Predikce selhání ložisek

Abstract

Tato bakalářská práce zkoumá použití matematického modelu rozhodovacího stromu pro předpověď selhání ložisek v papírenských strojích pomocí analýzy amplitudy vibrací. Hlavní přínosy této práce zahrnují vývoj metodiky pro předpověď selhání ložisek s cílem zlepšit přesnost a efektivitu prediktivní údržby. To zahrnuje sběr a předzpracování dat, následně implementaci a testování modelu rozhodovacího stromu. Práce také zkoumá praktičnost nasazení takového modelu v průmyslovém prostředí, se zaměřením na ekonomické přínosy vyplývající z úspory času a zlepšení plánování údržby. Přestože disertace poskytuje cenné poznatky o předpovědi selhání ložisek, uznává také, že je třeba udělat více práce. Návrhy pro budoucí výzkum zahrnují zdokonalení procesu sběru dat, úpravu citlivosti modelu pro zpracování v reálném čase a zkoumání implementace prediktoru selhání ložisek na základě frekvence.

This Bachelor's thesis examines the application of a mathematical decision tree model for predicting bearing failures in paper machines, using amplitude vibration analysis. The principal contributions of this thesis include the development of a methodology for predicting bearing failures, with a view to improving the accuracy and efficiency of predictive maintenance. This involves the collection and preprocessing of data, followed by the implementation and testing of a decision tree model. The thesis also explores the practicality of deploying such a model in an industrial setting, focusing on the economic benefits stemming from time savings and enhanced maintenance planning. While the dissertation provides valuable insights into bearing failure prediction, it also acknowledges that more work needs to be done. Suggestions for future research include refining the data collection process, adjusting model sensitivity for real-time processing, and exploring the implementation of a frequency failure bearing predictor