Hallgatói dolgozatok (Gépészmérnöki Tanszék)
Állandó link (URI) ehhez a gyűjteményhez
A Műszaki Karon készült szakdolgozatok és diplomamukák gyűjteménye.
Böngészés
Hallgatói dolgozatok (Gépészmérnöki Tanszék) Tárgyszó szerinti böngészés "állapotfelügyelet"
Megjelenítve 1 - 2 (Összesen 2)
Találat egy oldalon
Rendezési lehetőségek
Tétel Korlátozottan hozzáférhető Dugattyús kompresszorok állapotfelügyelete és diagnosztikai módszerei a MOL PetrolkémiánálFekete, Károly; Deák, Krisztián; DE--Műszaki KarDolgozatom témája szoros kapcsolatban van a napi munkám feladataival. Munkám során immár 30 éve foglalkozom a Mol-Petrolkémia területén lévő dugattyús kompresszorok és a vegyipari rendszerekben használt különböző típusú forgógépek karbantartásával. A vegyiparban használt nagyteljesítményű re-cirkulációs gázkompresszorok hatékony üzemeltetése szempontjából elengedhetetlen az egyes komponensek állapotának ismerete. Dolgozatomban ismertetem a Mol-csoportot, Mol-Petrolkémiát majd munkahelyemet a Petrolszolg Kft a Mol-csoport szervízét. Diagnosztikai szempontok szerint ismertetem néhány módszer alapfogalmát, majd kitérek a dugattyús kompresszorok állapotfelügyeleti lehetőségeire. Ismertetem a PE1/HDPE-1 üzemben kialakított állapotfelügyeleti rendszer kivitelezését és feladatomat ezzel kapcsolatban. Ezután ismertetem karbantartási és üzemeltetési szempontból kritikusnak számító dugattyú vezetőgyűrű kopásának problémáját, és ezen szempont szerint vizsgálom meg a Mol-Petrolkémia öt polimer üzemének dugattyús kompresszorait. Valamint ahol lehet javaslatot teszek javító intézkedések lehetőségéreTétel Korlátozottan hozzáférhető Forgógépek korszerű állapotfelügyelete az Ipar 4.0 elvei szerint- A Schaeffler EcoSystem AI alapú állapotf el ügyeleti rendszerek alkalmazása a gyakorlatbanJecs, Gábor; Deák, Krisztián; DE--Műszaki KarDolgozatomban az Ipar 4.0 fejlődési korszakának egyik fontos állomásaként bemutattam, hogy a korszerű állapotfelügyeleti rendszerek hogyan járulnak hozzá a gépek hatékonyságának növeléséhez, a költségek csökkentéséhez, valamint az ipari termelés megbízhatóságához. A Schaeffler EcoSystem AI-alapú állapotfelügyeleti rendszerének elemzésén és gyakorlati alkalmazásán keresztül megvilágítottam, hogyan valósulhat meg az IoT és a mesterséges intelligencia integrálása a prediktív karbantartási folyamatokban. A 2. fejezetben részletesen tárgyaltam a SmartCheck, ProLink, valamint az OPTIME rendszereket, amelyek képesek a valós idejű adatgyűjtésre és a gépek állapotának folyamatos monitorozására. Az AI és a rezgésérzékelők segítségével a rendszerek képesek előre jelezni a meghibásodásokat, csökkentve ezzel a váratlan leállásokat és növelve a berendezések élettartamát. A kiválasztott WEG aszinkron motoron megvalósult projekt segítségével az OPTIME állapotfigyelő rendszer megvalósítását egy jól strukturált, több lépésből álló folyamaton keresztül mutattam be, amely biztosította a sikeres telepítést és üzembe helyezést. Az AI által támogatott rezgésmérésen alapuló rendszer megvalósítási folyamatát kidolgoztam, és szem előtt tartottam, hogy az integrálható legyen a vállalat jelenlegi karbantartási rendszerébe. Az AI segítségével automatizált döntéshozatali folyamatot alakítottam ki, amely figyelembe veszi a gépek állapotát és működési jellemzőit, és ennek alapján időben javaslatot tesz a szükséges karbantartási lépésekre. Ez a megközelítés lehetővé tette a karbantartási költségek csökkentését, az üzemidő növelését és a gépek általános megbízhatóságának javítását. A rendszer felhasználóbarát felületet biztosít az aktuális állapotjelentésekhez és előrejelzésekhez, ezáltal gyors és megalapozott döntéseket hozhatnak. A megvalósítás során hangsúlyt fektettem a rendszer skálázhatóságára is, hogy a vállalat jövőbeli igényeit figyelembe véve bővíthető és rugalmas maradjon, hozzájárulva ezzel a hosszú távú fenntarthatósághoz és a folyamatos innovációhoz. Végezetül rövid betekintést nyújtottam az első 6 hónap alatt szerzett tapasztalatokba és a jövőbeli terveinkbe, amelyek között szerepel az AI-alapú rezgésmérés további fejlesztése, a rendszer integrációja más prediktív karbantartási technológiákkal, valamint a karbantartási folyamatok teljes automatizálásának megvalósítása a mesterséges intelligencia folyamatos fejlődése révén.