
Інтеграція з іншими методами діагностики
Моніторинг струму не працює ізольовано. Іван інтегрував його з вібраційною діагностикою та температурним контролем через спільну платформу на базі Node-RED і Grafana.
"Вібраційна діагностика показує стан підшипників і механічний дисбаланс. Термопара виявляє перегрів обмоток. Ми можемо отримати повну картину стану двигуна тільки тоді, коли всі три методи працюють разом через єдину платформу моніторингу," пояснює він.
Така комплексна система може передбачити п'ять основних типів несправностей: зношення підшипників, перегрів обмоток, дисбаланс фаз, часткове коротке замикання та механічне перевантаження.
Прогнозування з точністю до днів
Найважливіша перевага підходу інженера полягає у можливості прогнозувати збої завчасно. Залежно від типу дефекту, система дає попередження від 12 годин до 3 тижнів до фактичної поломки.
"Перегрів обмотки розвивається швидко, це зазвичай 1-2 дні до критичного стану. Деградація підшипника відбувається повільніше, тому маємо 1-3 тижні на планову заміну. Це дозволяє замовити запчастини, підготувати бригаду, зупинити обладнання у зручний час, а не посеред ночі у вихідні, коли майже нікого немає на роботі," зазначає Іван.
Точність прогнозування становить 85-92%. Хибні спрацювання не перевищують 10%. За час експлуатації система передбачила понад 10 реальних поломок на різних пристроях та машинах.
Результати впровадження в США
Метод вже впроваджений на понад 60 електродвигунах у США. Потужність двигунів коливається від 2.2 кВт до 75 кВт. Сфери застосування: пакування, харчова промисловість, компресорні станції.
Конкретні результати демонструють високу ефективність: скорочення незапланованих простоїв на 60-80%, кількість аварій зменшилась з 3 на квартал до 1 на квартал. Економія коштів склала понад $150,000 на ремонтах і втраченій продуктивності.
"Виявили перегрів двигуна компресора і запобігли зупинці всієї виробничої лінії. В іншому випадку знайшли дисбаланс фаз, що міг призвести до згоряння обмотки вартістю понад $20,000," ділиться Іван конкретними кейсами.
Впровадження методики займає від 1 до 3 днів на об'єкт. Вартість становить від $2,000 до $10,000 залежно від кількості двигунів. Система працює без перерв та постійно архівує дані.
Експертна оцінка
"Методика Івана Ткачука представляє собою практичну реалізацію концепції Industry 4.0 для промислового обладнання. Скорочення аварій забезпечує відчутну економію для будь-якого виробництва. Особливо цінною є інтеграція кількох методів діагностики в єдину систему," коментує керівництво TemperPack.
За словами представників компанії, впровадження предиктивного обслуговування повністю змінило підхід до технічного обслуговування на підприємстві.
"Це не лише економія коштів, а й зменшення стресу для самого персоналу. Люди не працюють у режимі, коли вже треба гасити пожежу, як у прямому, так і у переносному сенсі, а спокійно виконують планові роботи," додають у компанії.
Унікальність підходу
Чим підхід Івана відрізняється від стандартного моніторингу? Три фактори показують ефективність: прогнозування замість реакції, інтеграція багатьох параметрів в єдину модель та автоматичне попередження без участі оператора.
"Більшість систем просто висвітлюють поточні значення. Оператор має сам інтерпретувати дані, розуміти, що означає відхилення на 5% чи 15%. Наша система робить це автоматично: аналізує тренди, порівнює з базою кейсів, каже конкретно, що через 5 днів можливий дефект підшипника та автоматично надсилає email-сповіщення відповідальним особам при виявленні відхилень," підкреслює Іван.
Розвиток та масштабування
У США найбільшу потребу в такому аудиті мають три сектори. Перший сектор: виробництво з конвеєрними лініями, де використовуються трифазні асинхронні двигуни. Другий сектор: енергетика, зокрема насоси та вентилятори на сонячних і вітрових станціях. Третій сектор: переробна промисловість (млини, дробарки, транспортери).
Методика повністю задокументована. Є інструкції, технічні специфікації, звіти про результати впровадження та навчальні матеріали для інженерів.
"Наступний крок полягає в інтеграції штучного інтелекту та машинного навчання для покращення точності прогнозів. Зараз система працює на основі заздалегідь визначених правил і бази кейсів, а AI зможе виявляти складніші патерни, які людина не помічає," ділиться планами Іван.
Чому ви можете довіряти vesti-ua.net →