NTN: desenvolve tecnologia precisa de previsão de vida útil restante para rolamentos〈Tecnologia〉

Contribuir para a melhoria da produtividade através da manutenção adequada de máquinas e instalações utilizando IA

A NTN Corporation (doravante denominada NTN) desenvolveu uma tecnologia que prevê com precisão a vida útil restante, combinando vários métodos de IA. Ao prever com alta precisão a vida útil remanescente após a ocorrência da descamação, que provoca a falha do rolamento, até o limite de uso, podem-se traçar planos de manutenção eficientes de máquinas e equipamentos, o que contribui para melhoria da produtividade e redução de custos.

Os rolamentos utilizados em máquinas e equipamentos podem causar pequenas descamações dependendo das condições de uso e, na pior das hipóteses, levar à falha. Porém, quando é difícil realizar a manutenção do mancal devido à estrutura do equipamento e local de instalação, há alguns casos em que os mancais continuam a ser utilizados desde que não afetem o funcionamento. A condição de um rolamento pode ser determinada detectando anormalidades usando dados de vibração. No entanto, não há como determinar com precisão por quanto tempo o rolamento pode ser usado após a ocorrência de uma anormalidade, como descamação (vida útil restante), e é comum substituir o rolamento o mais rápido possível ou após o rolamento ser danificado. Além disso, há muitos casos em que os trabalhadores de campo avaliam o momento da substituição com base em anos de experiência, etc., e à medida que a poupança de horas-homem e os sistemas de produção automática estão a progredir, há uma necessidade crescente de uma previsão altamente precisa da vida útil restante. tecnologia que permite um momento mais preciso de substituição de rolamentos, a fim de reduzir o tempo de parada de máquinas, equipamentos, etc. e reduzir custos de manutenção.

A tecnologia de previsão de vida útil restante desenvolvida pela NTN foi aprimorada combinando o aprendizado profundo com o aprendizado bayesiano para melhorar a precisão da estimativa da vida útil restante desde a ocorrência de descamação do rolamento até o momento em que ele é danificado.

Entre vários métodos de IA, a NTN seleciona o aprendizado profundo, especializado no processamento de imagens chamado rede neural convolucional. Ele pode converter os dados vibracionais do rolamento em dados de imagem para uso, permitindo a previsão da condição danificada do rolamento e da vida útil restante. Além disso, estabelecemos um modelo preditivo altamente confiável combinando uma regressão linear bayesiana hierárquica, que avalia a confiabilidade dos valores preditivos considerando diferenças e variações individuais (erros) nos dados de medição na extensão da progressão dos danos nos rolamentos. Ao considerar também a condição do dano, a precisão da previsão da vida útil restante é melhorada em aproximadamente 30% em comparação com a tecnologia convencional.

Esta tecnologia é o resultado de um projeto de pesquisa conjunto do NTN Next Generation Research Alliance Laboratory*, estabelecido em 2017 na Escola de Pós-Graduação em Engenharia da National University Corporation Osaka University (com sede na cidade de Suita, província de Osaka). Foi realizado combinando a tecnologia e o conhecimento que a NTN cultivou ao longo de mais de 100 anos com o conhecimento da pesquisa de ponta em IA da universidade, incluindo Ken-ichi Fukui, professor associado do SANKEN (Instituto de Pesquisa Científica e Industrial, Universidade de Osaka.)

A NTN está buscando iniciativas na área de serviços e soluções que combinam tecnologia de sensores e IoT e oferece uma variedade de produtos e serviços para ajudar a melhorar a capacidade de manutenção dos rolamentos, incluindo o "Vibroscópio Portátil NTN" que detecta anormalidades nos rolamentos e um aplicativo de diagnóstico de rolamentos que monitora constantemente monitora a condição dos rolamentos.

No futuro, a NTN continuará a verificar a viabilidade desta tecnologia. Ao utilizar esta tecnologia para serviços relacionados à manutenção, contribuiremos para melhorar a produtividade e reduzir o impacto ambiental através da manutenção adequada de máquinas e equipamentos e do uso otimizado de rolamentos.