DESENVOLVIMENTO DE SISTEMA DE DIAGNÓSTICO E BASE DE CONHECIMENTO PARA AUXÍLIO À MANUTENÇÃO...
Transcript of DESENVOLVIMENTO DE SISTEMA DE DIAGNÓSTICO E BASE DE CONHECIMENTO PARA AUXÍLIO À MANUTENÇÃO...
DESENVOLVIMENTO DE SISTEMA DE DIAGNÓSTICO E BASE DE CONHECIMENTO PARA AUXÍLIO À MANUTENÇÃO PREDITIVA DE HIDRO-GERADORES
1840 ELN/UFPA/FADESP
SUMÁRIO
1. Objetivo 2. Justificativa 3. Equipe do Projeto 4. Metodologia de execução do Projeto 5. Produção Científica 6. Modificações realizadas ao longo do
projeto 7. Resultados 8. Conclusão
1. OBJETIVO
Desenvolvimento de um sistema de diagnóstico de falhas em Hidro-Geradores;
Privilegiar a manutenção preditiva, caminhando no sentido de mudar a filosofia de manutenção reativa, baseada em tempo, para uma filosofia proativa, onde a intervenção é baseada nas condições do equipamento.
OBJETIVOS ESPECÍFICOS Atender a demanda da Eletronorte intitulada
"Desenvolvimento de Sistema de Diagnóstico e Base de Conhecimento para Auxílio a Manutenção Preditiva de Hidrogeradores".
Elaborar e validar uma base de regras de um sistema especialista para auxílio ao diagnótico dos Hidro-Geradoreas de Tucuruí PA primeira etapa, Coaracy Nunes AP e Balbina AM.
Desenvolver e implementar módulos de auxilio ao diagnóstico de falhas utilizando algoritmos que combinem as vantagens fornecidas pela lógica fuzzy e/ou redes neurais,, considerando os seguintes defeitos: 1) Perda da Capacidade de Isolamento da Barra do Estator; 2)Desgaste das Sapatas dos Mancais;3)Desgaste do Anel Coletor; 4)Entupimento do Circuito de Refrigeração do Rotor.
OBJETIVOS ESPECÍFICOS
Disponibilizar informações contínuas aos operadores, pessoal de manutenção e aos especialistas no equipamento, através da rede corporativa de computadores da Eletronorte e de módulos que permitam a análise remota dos sinais monitorados.
Implementar uma sistemática de apresentação de alarmes, armazenamento em banco de dados e gerenciamento das informações recebidas pelos sistema de monitoração.
2. JUSTIFICATIVA Constantes variações de carga de um sistema
de potência e o aumento da demanda de energia elétrica, somado ao freqüente processo destrutivo ocorrido nos elementos das máquinas ao longo do tempo, vem sendo necessário modernizar os procedimentos de manutenção preditiva, onde o monitoramento da unidade determina o "estado de funcionamento" do equipamento.
A máquina em funcionamento emite numerosos sinais que indicam o seu "estado de funcionamento", onde o problema consiste em a partir destes sinais, estabelecer um diagnóstico correto e confiável.
JUSTIFICATIVA
Vantagens Monitoração contínua do equipamento,
fornecendo informações ao pessoal de operação e manutenção.
Programação antecipada de paradas programadas do equipamento, evitando multas em função de indisponibilidades desnecessárias.
Melhoria na programação das tarefas do pessoal de manutenção.
Melhoria na programação do quantitativo de peças de reposição.
Auxiliar à manutenção preditiva, filtrando as informações redundantes e auxiliando no diagnóstico de defeito.
JUSTIFICATIVA
Vantagens Redução nos custos de viagens para coleta de sinais,
eliminando o tempo gasto em deslocamento de especialistas.
Diagnosticar a grande maioria dos defeitos, deixando os especialistas com mais tempo para a analise dos casos mais complexos ou que fogem aos padrões conhecidos.
Viabilizar as tomadas de decisões dos operadores, possibilitando o acompanhamento "on-line" das evoluções dos sinais fornecidos pelo sistema de diagnósticos, auxiliando na manutenção autônoma e possibilitando a convocação da equipe de manutenção em tempo hábil para solucionar eventuais problemas que estejam evoluindo muito rapidamente.
3. EQUIPE DO PROJETO
Prof . Dr. Roberto Limão (Coordenador) - UFPA Jacques Sanz (Gerente) - ELETRONORTE Prof. Dr. Alexandre Mesquita - UFPA Anderson José Costa Sena - UFPA Roger R. da Silva - UFPA Ednelson S. Costa - UFPA Marcus Guerra - UFPA Fábio Soares - UFPA
4. METODOLOGIA DO PROJETO
A. Elaborar treinamento da inteligência computacional lógica fuzzy.
B. Elaborar regras para o diagnóstico. C. Fornecer o suporte (Hardware e software)
aos módulos do Sistema DiaHGer instalados nas Usinas de Tucurui, Balbina e Coaracy Nunes.
D. Metodologia de desenvolvimento de software.
E. Escrever versão em C++ na estação de acesso de cada usina.
F. Escrever versão em Java.
4. METODOLOGIA DO PROJETO
G. Comparar a eficiência dos dois sistemas clientes.
H. Verificar a consistência das regras para o diagnóstico.
I. Criar, revisar e testar regras para os defeitos e aplicá-las no Labview. Atualização do software em LabView.
J. Validar o sistema de diagnóstico. K. Comunicação com o Supervisório, IMADP e
Queda em LabView.
A. TREINAMENTO
Cursos de lógica Fuzzy para especialistas, técnicos e engenheiros da ELETRONORTE e membros da equipe do projeto.
Reuniões para nivelamento de conhecimento e coleta de informações.
B. ELABORAÇÃO DE REGRAS
Elaboração das regras de diagnóstico Elaboração e aperfeiçoamento das regras. Inclusão das regras no sistema. Testes das regras no sistema de diagnóstico.
B. ELABORAÇÃO DE REGRAS
Revisão Estudo da correlação entre a vibração e as descargas parciais
Pesquisa dos níveis de alarme da vibração do núcleo e da barra no ESTATOR
Palestra: “Fundamentos das Centrais Hidrelétricas e Turbogeradores” Ministrada pelos Prof. Dr. Alexandre Mesquita
Revisão da tecnologia de hardware utilizada pelo sistema SIMME
C. FORNECER O SUPORTE LEVANTAMENTO DE INFORMAÇÕES REFERENTES A MONITORAÇÃO DE HIDROGERADORES
Informações contidas no SIMME Informações contidas no IMADP / Supervisório Após a pesquisa verificou-se que as
informações atualmente disponíveis não atendem ao sistema de diagnóstico em virtude de da ausência de variáveis de grande importância como a de temperatura.
Surgiu a necessidade da equipe do projeto contribuir com o desenvolvimento de um módulo em software de leitura de dados necessários a continuidade do projeto.
D. SEMINÁRIOS E CURSOS
Cursos oferecidos pela ELETRONORTE/UFPA/LABEM Fundamentos de Vibração e Balanceamento Fundamentos de Dinâmicas de Rotores Processamento Digital de Sinais e Manutenção
Preditiva. Participação da equipe do projeto no
seminário do “Estado da Arte em Sistemas de Monitoramento aplicados a Máquinas Rotativas”.
E. SISTEMA DE DIAGNÓSTICO
Metodologia Documentação padrão de software adotada pela
ELN Especificação dos Requisitos de Software Modelo de Análise de Software Plano de Especificação de Software
Levantamento das regras Base de dados
Comunicação com os Bancos de Dados: SIMME, IMADP e Supervisório.
Configuração Fuzzy em arquivo texto.
F. ARQUITETURA DO SISTEMA
SISTEMA DE AUXÍLIO A DIAGNÓSTICO
Consiste em um software composto por módulos de auxílio ao diagnóstico de defeitos em hidrogeradores. Diagnóstico com dados reais Diagnóstico com dados simulados
Os módulos desenvolvidos utilizando algoritmos
baseados em lógica fuzzy e a base de conhecimento formada pelo corpo técnico da Eletronorte.
Com a finalidade de diagnosticar defeitos relacionados: à perda da capacidade de isolamento do estator desgaste dos mancais desgaste do anel coletor
SOFTWARE
Funções principais Diagnóstico de hidro-gerador Validação das regras Impressão de relatórios
Ambiente de Desenvolvimento Labview
TELA PRINCIPAL
LOGIN
CONFIGURAÇÃO FUZZY
EDIÇÃO DE VARIÁVEIS
EDIÇÃO DE CONJUNTOS
EDIÇÃO DE REGRAS
REGRAS
Exemplo de regras fuzzy utilizadas:
SE OscRadialMGT-0= Alarme2 ENTÃO ExcentricidadeMGT=Alto
SE TempOleoMGT=Alarme2 E TempMetalMGT=Alarme2 E OscRadialMGT-0=Normal E OscRadialMGT-90=Normal ENTÃO DefeitoResfMGT=Alto
VALIDAÇÃO DE REGRAS
G. DESENVOLVIMENTO DO SISTEMA DE DIAGNÓSTICO EM C++ BUILDER
Desenvolver sistema de diagnóstico em C++;
Fazer testes de performance; Comparar com os sistemas desenvolvidos em
Java e LabView; Desenvolvido utilizando a IDE Code Gear
Builder 2009.
SISTEMA DE DIAGNÓSTICO EM C++
Interface Principal
H. DESENVOLVIMENTO DO SISTEMA DE DIAGNÓSTICO EM JAVA
Desenvolver sistema de diagnóstico em Java; Fazer testes de performance; Comparar com os sistemas desenvolvidos em
Builder C++ e LabView; Desenvolvido utilizando o NetBeans
I. DESENVOLVIMENTO DE MÓDULO PARA LEITURA DAS GRANDEZAS FORNECIDAS PELO SISTEMA SUPERVISÓRIO
Desenvolvimento um módulo em software que permitirá a comunicação com o CLP responsável pela medição das variáveis de processo da UGH-01 da UHE Tucuruí.
Permitirá a leitura das variáveis de processo. Identificação das variáveis e dos seus códigos
de acesso utilizados pelo CLP para que os valores das grandezas possam ser lidos pelo sistema
Estão sendo realizados, em laboratório, testes de comunicação com alguns instrumentos de medição através da interface serial utilizando o módulo de comunicação desenvolvido em LabView.
OBTENÇÃO DE DESCARGAS PARCIAIS
As descargas parciais são adquiridas pelo sistema IMADP que faz o armazenamento dos dados de descargas parciais em arquivos no formato texto.
A localização de cada arquivo, bem como a data e a hora na qual ele foi armazenado, fica registrada no banco de dados do sistema na tabela DP_Mapa.
Para o sistema de diagnóstico é necessário apenas um valor numérico que represente o nível de descarga parcial em cada arquivo.
Para o sistema de diagnóstico é necessário apenas um valor numérico que represente o nível de descarga parcial em cada arquivo.
COMPARAÇÃO ENTRE SOFTWARE
Parâmetros de comparação foram definidos como:Sigla Parâmetro Descrição Unidade
P1Visualização tela de configuração
Ação de abrir a tela de configuração Fuzzy Tempo (ms)
P2 Inicializar Programa
Carregamento do programa na memória Tempo (ms)
P3 Carregar dados na tela
Carrega dados para diagnóstico na tela principal Tempo (ms)
P4 Carregar componentes
Carregamento das variáveis, conjuntos e regras de um componente.
Tempo (ms)
P5 Diagnóstico
Diagnóstico de falha em um registro de dados. Envolve todas as operações fuzzy.
Tempo (ms)
P6Carregar tela de simulação
Carregamento da tela de simulação Tempo (ms)
P7 Realizar simulação
Realização de uma simulação para dados fictícios, envolve todas as operações fuzzy e ainda exibe os detalhes das operações, tais como regras acionadas, conjuntos fuzzy acionados
Tempo (ms)
COMPARAÇÃO ENTRE SOFTWARE Resultados:
Os programas obtiveram uma performance equivalente e satisfatória, visto que os valores expressos na tabela acima estão em milésimos de segundo, e as diferenças passam a ser imperceptíveis para o usuário final.
Sigla Descrição Desempenho C++ (ms) Desempenho Java (ms)
p1 Visualização tela configuração 16 3
p2 Inicializar programa 31 1235
p3 Carregar os dados na tela 16 6,87
p4 Carregar componentes 1610 18,7
p5 Diagnosticar 125 1,43
p6 Carregar tela simulação 47 7,5
p7 Realizar simulação 125 6
BANCO DE DADOS
O Sistema de Diagnóstico utiliza dados de dois bancos de dados, a saber: O banco de dados do SIMME O banco de dados IMADP.
As regras do sistema Fuzzy estão sendo armazenadas no banco do SIMME.
O SGBD é SQL Server 2000.
BANCO DE DADOS VIRTUAL
Com o objetivo de realizar simulações com as regras disponíveis de modo a validá-las sem que houvesse a implantação com os bancos SIMME e IMADP, criou-se um banco de dados virtual.
Este banco serve como base para fazer a análise dos defeitos do hidrogerador ajudando a fazer a simulação desses defeitos.
5. PRODUÇÃO CIENTÍFICA
SBAI 2009 ENAM 2010 ERIAC 2011 SNPTEE 201 CIBEM 2011
6. MODIFICAÇÕES REALIZADAS NO PROJETO Contribuição com o desenvolvimento do SIMME
Desenvolvimento no SIMME de um código responsável pela leitura das grandezas fornecidas pelo sistema supervisório das usinas.
Justificativa: Após a pesquisa verificou-se que as informações atualmente disponíveis não atendem ao sistema de diagnóstico em virtude de da ausência de variáveis de grande importância como a de temperatura.
Software de diagnóstico Versões em Java e C++ Builder. Justificativa: em reuniões com profissionais da
Eletronorte não chegou-se a um consenso de qual ambiente de desenvolvimento seria ideal para sistemas de diagnóstico remoto. Dessa forma, ficou estabelecido que seria necessário o desenvolvimento além do Labview nas plataformas C++ Builder e Java para comparação de desempenho.
MODIFICAÇÕES REALIZADAS NO PROJETO Obedecendo ao cronograma previsto para o Ano
03 do projeto, será mantida a etapa 7, entrando uma nova etapa que se refere a validação do sistema de diagnóstico.
Como ajuste sugerido para a continuidade do projeto, passam a fazer parte do cronograma as novas atividades abaixo: Criar, revisar e testar regras para os defeitos e aplicá-
las no Labview. Atualização do software em LabView Comunicação com o Supervisório, IMADP e Queda em
LabView Escrever versão em C++ na estação de acesso de
cada usina Escrever versão em Java Comparar a eficiência dos dois sistemas clientes Estas alterações já com o novo cronograma estarão
no próximo Formulário de Acompanhamento do Projeto.
MODIFICAÇÕES REALIZADAS NO PROJETONúmero/Etapa 1 2 3 4 5 6 7 8 9 10 11 121 Criar, revisar e testar regras para os defeitos
e aplicá-las no Labview. Atualização do software em LabView.
2 Comunicação com o Supervisório, IMADP e Queda em LabView.
3 Validar o sistema de diagnóstico.
4 Fornecer o suporte (Hardwaree software) aos módulos doSistema DiaHGer instaladosnas Usinas de Tucurui, Balbinae Coaracy Nunes.
5 Escrever versão em C++ na estação de acesso de cada usina.
6 Escrever versão em Java.
7 Comparar a eficiência dos dois sistemas clientes.
8 Validar os sistemas de diagnóstico.
9 Fornecer o suporte (Hardwaree software) aos módulos doSistema DiaHGer instaladosnas Usinas de Tucurui, Balbinae Coaracy Nunes.
7. RESULTADOS Diagnóstico dos mancais quanto aos defeitos de:
Desbalanceamento Perigo de roçamento Excentricidade dos mancais Defeito no sistema de resfriamento Oil Whril
Diagnóstico do isolamento de estator quanto aos defeitos de: Sobre-aquecimento do Enrolamento Estatórico Nível de Descarga Parcial elevada Afrouxamento no núcleo Sobre-aquecimento elevado
Regras utilizadas foram criadas por especialistas da Eletronorte.
RESULTADOS
Saídas apresentam um valor percentual dos defeitos.
Quando estão situados na faixa amarela o defeito já apresenta alguma preocupação, embora o problema ainda não seja crítico.
Quando estão situados na faixa vermelha o defeito já apresenta riscos.
RESULTADOS PARA MANCAIS
Possibilidade de 46,45% para excentricidade no MGT. Com base nos valores de Oscilação.
Informa que a máquina já se encaminha para problemas de excentricidade, embora não muito severo.
RESULTADOS PARA MANCAIS
Possibilidade de 90,57% para excentricidade. Mostra que a máquina se encontra com
fortes característica do defeito.
RESULTADOS PARA ISOLAMENTO DO ESTATOR
O sobreaquecimento do enrolamento estatórico existe quando há temperatura elevada no enrolamento, no ar e no núcleo.
As temperaturas elevadas, identificam uma possibilidade de 73,02% para o defeito.
8. CONCLUSÃO Monitoração contínua do equipamento e
armazenamento do histórico dos equipamentos.
Melhoria na programação do quantitativo de peças de reposição.
Auxiliar à manutenção preditiva, filtrando as informações redundantes e auxiliando no diagnóstico de defeito.
Redução nos custos de viagens para coleta de sinais.
Deixar os especialistas com mais tempo para a análise dos casos mais complexos ou que fogem aos padrões.