Ей там! Като доставчик на помпени станции, редовно се занимавах с данни, събрани от тези станции. Анализът на тези данни е от решаващо значение за осигуряване на ефективната и надеждна работа на помпените станции. В този блог ще споделя с вас как ще анализирам данните, събрани от помпена станция.
1. Събиране и разбиране на данни
Първо първо, трябва да съберем правилните данни. На помпена станция обикновено събираме широк спектър от точки от данни. Това включва дебит, нива на налягане, консумация на мощност на двигателя на помпата, температура на двигателите и помпите и работното състояние на различни компоненти като клапани.
Използваме различни сензори и устройства за наблюдение, за да съберем тези данни. Например, измервателите на потока се използват за измерване на обема на водата, преминаваща през помпите, докато сензорите за налягане следят налягането в различни точки в системата. След това всички тези данни се предават на централна система за управление, където се съхранява за допълнителен анализ.
Преди да се потопите в анализа, важно е да се разбере какво представлява всяка точка от данни и как се отнася до цялостната работа на помпената станция. Например, внезапното увеличаване на консумацията на енергия от двигателя на помпата може да показва проблем със самата помпа, като запушено колело или износен лагер.
2. Почистване на данни
След като разполагаме с данните, това рядко е в перфектно състояние. Възможно е да липсват стойности, остатъци или неправилни записи. И така, следващата стъпка е почистването на данните.
Липсващи стойности могат да възникнат поради неизправности в сензора или грешки в комуникацията. Имаме няколко начина да се справим с тях. Понякога можем да използваме методи за интерполация, за да оценим липсващите стойности въз основа на околните точки от данни. Например, ако имаме липсваща стойност на дебита в определен момент, можем да изчислим средно ниво на дебита малко преди и след това време.
Отшелниците са точки от данни, които значително се различават от останалите данни. Те могат да бъдат причинени от сензорни проблеми или временни смущения в помпената станция. Ние идентифицираме остатъци, използвайки статистически методи като между -квартилния диапазон. След като ги идентифицираме, трябва да решим дали да ги премахнем или коригираме. Ако един външен човек очевидно се дължи на сензорна грешка, можем да го премахнем от набора от данни.
3. Описателен анализ
След почистване на данните започваме с описателен анализ. Това включва изчисляване на основните статистически данни като средната, медианата, режима, стандартното отклонение и обхвата за всяка променлива на данни.
Например, ако разглеждаме дебита за определен период, изчисляването на средния дебит ни дава представа средното количество вода, която се изпомпва. Стандартното отклонение ни казва колко скоростите на потока варират от средната стойност. Високото стандартно отклонение може да показва непоследователна работа на помпите.
Ние също така създаваме визуализации като хистограми, лентови диаграми и линейни графики, за да постигнем по -добро разбиране на разпределението на данните. Линейна графика на консумацията на мощност на двигателя на помпата с течение на времето може да ни покаже тенденциите, като например дали консумацията на енергия се увеличава или намалява постоянно. Това може да ни помогне да открием ранни признаци на проблеми, като помпа, която започва да работи по -усилено от нормалното.
4. Анализ на тенденциите
Анализът на тенденциите е мощен инструмент за прогнозиране на бъдещото поведение на помпената станция. Разглеждаме как се променят данните с течение на времето. Например, ако забележим, че налягането в помпената система постепенно се увеличава в продължение на няколко седмици, това може да е знак за блокиране в тръбите или проблем с работното колело на помпата.
Можем да използваме регресионен анализ, за да моделираме тенденциите. Проста линейна регресия може да се използва, ако има линейна връзка между две променливи, като връзката между скоростта на помпата и скоростта на потока. По -сложни регресионни модели могат да се използват за не -линейни връзки.
Чрез идентифициране на тенденциите можем да планираме предварително поддръжка и надстройки. Например, ако видим, че ефективността на помпата непрекъснато намалява, можем да насрочим проверка за поддръжка, преди да се провали напълно.
5. Анализ на корелацията
Анализът на корелацията ни помага да разберем връзките между различните променливи на данните. Искаме да знаем дали промените в една променлива са свързани с промените в друга променлива.
Например, има ли връзка между консумацията на енергия на помпата и дебита? Ако има силна положителна корелация, това означава, че с увеличаването на дебита, консумацията на енергия също се увеличава, което се очаква при нормална работна помпа. Ако обаче открием неочаквана корелация, като отрицателна корелация между консумацията на енергия и дебита, това може да показва проблем с помпата или системата за управление.
Ние използваме коефициенти на корелация, като коефициент на корелация на Pearson, за да измерим силата и посоката на връзката между две променливи. Стойност, близка до +1, показва силна положителна корелация, стойност, близка до - 1 показва силна отрицателна корелация, а стойност, близка до 0, показва малка или никаква корелация.
6. Откриване на аномалия
Откриването на аномалия е свързано с намирането на точки от данни или модели, които се отклоняват от нормалното поведение на помпената станция. Тези аномалии могат да бъдат ранни показатели за повреда на оборудването, течове или други проблеми.
Един от начините за откриване на аномалии е чрез задаване на прагове за всяка променлива на данни. Например, ако нормалната работна температура на двигателя на помпата е между 50 ° C и 70 ° C, всяко отчитане на температурата над 70 ° C или под 50 ° C може да бъде маркирано като аномалия.
Можем също да използваме алгоритми за машинно обучение за по -усъвършенствано откриване на аномалия. Тези алгоритми могат да научат нормалните модели в данните и след това да идентифицират всички отклонения от тези модели. Например, алгоритъмът за клъстериране може да групира подобни точки от данни заедно и всяка точка от данни, която не се вписва в нито един от клъстерите, може да се счита за аномалия.
7. Анализ на основната причина
След като открием аномалия или проблем в помпената станция, следващата стъпка е анализ на първопричините. Искаме да разберем какво наистина причинява проблема.
Започваме, като разгледаме всички свързани променливи на данни. Например, ако една помпа внезапно е спряла да работи, ще разгледаме консумацията на енергия, нивата на налягане и скоростта на потока точно преди да спре помпата. Можем също да проверим състоянието на системата за управление и всички други компоненти, които биха могли да бъдат свързани с работата на помпата.
Използваме техники като метода 5 Whys, където многократно питаме „защо“, за да стигнем до първопричината за проблема. Например, ако помпата е спряла поради повреда на захранването, ще попитаме защо е имало прекъсване на захранването. Дали това се дължи на дефектен прекъсвач, прекъсване на захранването в района или проблем с електрическата система на помпата?
8. Използване на резултатите от анализа
Последната стъпка е да се използват резултатите от анализа, за да се вземат информирани решения. Ако анализът на данните покаже, че помпата работи неефективно, можем да решим да я поправим или заменим. Ако открием потенциален теч в системата, можем да насрочим екип за поддръжка, който да го инспектира и коригира.
Можем също да използваме резултатите от анализа, за да оптимизираме работата на помпената станция. Например, ако установим, че помпите работят с по -висока скорост от необходимото, можем да регулираме скоростта на помпата, за да намалим консумацията на енергия, без да жертваме необходимия дебит.
Като доставчик наИнтегрирана помпена станция за водоснабдяване,Интегрирана помпена станция за аксиален потокиИнтегрирана прихващаща помпена станция, Разбирам значението на предоставянето на висококачествени помпени станции и надеждни услуги за анализ на данни. Ако сте на пазара за помпена станция или се нуждаете от помощ при анализа на данните от съществуващата ви помпена станция, не се колебайте да се свържете. Тук сме, за да ви помогнем да гарантирате гладката и ефективна работа на вашите помпени системи.
ЛИТЕРАТУРА
- Montgomery, DC, Peck, EA, & Vining, GG (2012). Въведение в линейния регресионен анализ. Уайли.
- Han, J., Kamber, M., & Pei, J. (2011). Извличане на данни: концепции и техники. Elsevier.
- ISO 9906: 2012. Ротодинамични помпи - тестове за приемане на хидравлични производителност - клас 1 и 2.