Identification of performance degradation of petrochemical centrifugal compressors with the aid of machine learning
Visualizar/abrir
Data
2023Autor
Orientador
Nível acadêmico
Mestrado
Tipo
Assunto
Resumo
Compressores centrífugos têm um papel importante na indústria de processo: muitas plantas industriais precisam deles para realizar suas operações. Reduzir períodos de inatividade deste tipo de máquina é importante para manter a viabilidade técnica e financeira do negócio. Uma das maneiras de aumentar a disponibilidade destes equipamentos é a adoção da manutenção baseada em condição, que visa a evitar intervenções desnecessárias. Desta forma, o presente trabalho apresenta uma metodologia para es ...
Compressores centrífugos têm um papel importante na indústria de processo: muitas plantas industriais precisam deles para realizar suas operações. Reduzir períodos de inatividade deste tipo de máquina é importante para manter a viabilidade técnica e financeira do negócio. Uma das maneiras de aumentar a disponibilidade destes equipamentos é a adoção da manutenção baseada em condição, que visa a evitar intervenções desnecessárias. Desta forma, o presente trabalho apresenta uma metodologia para estimar perdas de eficiência em compressores por meio de modelos não paramétricos de machine learning. O método é aplicado a quatro compressores diferentes trabalhando em aplicações petroquímicas. Os dados brutos são obtidos da telemetria das máquinas, tratados para remoção de outliers e usados para obtenção de propriedades termodinâmicas. Os grupos adimensionais e a eficiência politrópica, calculada pelo método Sandberg-Colby, são utilizados para treinar os modelos. O erro quadrático médio dos resultados de eficiência politrópica situa-se entre 6,21x10-6 e 3,25x10-4. Durante um período de três anos, o método identificou uma falha de instrumento, uma condição operacional anormal, uma repentina queda na eficiência e um aumento inesperado de eficiência, causado por mudanças no fluido de trabalho. O método também demonstrou que dois dos quatro compressores não apresentaram nenhuma degradação de eficiência durante a campanha. ...
Abstract
Centrifugal compressors play a key role in the process industry: many industrial plants need them to carry out their operations. Reducing downtime for this type of machine is therefore crucial to maintaining the financial and the technical viability of the business. One of the ways to increase the availability of this type of equipment is the adoption of condition-based maintenance, which aims to avoid unnecessary interventions. In this sense, this work presents a methodology to estimate effici ...
Centrifugal compressors play a key role in the process industry: many industrial plants need them to carry out their operations. Reducing downtime for this type of machine is therefore crucial to maintaining the financial and the technical viability of the business. One of the ways to increase the availability of this type of equipment is the adoption of condition-based maintenance, which aims to avoid unnecessary interventions. In this sense, this work presents a methodology to estimate efficiency losses in centrifugal compressors through machine learning non-parametric models. The method is applied to four different compressors working in petrochemical applications. Raw data are obtained from the plant’s telemetry, treated to remove outliers, and used to obtain thermodynamic properties. Dimensionless groups and polytropic efficiency, calculated by SandbergColby method, are used to train the models. The mean squared errors for efficiency ranged from 6.21x10-6 and 3.25x10-4. Over a period of three years, the method identified an instrument failure, an abnormal operating condition, a sudden drop in efficiency and an unexpected increase in calculated efficiency, caused by changes in the working fluid. It also demonstrated that two of the four compressors did not present any efficiency degradation during runtime. ...
Instituição
Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia Mecânica.
Coleções
-
Engenharias (7923)Engenharia Mecânica (853)
Este item está licenciado na Creative Commons License


