Internet Industriel des Objets IIOT : Maintenance normative automatisée pour IIoT et industrie 4.0

VibroBox est un service de traitement numérique du signal (DSP) axé sur la maintenance normative, les diagnostics de vibration et les algorithmes de surveillance d'état pour une large gamme d'équipements. Nous utilisons les technologies cloud, l'apprentissage automatique et les réseaux de neurones, l'analyse en ondelettes, la logique floue et d'autres algorithmes propriétaires pour traiter et analyser automatiquement les signaux de vibration et les données de télémétrie de différents types de capteurs. Notre équipe de scientifiques, d'ingénieurs et d'experts de l'industrie est dirigée par Igor Davydov, Ph.D. qui possède plus de dix ans d’expérience en science des données, en traitement numérique des signaux et en diagnostic des vibrations.
Des rapports détaillés sur la santé de l'équipement et des directives de maintenance sont facilement disponibles à partir de n'importe quel appareil dans le tableau de bord du service (démo). De plus, l'efficacité maximale est obtenue grâce à une intégration directe avec les systèmes de gestion d'entreprise (GMAO, MES, ERP, SCADA, etc.). La manière évidente de mettre en œuvre cette intégration consiste à utiliser des solutions intégratrices de plates-formes de services mondiales pour l'Internet industriel des objets (IIoT) et l'Industrie 4.0. Les plus grandes solutions du marché sont General Electric et Microsoft avec la plate-forme Predix pour Internet industriel, NVidia et SAP avec SAP Cloud Platform pour l'Internet des objets et Intel avec sa plate-forme Intel IoT. Par conséquent, notre objectif principal est de devenir un service de diagnostic essentiel dans les concepts IIoT et Industry 4.0.
Nous avons minutieusement testé VibroBox dans des installations industrielles en Biélorussie, y compris l'usine automobile Geely, plusieurs laboratoires d'essais d'équipement, des laminoirs, des compresseurs, des moteurs et d'autres équipements rotatifs, des générateurs et des paires de roues.
Caractéristiques clés de la VibroBox:

  diagnostics vraiment automatiques, aucun humain n'est impliqué;
  détection et rapport détaillés et précis des défauts (déséquilibre du rotor, faux-rond de l'arbre, usure de la bague extérieure du roulement / engrenage, etc.);
  presque tous les types d'équipement sont pris en charge et aucune étape préalable de «formation» pour notre technologie n'est requise;
  évolutivité facile;
  une large gamme de capteurs de vibrations industriels est prise en charge;
  intégration avec les systèmes de gestion d'entreprise;
  amélioration continue du service par notre équipe scientifique.

En comparaison, les solutions concurrentes entrent généralement dans l'une des catégories suivantes:

  Conditionnez les systèmes de surveillance qui collectent les données et prennent en charge les notifications généralisées telles que «quelque chose ne va pas».
  Systèmes non automatiques qui reposent sur des diagnostics manuels par une équipe d'experts. Parfois, le système de surveillance est utilisé pour informer les experts humains.
  Systèmes automatiques non évolutifs qui nécessitent une R&D à long terme et coûteuse pour chaque type d'équipement spécifique (développement de logiciels propriétaires, collecte de données de télémétrie pour toutes les combinaisons de défauts possibles, tentatives de formation de réseaux de neurones à l'aide de ces ensembles de données, etc.).

Nous expérimentons également des algorithmes pour une sélection efficace des caractéristiques parmi les signaux acoustiques, les souffles cardiaques et autres signaux non vibrants. Ces algorithmes peuvent soit augmenter considérablement l'efficacité des infrastructures d'IA existantes (Google Cloud Machine Learning Services, Microsoft Azure Batch AI Training, etc.) ou devenir le cœur d'un nouveau service de classificateur de cloud DSP universel.
La structure du service, les capteurs, les algorithmes de traitement des données et le rôle de VibroBox dans IIoT sont décrits plus en détail ci-dessous.
Table des matières
1. Qu'est-ce que le diagnostic basé sur les vibrations et la surveillance de l'état?
2. Le principe de fonctionnement de VibroBox
3. Conditions préalables à l'émergence de VibroBox
3.1. Surveillance de l'état des équipements industriels: défis traditionnels
3.2. Surveillance de l'état basée sur les vibrations dans le cadre du concept Industry 4.0
3.3. Qu'est-ce qui empêche la surveillance des conditions basée sur les vibrations contemporaine de faire partie de l'Industrie 4.0?
3.4. Qu'est-ce qui fait de VibroBox un service unique?
4. Concept de service VibroBox
5. Plateforme matérielle VibroBox
5.1. informations générales
5.2. Capteurs de télémétrie
5.3. Unité de transmission de données de communication et de télémétrie
5.4. Convertisseurs VibroBox ICP (IEPE)
5.5. Unité d'acquisition de données de télémétrie montée sur un rail DIN
6. Système de traitement des données VibroBox
6.1. Signal de vibration et données de télémétrie
6.2. Analyse automatique du schéma cinématique
6.3. Suivi de la vitesse de rotation des composants d'équipements rotatifs par des signaux de vibration
6.4. Algorithmes pour calculer l'ISO, le GOST, le facteur de crête, le kurtosis et d'autres métriques
6.5. Algorithmes pour l'analyse du spectre des signaux de vibration et du spectre d'enveloppe
6.6. Algorithmes pour le traitement par ondelettes du signal de vibration
6.7. Fonction ondelette de base adaptée pour isoler les processus d'impulsion de choc
6.8. Le vecteur des caractéristiques informatives de l'état technique de l'équipement
6.9. Classification des défauts dans le domaine des caractéristiques informatives
6.10. Génération de prescriptions pour la gestion technique des actifs
6.11. Résultats d'exploitation du service VibroBox
6.12. Algorithmes prometteurs et expérimentaux
7. Poursuite du développement de VibroBox

1. Qu'est-ce que le diagnostic basé sur les vibrations et la surveillance de l'état?
Des défauts d'équipements industriels qui n'ont pas été détectés à temps entraîneront des situations d'urgence et entraîneront des pertes de temps, d'argent et, dans certains cas, des conséquences négatives pour les personnes et l'environnement. En revanche, la maintenance conditionnelle (CBM), la maintenance prédictive (PdM) et principalement la maintenance normative (RxM) peuvent augmenter considérablement la durée de vie de l'équipement et sa fiabilité globale, et ainsi réduire considérablement l'investissement global dans l'entreprise.
Le diagnostic basé sur les vibrations est l'outil qui vous permet de détecter les défauts de l'équipement industriel liés à l'usure physique de ses composants et à d'autres facteurs opérationnels. L'application de méthodes de prédiction, basées sur une analyse approfondie des signaux de vibration, permet d'augmenter les intervalles entre les réparations, ainsi que de prévenir les accidents liés à l'usure inacceptable des composants mécaniques des équipements industriels. Cela permettra d'éliminer la possibilité de réparations imprévues d'une défaillance soudaine de l'équipement et, à long terme, de réduire considérablement les temps d'arrêt planifiés dans les cycles de production en passant à une maintenance proactive et normative. Il n'est pas nécessaire de stocker des pièces de rechange et des matériaux supplémentaires dans un entrepôt ou d'effectuer des réparations supplémentaires planifiées et évitables.
VibroBox résout les tâches de diagnostic des vibrations de manière complète et à un nouveau niveau. VibroBox est un service évolutif universel qui permet une surveillance approfondie de l'état et une prévision des défaillances des équipements industriels grâce au traitement et à l'analyse de ses signaux de vibration et de ses données de télémétrie. Pour résoudre ces tâches, VibroBox, basé sur les technologies cloud de stockage et d'informatique, utilise les méthodes de traitement des données les plus efficaces et progressives, telles que l'analyse en ondelettes, la création de vecteurs de base appropriés, des algorithmes de logique floue et bien d'autres.
Le service VibroBox réduit considérablement les coûts de maintenance d'une large gamme d'équipements rotatifs et alternatifs, y compris les générateurs, les moteurs, les turbines, les pompes, les compresseurs, les ventilateurs, les soufflantes, les boîtes de vitesses, les roulements, les laminoirs, etc. Ceci est possible, car:

  Des diagnostics efficaces et une description détaillée des défauts internes évitent les urgences et les arrêts imprévus des machines.
  Un entretien rapide augmente considérablement la durée de vie de l'équipement et améliore sa fiabilité globale.
  La maintenance conditionnelle, prédictive et principalement normative augmente les intervalles entre les entretiens de l'équipement. Les pièces d'équipement usées ne sont remplacées que lorsque cela est nécessaire, les lubrifiants sont changés et les méthodes de fabrication sont ajustées uniquement selon les besoins, plutôt que selon un calendrier fixe pour une maintenance planifiée ou préventive.
  VibroBox est évolutif verticalement. Vous pouvez commencer à diagnostiquer un nouveau type d'équipement dès que le schéma cinématique est téléchargé.
  Les changements dans les méthodes de fabrication ou les modes de fonctionnement des équipements ne nécessitent aucun réglage supplémentaire.
  Une production totalement sans pilote (comme indiqué dans le concept Industry 4.0) devient possible. Le contrôle opérationnel, les prévisions et la prise de décision sont entièrement automatisés et ne nécessitent ni opérateurs ni experts humains.
  De nombreuses ressources précédemment engagées dans un contrôle opérationnel excessif et la maintenance des équipements sont libérées.
  L'intégration avec les systèmes de gestion d'entreprise (GMAO, MES, ERP) automatise et optimise de nombreux processus métier.

2. Le principe de fonctionnement de VibroBox
Figure 1 – Le principe de fonctionnement de VibroBox.
Le signal de vibration et d'autres données de télémétrie (signal acoustique, température, pression de pétrole ou de gaz, etc.) sont transmis par des canaux de communication filaires ou sans fil, puis accumulés et analysés par divers algorithmes. Enfin, VibroBox fournit une description de tous les défauts internes et des recommandations d'entretien détaillées. Ces rapports sont accessibles sur le tableau de bord du compte de l'utilisateur ou directement soumis dans un système de gestion d'entreprise (GMAO, MES, ERP).
Pour plus de détails sur le fonctionnement de VibroBox, voir la section «Concept de service VibroBox».

3. Conditions préalables à l'émergence de VibroBox
3.1. Surveillance de l'état des équipements industriels: défis traditionnels
L’un des problèmes les plus courants de l’industrie est l’accès aux données de santé de l’équipement lorsque cela est nécessaire. La surveillance de l'état en ligne implique le suivi continu de nombreux paramètres de fonctionnement (température, niveau de vibration global, facteur de crête, etc.) et la réponse du système (ou de l'opérateur) lorsque ces paramètres dépassent les limites autorisées. La réponse peut inclure l'arrêt du processus, des diagnostics détaillés des problèmes d'équipement ou des réparations.
Selon l'étendue de la participation des experts à l'évaluation, nous distinguons les systèmes de surveillance de l'état orientés par les experts et automatisés.
Surveillance de l'état des équipements industriels pour les experts
De cette façon, une entreprise industrielle crée un département de contrôle d'état avec une équipe d'experts. Ces experts utilisent des outils spéciaux pour acquérir et traiter les données de télémétrie. Ils analysent ensuite les paramètres de ces signaux (généralement à l'aide de méthodes spectrales) et tentent d'évaluer l'état technique des équipements industriels et d'identifier les défauts de leurs pièces spécifiques.
Systèmes de surveillance d'état automatisés
L'avenir des systèmes de surveillance de l'état des équipements réside dans des solutions entièrement automatisées, et les fabricants de systèmes de surveillance de l'état développent les solutions. Il existe certains systèmes de surveillance de l'état basés sur les vibrations (généralement stationnaires), qui peuvent fonctionner en mode automatique pour des équipements industriels spécifiques. La mise en service d'un tel système implique une longue phase de recherche. Au cours de cette phase, la même équipe d'experts (formée avec du personnel interne ou via l'externalisation) construit un modèle mathématique, acquiert des fonctionnalités informatives et crée un logiciel spécialisé capable de surveiller l'état de l'unité spécifique d'équipement dans des conditions de fonctionnement spécifiées. Ce processus n'est pas tant une solution au problème, mais plutôt une tentative de former l'équipement de surveillance de l'état en projetant sur lui l'expérience limitée de l'équipe d'experts, et seule cette expérience sert de base de décision.
Enfin, la résolution des tâches de surveillance de l'état basée sur les vibrations de cette manière est extrêmement coûteuse – à la fois sur le plan organisationnel et financier. Formation, motivation du personnel, surveillance de leurs pratiques de travail et continuité de l'expérience, acquisition de systèmes de matériel vibrant coûteux – tout cela n'est qu'une partie du problème. Une telle solution au problème n'est pas très évolutive, obligeant l'entreprise à répéter toutes les étapes de mise en œuvre précédemment achevées avec des changements importants dans les processus de production et à recommencer à chaque fois depuis le tout début. Les coûts d'organisation et de support de la surveillance de l'état basée sur les vibrations deviennent déraisonnablement élevés.
Compte tenu de tous les facteurs décrits ci-dessus, la mise en œuvre de telles méthodes est un processus extrêmement long, long et coûteux.
Ainsi, il est possible d'identifier les principaux problèmes de la surveillance d'état basée sur les vibrations traditionnelles:

  seuil de mise en œuvre élevé – à la fois organisationnel et financier;
  formation coûteuse, motivation, contrôle et manque d'expérience des experts;
  achat coûteux et entretien de l'état de fonctionnement des outils de surveillance de l'état basés sur les vibrations;
  obstacles techniques et organisationnels des systèmes de mise à l'échelle;
  problèmes d'intégration avec les systèmes de gestion d'entreprise (GMAO, MES, ERP).

VibroBox est le service de surveillance d'état qui, grâce à l'utilisation optimale des algorithmes traditionnels de traitement numérique du signal et d'apprentissage automatique, résout la tâche de surveillance d'état automatique des équipements industriels. Ceci est réalisé sans créer de systèmes stationnaires spécialisés et sans recherche préalable effectuée par l'équipe d'experts «sur site». Cela fait de VibroBox un service de surveillance d'état facilement évolutif qui s'entraîne constamment avec une gamme de signaux de vibration accumulés avec une large gamme d'équipements connectés au service chaque jour.
3.2. Surveillance de l'état basée sur les vibrations dans le cadre du concept Industry 4.0
Industrie 4.0 est un terme qui décrit l'initiative européenne pour la mise en œuvre mondiale de systèmes cyber-physiques [1] dans les processus de production et les systèmes de gestion d'entreprise (GMAO, MES, ERP), ce qui devrait conduire l'industrie à l'Industrie 4.0. En 2014, les États-Unis ont suivi l'Allemagne et créé un consortium non commercial pour l'Internet industriel des objets, dirigé par des géants de l'industrie tels que General Electric, AT&T, IBM et Intel.
Ce concept crée un rôle important pour les systèmes de surveillance d'état. L'équipement, qui fonctionne dans le cadre de l'Internet des objets industriel (IIoT) doit être en mesure de signaler ses problèmes auto-identifiés et la maintenance technique requise au système de gestion d'entreprise en utilisant des systèmes de surveillance d'état entièrement automatisés intégrés ou préinstallés .
Les diagnostics des défauts de l'équipement (jusqu'aux pièces spécifiques) peuvent prédire la durée de vie restante de chaque pièce, en donnant des recommandations pour sa maintenance – tout cela devrait avoir lieu sans la participation d'experts ou de personnel opérationnel (c'est-à-dire que l'influence humaine sur la prise de décision doit être éliminée autant que possible).
De cette façon, le système de gestion d'entreprise reçoit les données initiales pour la planification de la maintenance de l'équipement directement du système de surveillance d'état. Les rapports du système de surveillance des conditions peuvent vous aider en effectuant les tâches suivantes:

  vérifier la disponibilité des pièces essentielles à l'entrepôt
  commander des réparations si nécessaire
  trouver une fenêtre dans le processus technologique
  générer une demande de service sur place et en temps opportun (sans arrêts prolongés, montage-démontage complet de l'équipement pour dépannage, etc.).

Naturellement, un système de prise de décision capable de résoudre ces tâches et d'auto-formation constante en utilisant des réseaux de signaux de vibration accumulés en continu ne peut fonctionner en toute confiance qu'au sein d'un service cloud. Les technologies cloud seront également utilisées pour une intégration claire du système de surveillance de l'état à l'aide du système de gestion d'entreprise.
Un système automatique efficace de surveillance de l'état en profondeur avec une intégration complète dans le système de gestion d'entreprise constitue le besoin dans le concept de l'Internet des objets industriel, que nous réalisons déjà au sein de VibroBox.
De plus, la tâche de la surveillance objective de l'état technique des équipements est déplacée vers les fabricants d'équipements et les encourage à fournir à leurs produits des systèmes automatiques intégrés pour la surveillance de l'état basée sur les vibrations en ligne. Dans les installations de production sans pilote du futur, il n'y a pas de place pour les départements de surveillance de l'état basés sur les vibrations.
Comment les entreprises en bénéficient-elles?

  L'équipement opéré devient plus fiable. Cela aide à prévenir les accidents et les temps d'arrêt, augmente considérablement la durée de vie restante de l'équipement, le temps entre la réparation et l'entretien, et sa fiabilité globale.
  Les processus de production deviennent moins redondants. Il aide à exclure les temps d'arrêt inutiles des processus technologiques, à libérer les spécialistes coûteux de l'inspection des équipements et à nous rapprocher de la technologie sans pilote en général. Il libère des ressources qui étaient auparavant utilisées pour la maintenance préventive des équipements.
  Intégration de systèmes technologiques avec des systèmes de gestion d'entreprise et optimisation des processus d'affaires. La technologie de contrôle automatique des ressources de production est presque devenue une réalité et la prise de décision dépend de résultats de prévision fiables. L'environnement de production a la possibilité de réduire considérablement les risques associés aux pannes inattendues. De plus, nous avons accès à un historique exhaustif – depuis le tout début du défaut jusqu'à l'état critique, ce qui est extrêmement important en termes de support de garantie de l'équipement.

Les systèmes intégrés de surveillance de l'état des vibrations en ligne permettent au fabricant de surveiller le fonctionnement de son équipement. De cette façon, le fabricant sait exactement comment et pourquoi son équipement est tombé en panne. Le système de surveillance de l'état fournit des recommandations de maintenance prédictive en temps opportun (par exemple, remplacement du lubrifiant sale), ce qui nous permet d'utiliser cet équipement avec une efficacité maximale en réduisant l'impact des facteurs qui raccourcissent la durée de vie restante de l'équipement. Lorsque quelque chose s'use et échoue, le fabricant a la possibilité à l'avance de préparer les pièces de rechange et les matériaux, ainsi que de planifier les réparations sans affecter le processus de production. Et surtout, le fabricant contrôle le fonctionnement de l'équipement pendant la période de garantie, connaît les conditions et les modes de fonctionnement et peut clairement distinguer un cas de garantie d'un cas hors garantie et le justifier avec une base de données factuelle.
Si l'équipementier prévoit de maintenir sa position sur le marché à l'avenir, il trouvera ces processus inévitables.
Il convient de noter que les fabricants interprètent actuellement ces tâches différemment. Certains fabricants tentent d'incorporer dans leurs exploitations les sociétés spécialisées dans la surveillance de l'état basée sur les vibrations, de sorte que le problème du système de surveillance de l'état est résolu. D'autres ont accès au service de surveillance d'état des équipements industriels à travers des partenariats et des accords de coopération.
3.3. Qu'est-ce qui empêche la surveillance des conditions basée sur les vibrations contemporaine de faire partie de l'Industrie 4.0?
Actuellement, des systèmes intelligents pour la surveillance de l'état technique des équipements, capables de résoudre des tâches conformément aux exigences de l'Internet industriel des objets, sont activement développés.
L'opportunité technologique pour la surveillance de l'état technique des équipements complexes en tant que service à distance et entièrement automatique est apparue relativement récemment grâce aux progrès révolutionnaires des technologies de l'information. Ce qui précède comprend des technologies de stockage et de traitement des données basées sur le cloud, de nouvelles méthodes de traitement des données, telles que l'analyse en ondelettes, la transformation de Hilbert-Huang, la création d'une base appropriée, l'apprentissage automatique, des techniques pour réduire la taille des ensembles de données de formation et des canaux de transmission sans fil rapides pour grands tableaux de données de télémétrie numérique.
Les développeurs de tels systèmes rencontrent un certain nombre de difficultés:

  Le prix élevé des erreurs dans le système technologique;
  Génération et validation de l'ensemble de formation;
  Génération du domaine des fonctionnalités informatives;
  La nécessité de développer un certain nombre d'algorithmes supplémentaires.

I. Prix des erreurs dans le système technologique
Dans les systèmes entièrement automatiques de l'Industrie 4.0, la fonction d'un expert devient celle d'un observateur. Ainsi, la demande pour l'identification fiable des défauts et la durabilité opérationnelle de ces systèmes est extrêmement élevée.
Les systèmes technologiques en termes de coût des erreurs peuvent être divisés en trois groupes:

  Le prix des erreurs simples est petit. De bons exemples sont tous les scénarios de jeu. Ici, le prix d'une erreur dans le système est petit. Aucun accident ne se produira et personne ne se blessera si une application telle que Prisma ou Fabby dessine une image de la mauvaise manière. Ce ne serait pas critique, si dans une pièce sombre (ou trop lumineuse), l'algorithme MSQRD échouait.

  Le prix des erreurs simples est modéré. Un exemple classique est un système de pointage de crédit. L'idée est d'évaluer à distance l'efficacité globale du système. Les erreurs uniques sont une nuisance, mais elles peuvent certainement se produire dans le cadre d'une utilisation courante (elles sont également incluses dans le système en tant que risques potentiels). De tels scénarios nécessitent une recherche approfondie des modèles mathématiques, un travail réfléchi avec les ensembles de données de formation, la sélection de la fonction d'activation, etc. Des équipes scientifiques sérieuses et parfois des départements entiers d'universités de premier plan y sont impliqués.

  Le prix des erreurs simples est élevé. Dans des domaines tels que la médecine, l'extraction et le raffinage des matières premières d'hydrocarbures, le transport, la surveillance de l'état des systèmes industriels, les accidents et la prévention des catastrophes, le prix des erreurs individuelles dans le système de prise de décision est extrêmement élevé. Dans ces scénarios, l'utilisation directe des réseaux de neurones est généralement évitée, principalement en raison de la prise de décision non évidente et des difficultés de suppression des erreurs de classification. C'est pourquoi une grande attention est accordée à la génération de domaines de fonctionnalités informatives pour l'apprentissage automatique, ainsi qu'aux systèmes de prise de décision mettant à jour des algorithmes plus stables et plus clairs, par exemple, basés sur une logique floue (qui permet de simuler le travail de l'expert avec le système d'hypothèses et leur vérification).

II. Génération et validation de l'ensemble de formation
Les méthodes modernes d'apprentissage automatique, en particulier les réseaux de neurones, nécessitent de grands ensembles de données de formation pour fonctionner.
Les principaux progrès des méthodes d'apprentissage automatique sont maintenant observés dans des domaines tels que le traitement d'images, les technologies de la parole, le traitement de texte, la médecine (traitement d'images médicales et utilisation de l'histoire médicale). Ces domaines sont similaires dans la mesure où des données volumineuses et correctement espacées en tant qu'ensembles de formation pour les algorithmes d'apprentissage automatique ont déjà été sélectionnées et sont disponibles, ou peuvent être préparées relativement facilement (ou achetées). La situation est cependant assez différente pour les domaines qui manquent d'ensembles de données de formation, ou où ils ne peuvent pas être rapidement collectés et générés dans le volume requis.
La surveillance de l'état basée sur les vibrations est l'un de ces problèmes. Il n'existe actuellement aucune base de données de signaux de vibration validés préparés pour l'apprentissage automatique. La raison en est que la surveillance de l'état basée sur les vibrations a toujours été un domaine dépendant de l'expert, et un expert a d'abord été formé, plutôt qu'une machine; source de signaux de vibration car aucune donnée d'entraînement n'a été collectée.
La deuxième partie du problème est liée à la gamme inhabituellement large d'équipements faisant l'objet de diagnostics pour différentes industries. C'est pourquoi la génération et la validation des ensembles de formation complets pour les systèmes universels de surveillance de l'état est une tâche extrêmement difficile.
III. Génération du domaine des fonctionnalités informatives
Les algorithmes d'apprentissage automatique résolvent la tâche de classification des objets dans le domaine des fonctionnalités informatives. Ce domaine est une description numérique de la classification des objets en tant que vecteurs de valeurs qui correspondent à un certain ensemble de fonctionnalités pour cet objet. En analysant ces données, les algorithmes d'apprentissage automatique les utilisent pour s'auto-former, puis classer les objets en classes prédéfinies.
Les techniques de surveillance de l'état qui sont largement utilisées à l'heure actuelle (méthodes métriques, ainsi que le spectre du signal de vibration et le spectre de l'enveloppe du signal) génèrent le domaine des caractéristiques informatives des défauts d'équipement sous une forme extrêmement gênante pour les systèmes automatiques. Le principal problème est que la portée de cette description n'est pas du tout suffisante pour un travail régulier d'algorithmes d'apprentissage automatique et leur utilisation comme base pour la mise en œuvre de systèmes universels de surveillance de l'état technique des équipements industriels. Cela est dû au fait que les méthodes traditionnelles de traitement des signaux de vibration sont très simples; ils ont été proposés il y a plus de 50 ans et sont toujours activement utilisés. De plus, la surveillance de l'état basée sur les vibrations est traditionnellement un domaine de connaissance orienté vers l'expert et un humain en tant qu'expert n'est pas physiquement capable de travailler avec le domaine des caractéristiques informatives de grandes dimensions.
IV. La nécessité de développer un certain nombre d'algorithmes supplémentaires
Les systèmes orientés vers les experts manquent d'un certain nombre d'algorithmes requis pour les systèmes entièrement automatisés.
Par exemple, l'algorithme de suivi de la vitesse de rotation des composants rotatifs de l'équipement prend en charge des mécanismes fonctionnant en mode non stationnaire (l'exemple le plus vivant est celui des véhicules).
Une analyse automatique du schéma cinématique du mécanisme est nécessaire pour un service de diagnostic universel et évolutif (en particulier, pour générer le domaine des caractéristiques informatives de tous les défauts potentiels des équipements en cours de diagnostic). Ce travail est généralement effectué par des experts en diagnostic vibratoire.
Ces algorithmes et d'autres qui ont été développés par notre équipe font partie de la propriété intellectuelle du projet.
3.4. Qu'est-ce qui fait de VibroBox un service unique?
VibroBox utilise les dernières méthodes de traitement et d'analyse des signaux de vibration et des données de télémétrie pour la surveillance entièrement automatique de l'état et la prévision des défaillances des équipements industriels. Nous utilisons les technologies de stockage et de traitement des données basées sur le cloud, l'analyse des ondelettes, la création de bases appropriées, l'apprentissage automatique et plus encore. En règle générale, pour résoudre ces tâches dans l'industrie, des systèmes spécialisés de surveillance de l'état stationnaire sont créés, ce qui nécessite de gros investissements et beaucoup de temps pour effectuer des recherches sur les équipements. En même temps, ces systèmes de surveillance de l'état sont des complexes logiciels et matériels fermés, pour lesquels l'expérience limitée d'une équipe d'experts sert de base de décision. En conséquence, de tels systèmes sont extrêmement difficiles à mesurer et ils sont complètement privés des possibilités d'apprentissage indépendant en analysant l'expérience accumulée sous forme de données sur le fonctionnement et les défaillances des équipements.
Les principes de fonctionnement, l'architecture et les méthodes de traitement des signaux appliqués font de VibroBox un service de surveillance d'état facilement mesurable. Il est constamment formé à une collecte quotidienne de signaux de vibration provenant de la plus large gamme d'équipements connectés au service. Dans ce cas, une surveillance détaillée de l'état des équipements et de nombreuses recommandations sont disponibles pour les nouveaux clients, même avec la première utilisation de VibroBox, sans aucune formation. L'utilisation de méthodes de prévision, qui sont basées sur une longue histoire de données collectées en continu, offre la possibilité de passer de la maintenance préventive de l'équipement à la maintenance conditionnelle (CBM) et prédictive (PdM), augmentant considérablement la durée de vie de l'équipement et sa fiabilité globale, éliminant les risques d'accidents et de pannes soudaines et garantissant une haute disponibilité.
Avec tous ces avantages, le coût d'utilisation du service VibroBox est bien inférieur à l'investissement global pour le déploiement et le support de systèmes de surveillance d'état hautement spécialisés.
La portée de l'utilisation du service VibroBox n'est pas limitée aux seuls équipements industriels. Déjà, les organismes de service et d'exploitation des locomotives et camions ferroviaires s'intéressent à notre projet.
VibroBox peut également fonctionner avec des signaux vibroacoustiques reçus de n'importe quelle manière accessible à l'utilisateur – jusqu'à l'utilisation d'un microphone intégré dans un smartphone, une tablette ou un PC ou le transfert vers VibroBox de signaux vibroacoustiques préenregistrés. À ces fins, notre équipe a également développé des applications pour les plates-formes mobiles (Android, Apple), qui, en plus de transférer des données vers VibroBox, ont toutes les fonctionnalités pour fournir des rapports prêts à l'emploi. Ces opportunités VibroBox seront les outils les plus simples pour exprimer la surveillance de l'état de votre équipement.

4. Concept de service VibroBox
La principale nouveauté de VibroBox ne réside pas dans les systèmes de transmission de données ou les capteurs, mais dans les méthodes de traitement des signaux de vibration qui permettent la génération du domaine pratique des fonctionnalités informatives pour les classificateurs (support de la machine vectorielle et des réseaux de neurones). C'est pour cette raison que le service devient entièrement automatique et que la surveillance de l'état basée sur les vibrations offre de nouvelles opportunités pour résoudre les tâches dans le cadre de l'Internet industriel des objets et de l'industrie 4.0.
Les algorithmes de surveillance de l'état des équipements mis en œuvre dans le cadre de VibroBox sont chargés d'identifier les ensembles de fonctionnalités informatives et de résoudre les tâches de classification en utilisant le domaine des fonctionnalités informatives. Un résultat du travail du classificateur est la formalisation de l'état de l'équipement au sein d'une des classes, qui sont basées sur l'analyse du schéma cinématique et l'évaluation d'un modèle paramétrique. Ainsi, VibroBox détermine l'état actuel de l'équipement, y compris les défauts de ses pièces spécifiques. En fonction de l'état de l'équipement identifié, de ses défauts et de la dynamique de leur développement, VibroBox fournit des rapports de surveillance de l'état de l'équipement et de maintenance prédictive.
Tous les algorithmes, sur lesquels VibroBox est basé, fonctionnent comme un cloud computing. Physiquement, il s'agit de serveurs distincts qui traitent les données de télémétrie et sont mesurés indépendamment du reste de VibroBox.
De nombreux algorithmes développés par l'équipe VibroBox n'existaient pas auparavant. Par exemple, l'algorithme de suivi de la vitesse de rotation des équipements rotatifs des composants par des signaux de vibration, un ensemble d'algorithmes pour l'analyse du schéma cinématique du mécanisme, etc.
Le schéma du principe de fonctionnement de VibroBox est présenté à la figure 2.
Les sources de signaux de vibration et de données de télémétrie transmettent les données initiales à VibroBox, qu'il s'agisse d'un signal vibratoire ou acoustique, de la température ou d'autres données de télémétrie nécessaires.
Le système de traitement des données est responsable du traitement des données reçues, de la génération des rapports de surveillance de l'état de l'équipement et de maintenance prédictive. Cette partie de VibroBox comprend à la fois des algorithmes traditionnels et nos propres algorithmes nouvellement développés.
Figure 2 – Le fonctionnement de VibroBox.

Le système de traitement des données résout les tâches suivantes:

  génération du domaine des fonctionnalités informatives, notamment:

  classification des défauts dans le domaine des caractéristiques informatives, comprenant les étapes suivantes:

  classification des défauts;
  validation ultérieure des défauts.

  génération de prescriptions pour la gestion technique des actifs.

La classification des défauts d'équipement, dans le domaine multidimensionnel généré de caractéristiques informatives, est effectuée par des algorithmes travaillant sur la base d'un réseau neuronal et d'une logique floue. Les résultats de la classification sont les résultats de VibroBox dans son ensemble, c'est-à-dire la surveillance de l'état de l'équipement et les rapports de maintenance prédictive.
Les résultats détaillés, les rapports d'état et les recommandations sont accessibles via le compte personnel de l'utilisateur de VibroBox et peuvent être automatiquement soumis via l'API VibroBox aux systèmes de gestion d'entreprise (GMAO, MES, ERP).

5. Plateforme matérielle VibroBox
5.1. informations générales
To monitor the condition of the equipment, VibroBox analyses vibration and acoustic signals, temperature, and other telemetry data. Signals are detected by specialised sensors. The characteristics completely satisfy the strictest requirements for quality and completeness of telemetry data acquisition.
VibroBox supports typical vibration sensors (in particular, PCB Piezotronics, Bernecker + Rainer (B&R) and SKF), such as accelerometers with built-in ICP (IEPE) electronics, which are widely used in industrial process control systems. This allows VibroBox to process signals from sensors already built into the equipment and makes VibroBox a universal service for condition monitoring of industrial equipment.
The figures below show an example of data acquisition sets using the VibroBox sensor (see Figure 3) and the accelerometers with built-in ICP (IEPE) electronics (see Figure 4). The description of individual devices from these sets is given below.
Figure 3 — An example of a data acquisition set with the VibroBox DVS1703 sensor.
Figure 4 — An example of a data acquisition set with the Bernecker+Rainer accelerometer.

Moreover, VibroBox uses the vibration sensors and microphones built into mobile platforms (in particular smartphones and laptops) as initial data sources. The results obtained by our team show that in many cases, condition monitoring of equipment made by the scenario “bring the smartphone close to the equipment, record vibration and acoustic signals; transfer them to the VibroBox; receive and view the condition monitoring report on the smartphone screen” is quite informative.
Thus, VibroBox becomes a universal service for condition monitoring of equipment — without being tied to any kind of hardware measuring platform.
5.2. Telemetry sensors
DVS series of VibroBox vibration sensors are designed to be installed on the equipment undergoing diagnostics in order to acquire necessary telemetry data and transmit it to the communication and telemetry data transmission unit. They function in the mode of continuous measurement of the absolute vibration and temperature of machines and mechanisms under industrial operation conditions. Each VibroBox unit is supplied in full operational readiness and requires no any additional maintenance or customization.
There are three design versions of DVS series sensors, each of which is determined by specific application conditions. In this case, the range of existing VibroBox sensors does not cover all possible installation options and other operational and technological limitations, so the range of VibroBox sensors is expanded as necessary.
The DVS1602/2Ch and DVS1610/2Ch sensors consist of a primary acceleration transducer (dual-axis MEMS transducer), a temperature sensor and a secondary (measuring) transducer build into a common rectangular (DVS1602/2Ch) and cylindrical (DVS1610/2Ch) housings.
The DVS1703 sensor consists of two parts:

  the first part: contains a primary acceleration transducer (dual-axis MEMS transducer) and a primary temperature transducer mounted in a single cylindrical housing;
  the second part: contains a digital measuring transducer mounted in a second cylindrical body.

Both parts are connected by a cable, the length of which is determined by the specific conditions of use.
The views of the VibroBox DVS sensors is shown in Figure 5.

a) DVS1602/2Ch sensor;
b) DVS1610/2Ch sensor;
c) DVS1703 sensor.
Figure 5 — the VibroBox DVS series vibration sensors.
The characteristics of DVS series sensors:

  
    
      
        Name of the characteristic
      
      
        Value of the characteristic
      
    
    
      
        Type of primary transducer
      
      
        dual-axis MEMS acceleration transducer
      
    
    
      
        Acceleration measurement range
      
      
        ±70g0
      
    
    
      
        Measurement range of vibration frequencies
      
      
        from 4 to 22 kHz
      
    
    
      
        Sensor mechanical resonance frequency
      
      
        22 kHz
      
    
    
      
        Built-in ADC bitness
      
      
        24 bit
      
    
    
      
        Built-in ADC sampling frequency
      
      
        96 kHz
      
    
    
      
        Operating conditions:
      
      
    
    
      
        climatic performance
      
      
        UHL 1 by GOST 15150-69 / CT by DS/IEC 721-2-1
      
    
    
      
        range of working temperatures 
      
      
        from minus 40 to +85°C
      
    
    
      
        Degree of protection provided by enclosure
      
      
        IP67 (in accordance with IEC 60529-2004 / GOST 14254-96)
      
    
    
      
        Sensor mounting type
      
      
        mounting by steel stud with metric thread
      
    
    
      
        Overall dimensions:
      
      
    
    
      
        DVS1602/2Ch
      
      
        80 × 60 × 55 mm (Width × Depth × Height)
      
    
    
      
        DVS1610/2Ch
      
      
        95 × 35 mm (Depth × Diameter)
      
    
    
      
        DVS1703:
      
      
    
    
      
        part with primary sensor
      
      
        24 × 17 mm (Depth × Turnkey size)
      
    
    
      
        part with measuring transducer
      
      
        93 × 35 mm (Depth × Diameter)
      
    
    
      
        Sensor weight (without cable):
      
      
    
    
      
        DVS1602/2Ch
      
      
        0,16 kg
      
    
    
      
        DVS1610/2Ch
      
      
        0,16 kg
      
    
    
      
        DVS1703
      
      
        0,2 kg
      
    
    
      
        ___________
         correction of climatic performance
      
    
  

The VibroBox DVS sensors mount on the equipment by an integrated steel stud with metric thread.
Also, there are options for mounting sensors using magnetic holders (see Figure 6), used when there is no possibility to make a threaded mounting.

Figure 6 — the DVS series sensor mounted using magnetic holder.
5.3. Communication and telemetry data transmission unit
The VibroBox communication and telemetry data transmission unit is designed for telemetry signals coding and transferring to VibroBox cloud by any wireless digital communication channels. Telemetry data acquisition units (in particular, VibroBox DVS series sensors or ICP (IEPE) converter) can be connected to this device as data sources. The common view of VB1610 data transmission unit is shown in Figure 7.
Figure 7 — The VB1610 communication and telemetry data transmission unit.
The characteristics of communication and telemetry data transmission unit VB1610:

  
    
      
        Name of characteristic
      
      
        Value of characteristic
      
    
    
      
        Power supply characteristics:
      
      
    
    
      
        DC power source voltage
      
      
        from 12 to 36 V
      
    
    
      
        AC voltage (must be connected through external power supply)
      
      
        from 100 to 240 V
      
    
    
      
        power consumption
      
      
        15 W
      
    
    
      
        built-in battery type
      
      
        Li-Ion
      
    
    
      
        battery life (with no external power supplying)
      
      
        at least 3 hours in continuous measurement mode
      
    
    
      
        Number of inputs for sensors connection
      
      
        1
      
    
    
      
        Types of signals sources
      
      
        
      
    
    
      
        Communication interfaces:
      
      
    
    
      
        built-in WiFi module
      
      
        IEEE 802.11b/g/n
      
    
    
      
        3G modem:
      
      
    
    
      
        normes
      
      
        UMTS/HSUPA/HSPA + GSM/GPRS/EDGE
      
    
    
      
        data transfer speed
      
      
        21,6 Mbit/s (HSDPA),
        5,76 Mbit/s (HSUPA)
      
    
    
      
        Operating conditions:
      
      
    
    
      
        climatic performance
      
      
        UHL 1 by GOST 15150-69 / CT by DS/IEC 721-2-1
      
    
    
      
        range of working temperatures 
      
      
        from +5 to +40°C
      
    
    
      
        Degree of protection provided by enclosure
      
      
        IP65 (by IEC 60529-2004 / GOST 14254-96)
      
    
    
      
        Overall dimensions (Width × Depth × Height, excluding the protruding antennas)
      
      
        170 × 102 × 81 mm
      
    
    
      
        Unit weight
      
      
        1 kg
      
    
    
      
        ___________
         correction of climatic performance
      
    
  

5.4. The VibroBox ICP (IEPE) converters
The VibroBox ICP (IEPE) converters are intended for converting signals taken from accelerometers with built-in ICP (IEPE) electronics and their subsequent transfer to the VibroBox communication and telemetry data transmission unit.
Figure 8 shows the 8-channel VibroBox ICP (IEPE) converter.
The characteristics of the VibroBox ICP (IEPE) converters:

  
    
      
        Name of characteristic
      
      
        Value of characteristic
      
    
    
      
        Power supply characteristics:
      
      
    
    
      
        DC power source
      
      
        VibroBox communication and telemetry data transmission unit
      
    
    
      
        power consumption
      
      
        2 W
      
    
    
      
        Number of inputs for signal sources connection
      
      
        from 2 to 8
      
    
    
      
        Type of supported signal sources
      
      
        accelerometers with built-in ICP (IEPE) electronics
      
    
    
      
        Operating conditions:
      
      
    
    
      
        climatic performance
      
      
        UHL 1 by GOST 15150-69 / CT by DS/IEC 721-2-1
      
    
    
      
        range of working temperatures 
      
      
        from minus 40 to +85°C
      
    
    
      
        Degree of protection provided by enclosure
      
      
        IP32 or IP65 (by IEC 60529-2004 / GOST 14254-96)
      
    
    
      
        Overall dimensions (Width × Depth × Height)
      
      
    
    
      
        for 2-channel converter
      
      
        142 × 67 × 60 mm
      
    
    
      
        for 8-channel converter
      
      
        150 × 60 × 47 mm
      
    
    
      
        Unit weight:
      
      
    
    
      
        for 2-channel converter
      
      
        0,15 kg
      
    
    
      
        for 8-channel converter
      
      
        0,4 kg
      
    
    
      
        ___________
         correction of climatic performance
      
    
  

Figure 8 — the 8-channel ICP (IEPE) converter.

5.5. The Telemetry data acquisition unit mounted on a DIN rail
The Telemetry data acquisition unit is designed for mounting on a DIN rail. The common views of the unit model VB 5.0-2ICP-DIN is shown in Figure 9.
Figure 9 — Common views of the VB 5.0-2ICP-DIN telemetry data acquisition unit.
The characteristics of the VB5.01-2ICP-DIN telemetry data acquisition unit:

  
    
      
        Name of characteristic
      
      
        Value of characteristic
      
    
    
      
        Power supply characteristics:
      
      
    
    
      
        power supply type
      
      
        DC power supply
      
    
    
      
        power supply voltage
      
      
        24 V
      
    
    
      
        power consumption
      
      
        15 W
      
    
    
      
        Inputs for sensors connection:
      
      
    
    
      
        number of inputs
      
      
        2
      
    
    
      
        type of inputs
      
      
        accelerometers with built-in ICP (IEPE) electronics
      
    
    
      
        Built-in ADC bitness
      
      
        24 bit
      
    
    
      
        Built-in ADC sampling frequency
      
      
        96 kHz
      
    
    
      
        Memory card type
      
      
        microSD
      
    
    
      
        Memory capacity for software
      
      
        16 GB
      
    
    
      
        RAM
      
      
        1 GB
      
    
    
      
        Processor type
      
      
        Quad-Core ARMv8 Cortex-A53 64 bit
      
    
    
      
        Processor speed
      
      
        1,2 GHz
      
    
    
      
        Communication interfaces:
      
      
    
    
      
        built-in WiFi module
      
      
        IEEE 802.11b/g/n
      
    
    
      
        Bluetooth
      
      
        v4.1
      
    
    
      
        Ethernet
      
      
        100 Mbit/s
      
    
    
      
        number of USB ports
      
      
        4
      
    
    
      
        Support for external USB devices
      
      
        Oui
      
    
    
      
        Operating conditions:
      
      
    
    
      
        climatic performance
      
      
        UHL 3.1 by GOST 15150-69 /
        CT by DS/IEC 721-2-1
      
    
    
      
        range of working temperatures 
      
      
        from 0 to +55°C
      
    
    
      
        Degree of protection provided by enclosure
      
      
        IP20 (by IEC 60529-2004 / GOST 14254-96)
      
    
    
      
        Overall dimensions (Width × Depth × Height, excluding the protruding antennas)
      
      
        46 × 135 × 105 mm
      
    
    
      
        Mounting type
      
      
        DIN rail mounting
      
    
    
      
        Unit weight
      
      
        0,2 kg
      
    
    
      
        ___________
         correction of climatic performance
      
    
  

6. The VibroBox data processing system
Among the key prerequisites that determine the architecture of VibroBox are:

Flowchart of the VibroBox data processing system is presented in Figure 10.
Figure 10 — the VibroBox data processing flowchart.
Telemetry data processing is based on and carried out using the following main data, functional parts and methods:

6.1. Vibration signal and telemetry data
To process the equipment condition monitoring, VibroBox analyses vibration signals, temperature and other telemetry data. Vibration signals can be sensed with specialised VibroBox sensors, the characteristics of which completely satisfy the strictest requirements for quality and completeness of telemetry data acquisition. VibroBox also supports a number of common vibration sensors from other manufacturers (accelerometers with built-in ICP (IEPE) electronics, which are widely used in industry). It is also worth mentioning that VibroBox can process acoustic and vibration signals from sensors and microphones built into modern mobile platforms, particularly smartphones and tablet PCs, with quite an informative result.
The task of condition monitoring of industrial equipment based on vibration signals has a long history. At the beginning of this path, the means of measuring and evaluating the informative features of equipment defects had not been well-developed, and vibration signals were evaluated integrally, using only one metric, e.g. the root mean square level or the crest factor. The most common and universal metrics are still used in the documents regulating equipment maintenance as per standard-compliant systems.
Given this situation, we have included in VibroBox a unit for the calculation of a large number of typal metrics. On the one hand, these metrics are used for tracking equipment in the monitoring mode in full conformity with applicable standards. On the other hand, all calculated metrics participate in forming the vector of informative features of equipment condition that is used by the classifier, which works based on neural networks and fuzzy logic.
6.2. Automatic analysis of the kinematic scheme
The kinematic scheme contains data on the structure of the equipment and serves to generate the domain of informative features of its condition. The example of kinematic scheme is shown in Figure 11.
Figure 11 — The kinematic scheme of screw-cutting lathe 1K62.
For condition monitoring, it is important to know which equipment components are involved in the transfer of motion from the engine to the working bodies of the machine. These components (gears, screws, shafts, pulleys, clutches, bearings, etc.) take on the main dynamic load, wear and failures. Therefore, information about the characteristics of these components and about their interactions and rotational speed is important and allows the condition monitoring system to work steadily.
VibroBox contains a specialised software unit that is able to turn the kinematic scheme into sets of informative features of equipment components defects. Defined in this manner, the sets of informative features are further used for training classifiers (neural networks) and searching for corresponding defects by vibration signal processing.
We are currently working on experimental algorithms, with which it will be possible to accurately and fully automatically determine the type and kinematic scheme of the mechanism by its vibrational or acoustic signals.
6.3. Tracking the rotational speed of rotary equipment components by vibration signals
Any industrial equipment is composed of a set of rotary parts that transmit rotation from one to another, and most of the defective frequencies of vibration signals are tied to the rotational speed of these parts. The absence of this data poses a serious problem when solving automation tasks of vibration-based condition monitoring: the grid of defective frequencies is subject to distortions (compressions/stretchings), and the lack of a mechanism for adapting the domain of informative features to these distortions increases the probability of a false alarm or a missing defect. It becomes especially evident in the ever-changing operational modes of the equipment undergoing diagnostics.
The datasheet is insufficient to determine the exact rotational speed because this frequency is capable of constantly changing when the equipment is running. Therefore, in order to track it, experts in vibration-based condition monitoring are forced to use additional tracking sensors.
To automate the task of rotational speed tracking, VibroBox went far beyond. The rotational speed of rotary equipment components are determined and tracked by the vibration signal processing. This is done by specialized algorithms, which allows minimising the risks of incorrect identification of frequencies associated with third-party hardware solutions usage.
The graphical interpretation of a rotation frequency refinement example, based on vibration analysis for two types of equipment is shown in Figures 12 and 13.

a) The waveform of gearbox with a teeth pitting defect;
b) Acceleration Envelop Spectrum;
c) The result of spectral frequency refinement.
Figure 12 — An example of the rotation frequency refinement based on vibration analysis for gearbox with teeth wear.
a) Shaft rotation speed refinement for a bearing with a strong defect in the outer ring (chipped);
b) The result of frequency refinement by the correlogram method.
Figure 13 — An example of the rotation frequency refinement based on vibration analysis for rolling bearing with outer ring defect.
6.4. Algorithms to compute ISO, GOST, crest factor, kurtosis, and other metrics
Method of vibration-based condition monitoring via the primary level (ISO, GOST)
This method is regulated by standards ISO 10816-X (ISO 20816-X), GOST ISO 10816-X series and based on one of the simplest widespread technologies that makes condition monitoring of equipment according to the overall level of vibration. This method of vibration-based condition monitoring is often used by manufacturers of equipment to meet the challenges of the output control of their products. It is implemented by measuring vibration acceleration of mechanism parts on the test bench (usually in decibels). The stronger the vibration, the more worrisome the situation.
The criteria for the level of defect development estimation in this method are fully focused on the respective normalised vibration levels adopted for this mechanism. When the threshold value of the vibration level is exceeded, either a service team or a condition monitoring system must make a decision on whether the unit should continue working or be stopped.
Despite the late defect detection, this method of condition monitoring of industrial equipment is widely used in practice and gives good results in cases where:

  the main task of carrying out equipment condition monitoring is only for the prevention of emergencies, even if it becomes known at a fairly late stage;
  stopping equipment and unscheduled repairs can be performed in the remaining time before an accident without any damage to the plant’s operation and without disturbing the overall technological process.

An example of the motor (electric power is about 15 kW) condition monitoring based on the ISO 10816 method is shown in Figure 14.
Figure 14 — An example of the motor (electric power is about 15 kW) condition monitoring based on the ISO 10816 method.
Vibration-based condition monitoring using the crest factor
This subsection explains how to process condition monitoring of equipment based on correlation analysis between peaks and the common vibration level (e.g., the root mean square value, RMS). There are quite a large number of variations of this method, in different literary sources, this method is often combined with a method of “shock pulses”.
The basic formula for calculating the crest factor:
Most commonly, this method is used as follows: Measurements are made using a vibration meter that allows us to measure the two parameters of the vibration signal: the root mean square value of the vibration level and the peak amplitude of vibration (whether it’s positive, negative or full scope is irrelevant).
During the equipment operation, these two parameters are measured very frequently. Over time, as defects on the kinematic nodes of the equipment begin to appear, separate short amplitude peaks will start showing up in the vibration signal that correspond to the moments of shock processes. Later, with the development of the defect, amplitudes of peaks will increase and their number will gradually increase as well. Along with the appearance and development of a defect, the amplitude of peaks increases, and the root mean square value remains virtually unchanged, because separate and very short amplitude peaks do not significantly change the energy characteristics of the signal.
Further on, as the number of peaks increases, the signal energy and the root mean square value of the vibration increase as well. The ratio between the amplitude of peaks and the root mean square value, which is called the crest factor, is of considerable interest, since this function has a clearly shown maximum on the time axis. This is what the crest factor method is based on. Variations of the method have been developed by different research teams. This is why the comparison of peak levels and the vibration signal background is done in different ways. In one case, the peak amplitude is used for comparison, in another — energy. The background level of vibration can also be calculated in a variety of ways.
The main advantage of this method is its simplicity. Using an “average level — peak” general quantitative ratio of two values allows us to define the mechanism technical condition as a whole. The drawbacks include weak protection against interferences and the need to do multiple measurements during operation. The vibration signal describes the mechanism as a whole, and the more complex the kinematics of the mechanism, the less credibility the method has.
The vibration-based condition monitoring using the method of “shock pulses”
This method is the result of some development of the crest factor method and has several versions and names, depending on which team brought it to practical implementation: HFD (High Frequency Detection[2]) — high-frequency a signal detection method, SPM (Shock Pulse Measurement) — a method for measuring shock pulses, or SE (Spike Energy[3]), which is a method for measuring energy pulses.
Shock processes arising from bearing defects cause generation of high-frequency, quickly fading out oscillations, propagating from the bearing to other mechanism parts. Bearing units “clank” on their own frequencies during shock processes. This frequency is almost always in the range of 28 to 32 kHz. These high-frequency oscillations fade out rapidly, and therefore look almost like pulses on oscillograms, which gave the method its name, i.e. the method of shock pulses.
Amplitudes of shock pulses are accorded to the rotational speed of the shaft, current load and degree of defect development. The results of the measurements are normalised by the collision velocity, knowing the bearing geometry and the shaft rotational speed. Thus, by analysing the amplitude of shock pulses we can determine the existence of defects and its degree of development. In this case, the threshold values characterising a specific state of the bearing are, in general, universal. That is, they do not depend on the type and rotational speed of the bearing, although they do depend on the load.
An example of condition monitoring based on the SPM method is shown on Figure 15.
Figure 15 — An example of condition monitoring based on the SPM method.
To use the method, there is a limitation that is associated with the designs of the mechanism. Since it is necessary to investigate high-frequency oscillation processes that are strongly attenuated at material interfaces, correct measurement requires that a solid metal mass exists between the outer bearing ring and the sensor mounting site.
Developers of vibration-based condition monitoring systems, each of their own accord, solved the problem of rationing the stages of diagnosed defects development. However, the practical representation is approximately the same: these are special tables or nomograms designed for practical use by a team of experts.
Metrics computed by VibroBox
VibroBox analyses the following single and composite metrics of vibration acceleration, velocity or displacement:

  RMS – root-mean-square value of the analysed signal level for the selected frequency band;
  PEAK – the maximum value of the signal level for the selected time interval;
  CREST FACTOR – PEAK to RMS parameters ratio;
  PEAK-TO-PEAK amplitude – the difference between the maximum and minimum signal levels for the selected time interval;
  KURTOSIS – the measure of the peak sharpness of the distribution of a random signal (measure of variance);
  the values of the indirect vibration parameters (calculated using the SPM method of shock pulses modified by the VibroBox team);
  1⁄1-, 1⁄3-, 1⁄6-, 1⁄12-octave spectra of vibration acceleration;
  vibration levels in three frequency bands (calculated using the methods according to the standards ISO 15242-X series);
  the total vibration levels (calculated using the methods according to the standards ISO 10816-X / ISO 20816-X series);
  the logarithmic noise level;
  scalogram;
  …and some other metrics.

For most metrics, VibroBox analysis algorithms begin their processing from the training period, during which the threshold setting is automatically set. The resulting thresholds are further used to set-up alerts for the metric run-up to certain hazardous levels. In order to track the process dynamics, to reduce the probability of false alarms, and to improve the accuracy of the results of the metrics analysis, VibroBox implements the metrics trend analysis.
An example of the 1⁄3-octave spectrum of the defective rolling bearing is shown in Figure 16.
Figure 16 — An example of the 1⁄3-octave spectrum of the defective rolling bearing.
The metrics analysis is not sufficiently informative and reliable for in-depth condition monitoring of machinery, so VibroBox implements a number of additional methods for vibration and telemetry data processing using traditional and authoring algorithms described below.
6.5. Algorithms for vibration signal spectrum and envelope spectrum analysis
The method of analysing the spectral components (analysis of the direct spectrum and vibration signal envelope spectrum) is the most popular method for generating the domain of informative features, where a team of experts in vibration-based condition monitoring carry out the condition monitoring of industrial equipment. This method, first proposed more than fifty years ago, lies today at the heart of all the most popular vibration-based condition monitoring systems. The basic equations for this method are the Fourier Transform (2) and the Inverse Fourier Transform (3):
This method has been used for many years, during which a large database of templates of informative features for a wide range of defects was created. However, in many cases (especially for automatic condition monitoring tasks) due to many circumstances (such as a variety of equipment types, its operating modes and external conditions, and also due to a variety of physical characteristics (specifics) of some defects, including the similarity of spectral portraits), the described methods do not allow one to confidently distinguish a number of defects. In addition, the generated domain of informative features can hardly be considered convenient, as it is very noisy.
Nevertheless, during more than fifty years of active practice, many guides have been written, classifiers (vibration-based condition monitoring maps) have been developed and prescribed for a lot of various equipment types. The analysis of this experience based on many years of applied practice contributes to the development of VibroBox.
VibroBox contains a unit for vibration signal spectrum (power spectral density) and the envelope spectrum analysis, and a number of typical vibration-based condition monitoring maps are used for the retraining of classifiers. On the other hand, all informative features calculated by the vibration signal spectrum and envelope spectrum are involved in forming a vector of informative features of equipment technical condition, which is used by the classifier based on neural networks and fuzzy logic. Also, VibroBox provides trend analysis of the characteristics of the spectrum of the vibration signal and the spectrum of its envelope in order to track the process dynamics.
The graphical interpretation of the development of the belting and bearing (inner ring) defects is shown in Figure 17.
Figure 17 — Development of the belting and bearing (inner ring) defects.
6.6. Algorithms for wavelet processing of the vibration signal
Wavelet analysis is a special type of linear signal conversion, well suited for waveform analysis and detecting short-time high-frequency signal fluctuations. The wavelet window provides an adequate estimate of such fluctuations due to an increase in the window amplitude with a decrease in its width. Analysis resolution in time domain increases along with frequency.
These distinctive features of wavelet analysis are very useful for the defects extraction. The emergence and growth of a defect is accompanied by periodic shock pulses of specific shapes. This is a reliable informative feature for a high-quality diagnostics.
Wavelets (short waves) are functions of a specific shape localized along the axis of arguments (independent variables), invariant to shift and linear to the operation of scaling (compression/stretching). They are created via special basis functions, which define their appearance and properties. By localization in the time and frequency representation, the wavelets get an intermediate position between the harmonic (sinusoidal) functions localized in frequency, and the Dirac function localized by time.
A wavelet as a function ψ∈ L2® with a zero average:
The wavelet decomposition of f ∈ L2® at time u and scale s is:
Sparse wavelet decomposition of vibration signal
Most defects in rotary equipment, which include rolling bearings and gears, are accompanied by impact processes with certain resonant frequencies. The vibration signal of the equipment can contain from one to several expressed resonant frequencies, depending on the degree of defect and their number.
It should be noted that from the point of view of the algorithm of wavelet decomposition, the vibration signal is most effectively represented not in the form of a superposition of a large number of signal components, but only with a few that have the largest energy contribution. Working with each of these components separately can improve (simplify) handling both in the spectral domain due to the lack of effect of “overlapping patterns of defects”. In the time domain, due to the fact that each implementation will have one periodic (quasiperiodic) sequence, that simplifies the search for the repetition period of shock pulses.
The basis of the sparse wavelet decomposition is that any signal x(t) can be represented as a superposition of certain basis functions. The sparse representation of such a signal has the form of a set of peaks. Each peak has a corresponding basis function φm with three parameters: amplitude, frequency, and time position. The mathematical expression of this model of a signal with allowance for additive noise is given by the expression:
where sim and τim are the amplitude coefficient and the time position of the i-th basis function.
The amplitude coefficient sim and the time position τim are determined by the method presented in the expression:
where is the remainder after using the basis function φm at time τi;
       si is its amplitude.
The accuracy of the signal recovery will depend on the number of iterations of the algorithm execution.
As shown in the algorithm diagram for the sparse wavelet decomposition of the vibration signal (see Figure 18), the first stage of the decomposition of a vibration signal is the calculation of the scalograms, according to which the resonant frequencies in the decomposed signal are determined. A narrow set of basis functions (basis) is formed on selected points, and their rationing (in terms of energy) is performed. On the basis of the signal fragment, the optimal number of iterations of decomposition is calculated. The decomposition is a sequential (iterative) procedure for subtracting the basis functions from the signal until a certain level of decomposition is achieved. Fixing the position, amplitude and scale of the subtracted functions, a sparse representation of the signal is formed (in the form of a set of pulses for each basis function). Based on the decomposition results, the time domain processing (search for periodicity, calculation of the energy contribution, etc.) and frequency domain processing (search for defect patterns) are performed. The final conclusion about the condition of the equipment is made by the decision-making module.
Figure 18 — Diagram of the algorithm for sparse wavelet decomposition of a vibration signal.
6.7. Basis wavelet function adapted to isolate shock pulse processes
The base of the wavelet transformation is a basis function, the form of which largely determines the effectiveness of the method for solving the specific task. Wavelet bases, in contrast to Fourier transform, have quite a lot of various basic functions whose properties are intended to solve various tasks. The general rule for analysing signals is that the form of the basis function should be as similar as possible to the type of data being analysed.
The signal arising from the impacts of structural elements of industrial equipment has a very specific shape in the time domain: it’s a sharply generated pulse with rapid exponential fade-out. The frequency of faded oscillations is determined by the resonant properties of the structural elements. Therefore, the basis function adapted to detect such impacts must be asymmetric, adapted to isolate the characteristic sharp jump in the amplitude of the oscillations at the beginning of the shock pulse. It also must have a narrow Fourier image, i.e. contain the expressed dominating frequency to be selective in the frequency domain. The law of decreasing function should be exponential, if possible.
The VibroBox uses specially developed sets of basic wavelet functions to detect shock processes in industrial equipment. These functions constitute intellectual property of VibroBox.
An example of the graphical interpretation of implementation of the sparse wavelet decomposition based on the basis wavelet function adapted to isolate shock pulses is shown in Figure 19.

  
    
      
        a) Basis wavelet function adapted to isolate shock pulse processes;
      
      
        b) The scalogram of the bearing signal with a strong defect of the outer ring, constructed on the basis of the described wavelet function;
      
    
  

c) Vibration acceleration signal of rolling bearing with outer ring defect;
d) Vibration acceleration signal of the rolling bearing after wavelet decomposition (SWD)
with isolated shock pulses having a resonant frequency Fr = 17 390 Hz (2-nd area on the scalogram).
Figure 19 — An example of implementation of the sparse wavelet decomposition based on the basis wavelet function adapted to isolate shock pulses.
6.8. The vector of informative features of the technical condition of equipment
The vector of informative features of the technical condition of equipment is the most complete description of the vibration signal in terms of identifying possible equipment defects. All the sets of algorithms (methods) used by VibroBox are involved in its formation in order to search for features of the technical condition of equipment.
Thus, in the domain of informative features formed, a classifier is based on neural networks and fuzzy logic transforming sets of features and their dynamics into a condition monitoring report.
6.9. Classification of defects in the domain of informative features
The aim of classifying defects in the domain of informative features is to make the equipment condition monitoring report based on an analysis of the vector of informative features.
The defect classification unit
The classification unit is a preconditioned neural network operating in the domain of informative features of equipment condition.
The task of the classification unit is to decompose the informative features and link them to the relevant equipment states.
The defect validation unit
The validation unit is designed to behaviorally evaluate the “feature-condition” pair in time and reduce the likelihood of a false alarm. The operation principle of the validation unit is based on fuzzy logic technology and allows the service to check whether the classifier’s assumptions about the “feature-condition” pair are true.
6.10. Generation of prescriptions for asset technical management
After the system classifies the equipment defect, it is necessary to assign the proper management prescriptions for the equipment. Identifying the defect and stating its existence is not enough. If a problem is identified in time and proper maintenance is performed, you will be able to significantly increase the remaining lifespan of your equipment and its overall reliability.
A special group of Vibrobox algorithms solves this task. The main input data for their processing is the equipment condition monitoring report.
6.11. VibroBox service operating results
Ultimately, VibroBox gives equipment condition monitoring and predictive maintenance reports. These reports are accessible through the user’s personal account and can be automatically submitted to enterprise management systems (CMMS, MES, ERP) or any other service by VibroBox API.
6.12. Promising and experimental algorithms
Many important tasks in medicine, science and other industries/services are not fully automated yet. High variability of observational objects, both technical and biological, requires a convenient domain of informative features for a fully automatic classification with minimal risks. Preliminary analysis and formation of detailed description (schemes, templates, threshold levels) is the “classical” approach which inevitably leads to critical errors caused by a limited training data set.
We are working on a universal decision-making system that operates without priori information on the analyzed object. Our algorithms are forming an adaptive domain of informative features that is invariant to objects of observation and does not depend on preliminary training. Our experiments and their results indicate that it is possible to reconstruct a detailed kinematic scheme of equipment from vibration signals. Moreover, the same algorithms can be applied to temporal signals of a different nature (acoustic signals, heart murmur, ECG, EEG etc.).
How do we do this?
Classification of the “raw data” (signals of vibration, speech, heart murmur etc.) without preprocessing is inefficient for many reasons: noise, waveform inconstancy, dependence on environmental conditions, too many dimensions for direct classification etc. Therefore, time, frequency and wavelet domains are used to analyze time signals and present them in a convenient form.
The frequency domain is well studied, has a number of invariant properties, and shows excellent results with stationary signals (which do not change their properties in time). However, it does not contain information on the waveform of the signal, which is very important in many cases. The wavelet domain was introduced to process nonstationary signals. However, it does not analyze the waveform in detail and is focused on energy distribution by time and frequency. Thus, the waveform can be analyzed in detail only in a time domain that does not have a compact and universal (invariant) representation. Sets of simple metrics (RMS, Peak, Crest Factor, Kurtosis etc.) which are calculated using time domain methods by modern systems are not sufficient for reliable classification. That is why the representation of the same time waveform in a compact invariant form allows us to simplify the analysis in areas where the waveform is highly significant (medicine, vibration diagnostics, speech processing, etc.). To greatly improve the performance of neural networks and make them more versatile, our algorithms create a complete description of the signal using all three domains (time, frequency and wavelet).

7. Further development of VibroBox
Today, our scientists are working on algorithms to detect the type of diagnosed equipment and build it’s kinematic diagram (“digital twin”) from the raw signal (vibration or acoustic), without any additional information. The accumulation of vibration data will help to solve the clustering problem and improve scalability.
We have good results analysing the acoustic and vibration signals from sensors and microphones built into modern smartphones and tablets. Just imagine an express diagnostics by using your phone!.
We are working on integration with top-level platforms, such as General Electric and Microsoft with the platform for Industrial Internet Predix, SAP with SAP Cloud Platform for the Internet of Things and Intel with its Intel IoT Platform and others.
A huge interest in VibroBox is evident on behalf of not only industrial enterprises, but also road freight and railway carriers. We are actively exploring wind energy, rolling stock, automotive and other industries where automated prescriptive maintenance provides obvious economic benefits.

  

Laisser un commentaire