Транспорт
Ctrl2GO Solutions

Как рождаются инновации: объясняем на локомотивах

Привет, это блог компании Сtrl2GO Solutions, здесь мы в режиме онлайн занимаемся цифровизацией промышленности. Сегодня очередь одного из ключевых направлений – железнодорожного транспорта: расскажем о том, как, решая рутинные задачи, мы смогли создать инновационное решение, которое принесет выгоду всей железнодорожной отрасли.

Рутина, которая двигает инновации

Работая над проектом «Умный локомотив» (кстати, про него мы уже писали раз и два), мы в Сtrl2GO Solutions столкнулись с проблемой: для полноценной диагностики тяговых электродвигателей недостаточно существующих технических возможностей.

При этом отказы электродвигателей — одна из важных проблем всей отрасли. По данным статистики за 8 месяцев этого года, у некоторых моделей электровозов до 11% всех отказов были вызваны именно электродвигателями (а в целом неисправности тяговых электродвигателей становятся причиной до 30% всех отказов локомотивов).

Компании давно пытаются предсказывать эти отказы и делают всё, чтобы локализовать неисправности в двигателе с высокой точностью. Для этого используют три самых популярных метода: акустико-эмиссионную диагностику, диагностику силового электрического оборудования и анализ данных микропроцессорных систем. Кратко расскажем о каждом из них и объясним, почему решили разработать собственный четвертый метод. Который по совместительству оказался инновационным.

Как делают обычно

Акустико-эмиссионная диагностика. В этом подходе анализируют шум, который издает работающий электрический двигатель. Из нашего списка это самый дешевый, благодаря доступности оборудования и программного обеспечения. Однако минусы перевешивают — если у двигателя есть навесной механизм, например, тяговый зубчатый редуктор, то сигнал искажается и верить данным уже нельзя.

Диагностика силового электрического оборудования. В первую речь здесь имеются в виду стационарные комплексы, такие как «Доктор-060», которые измеряют электрические параметры. Механическую часть проверяют с применением комплексов вибродиагностики. Комплексы дают высокую точность диагноза, занимают мало места и недорого стоят. Минус очевиден — для диагностики необходимы каждый раз загонять локомотив на проверку, это занимает много времени и бизнес теряет деньги из-за простоев

Анализ данных микропроцессорных систем. Относительно новый метод, например, в рамках проекта «Умный локомотив» автоматическая расшифровка данных этих систем идет с 2016 года. Плюс в том, что система постоянно собирает данные, а не только во время диагностики. Минусы: низкая дискретность (количество измерений в секунду) данных и отсутствие новых датчиках на локомотивах старше 5 лет. А поскольку оснащение с нуля стоит довольно дорого, этот метод тоже нельзя считать универсальным.

Что придумали мы

Есть научная работа отечественных ученых, впервые опубликованная в 2004 году, где описан способ диагностики по параметру потребляемого тока. Он в первую очередь касался асинхронных электродвигателей, которые используют в горнодобывающем производстве, строительстве и в быту, например, в посудомойке. Там же была описана диагностика коллекторных электрических машин постоянного тока. И на основе этой научной работы специалисты Сtrl2GO Solutions разработали реальное устройство диагностирования электрических машин локомотивов «Программно-аппаратный комплекс».

Наше решение состоит из трех компонентов: бесконтактный датчик тока, регистратор, который считывает показатели, и аналитическая платформа. Кстати, эта платформа — собственная разработка группы Ctrl2GO и с августа этого года она входит в Единый реестр российского программного обеспечения.

ПАК считывает значения силы тока с высокой дискретностью и раскладывает данные значений тока в спектр. Затем платформа анализирует их и выдает информацию по каждому узлу электродвигателя: в каком он состоянии, каков остаточный ресурс и когда тот или иной элемент может выйти из строя. Предиктивная аналитика в чистом виде.

Работу комплекса протестировали на стендах испытания тяговых электродвигателей в депо Юдино и на Воронежском тепловозоремонтном заводе. Опытные образцы прошли обкатку на тепловозах 2ТЭ25КМ на базе Брянского машиностроительного завода. И все результаты говорят о том, что у нас получилось — теперь есть четвертый метод анализа электродвигателей, который одновременно точный, недорогой и не потребует долгой остановки тепловозов.

Что это даст железнодорожной отрасли и заодно всем нам

После анализа проблемы, научных изысканий и испытаний у нас получилось новое устройство, которое позволяет локализовать неисправности в электродвигателе с точностью до узла.

В рамках проекта «Умный локомотив» мы планируем использовать данные нашего комплекса совместно с информацией микропроцессорных систем. Тогда уровень предиктивной аналитики будет еще выше — мы сможем предсказывать поломки в электродвигателях задолго до их возникновения. Локомотивы на линии не будут ломаться, ремонт будет проводиться только по требованию, выиграют и железнодорожники, и обычные пользователи. Например, грузовые поезда всегда будут приходить вовремя, а вместе с ними будут приходить вовремя и ваши посылки. Круто же?

Главный вывод — инновационная разработка появилась в то время, когда мы решали достаточно рутинную отраслевую задачу. То есть для того, чтобы создать новое решение или новый продукт, не обязательно строить квантовый компьютер с генеративным ИИ или использовать NFT (и что там еще есть в последнем цикле хайпа от Gartner). Достаточно внимательно посмотреть на то, что вы делаете каждый день.

(function(w, d, id) { var h = 5000; var a = d.querySelector('#volvo-head'); var b = d.querySelector('[data-content-id="'+id+'"]'); var i = []; if (a && b) { a.style.display = 'block'; startSlideShow(); } var c = 0; var id = 0; function startSlideShow() { i = [].slice.call(a.querySelectorAll('.volvo-head__text span')); nextSlide(); }; function changeSlide() { var p = c; c += 1; if (c >= i.length) { c = 0; } if (i[p]) { i[p].classList.remove('volvo-head__active'); } if (i[c]) { i[c].classList.add('volvo-head__active'); } }; function nextSlide() { id = setTimeout(function() { var a = d.querySelector('#volvo-head'); if (a) { changeSlide(); nextSlide(); } }, h); }; }(window, document, 137185));
0
Комментарии
Читать все 0 комментариев
null