Indicador de estado de bombas centrífugas en sistemas de refrigeración de centros de datos

Aingura insights

Industrias electrointensivas

Monitorización de condiciones

TECNOLOGÍAS DE INTELIGENCIA ARTIFICIAL (AI) DESARROLLADAS

Técnicas de detección de novedades: Utilización de métodos avanzados de detección de novedades para identificar anomalías y desviaciones en el rendimiento de las bombas centrífugas.
Generación de líneas base en línea basadas en IA: Empleo de algoritmos de IA para generar y actualizar continuamente datos de referencia para su comparación en tiempo real con el rendimiento actual de la bomba.
Tecnología de IA basada en probabilidades: Implementación de modelos de IA basados en probabilidades para evaluar la probabilidad de fallo o degradación de los componentes.
KPI único que representa el comportamiento general: Creación de un Indicador Clave de Rendimiento (KPI) distintivo que ofrece una visión completa del rendimiento y comportamiento general de la bomba centrífuga.
Selección de subconjuntos de características en línea: Empleo de técnicas de selección de subconjuntos de características en línea para extraer las características más relevantes e informativas para una evaluación precisa del estado en tiempo real.

Desarrollar un sistema de sensores no intrusivos para la recogida de datos de bombas centrífugas.
Crear un conjunto de datos exhaustivo a partir de la limitada información disponible sobre el sistema analizado.
Aplicar técnicas avanzadas de preprocesamiento de datos para limpiar y formatear los datos recopilados.
Explorar nuevos métodos de ingeniería de características para extraer información relevante.
Aplicar algoritmos de aprendizaje automático para desarrollar un KPI que pueda supervisar eficazmente la salud de las bombas centrífugas.
Garantizar que el KPI sea capaz de detectar anomalías o fallos en tiempo real o casi real.
Establecer un umbral o línea de base para que el KPI active alertas cuando se detecten anomalías.
Integrar el KPI en el sistema de supervisión existente para un despliegue y funcionamiento sin problemas.
Validar la precisión y fiabilidad del KPI mediante pruebas y evaluación del rendimiento.
Proporcionar información práctica y recomendaciones para el mantenimiento y las acciones correctivas basadas en alertas de KPI.

Generación de un modelo explicable que represente con precisión el comportamiento dinámico del sistema eléctrico y mecánico de la bomba.

Extracción de parámetros modales altamente correlacionados con los modos naturales del sistema analizado, proporcionando información interpretable al usuario final para diagnosticar un funcionamiento anómalo.

Utilización de los parámetros modales estimados para crear una línea de base probabilística de aprendizaje automático, que a su vez produce un indicador clave de rendimiento (KPI) que significa el estado saludable del funcionamiento de la bomba.