Page 120 - Vol.33
P. 120

Tech
             Notes
             技術專文

            透過這樣的參數權重分析,我們能
                                             表 13、RNN 逆滲透膜預知保養模型-參數權重分析結果 (2018H1)                                                   圖11、泵浦A運轉資訊趨勢圖(上)與綜合指標趨勢圖(下)
            夠瞭解到各個參數對逆滲透膜濾材
            處理效率的影響,並將影響程度
                                                 排名      數據標籤         數據敘述          數據來源       權重重要性*
            數量化,如2017年的結果顯示了
            Rank  1~5是最重要的參數,其重
                                                 1       RO DP        RO壓差          SCADA      14462
            要性指標都大於其餘25個參數2至
            10倍,所以我們能夠認定這五個參                     2       PIT_770_PV_1  入口壓力         SCADA      12818
            數為逆滲透膜保養的關鍵參數。再                      3       FIQT_770_PV  產水出口流量        SCADA      12945
            利用2018上半年的資料進行參數
                                                 4       去除率          去除率           SCADA      8540
            權重分析,也是獲得幾乎相同的結
            果 表13 ,雖然排序不太相同,但還                   5       PIT_770_PV_2  產水壓力         SCADA      8522
            是相同的五個關鍵參數影響著逆滲                    *權重重要性:為模型預測時使用到此參數的次數比例,作為參數的重要性指標
            透膜的處理效率與是否需要更換保
            養。
                                             圖10、離心式泵浦振動量測位置與規範(以功率大於15kW為例)
            透過這些機器學習的模型,可以達
            到即早期預知系統運轉處理效能,
                                                                           MOV     MIV  MIA    PIV POV
            減少非預期性的維修保養發生。本
                                                 Motor (>15kW)
            研究的結果能達到提早一週提醒需
                                                 Dangerous (>7.1)
            要更換逆滲透膜管,並可透過水質                      Restricted Condition (4.5~7.1)
                                                 Normal (<4.5)
            資料權重分析,指出本次造成需要                      Unit: mm/s
                                                 Pump
            更換的原因,協助工程師判斷異常
                                                 Dangerous (>7.1)
            真因。                                  Restricted Condition (4.5~7.1)
                                                 Normal (<4.5)
                                                 Unit: mm/s
                                                                         MOH      MIH       PIH  POA  POH
            模型優化─轉動設備模型
            本研究另針對水處理系統中轉動設
            備-泵浦進行預知保養模型的建                                                                                                           圖12、泵浦B運轉資訊趨勢圖(上)與綜合指標趨勢圖(下)
            立,使用的數據為2016至2017年                Index),研究結果如 圖11、12、13所        立的模型,雖然尚無法達到預知保
            兩年間泵浦運轉電流(Amp)、運轉                 示。將SCADA蒐集的資訊繪製成趨              養,但在未來加入更多泵浦發生異
            時數(R)、運轉頻率(Hz)、變頻器溫               勢圖,並比對模型計算出之綜合指                常的數據與量測數值,將模型可靠
            度(Temp)、電壓(DC_VOL)與振動             標趨勢圖,可以發現用綜合指標即                度提升與達到預知保養的目標是可
            量測值(MOV/ MIV/ MOH/ MOV…           能夠精準的呈現泵浦運轉的狀態是                預期的。
            等共10個,如  圖10),期望以既有               否正常:在綜合指標的趨勢圖中,
            數據找出判定泵浦穩定度之參數。                   若數值落在淺藍色塊區間內(Spec.
            以目前對於水處理系統20~100HP                <6),則判斷泵浦為正常狀態,綜
            泵浦的保養內容,定義振動值若大                   合指標若大於6,則表示設備的運
            於4.5mm/s則判定振動有異常,但                轉狀態已偏離平常的條件;舉例而 結論
            是振動值為半年一筆的量測數據,                   言,在2016年1月底時,泵浦A、
            屬非連續式的監測數據,若半年間                   B與C的綜合指標大都落在6以上,
            發生異常工程師無法提前知曉並做                   原因是當時泵浦C所掛載之諧波抑                透過本次研究建立出兩種模型,其
            預防動作,故本研究希望能找到與                   制器內部電容故障進行更換,造成                一能預測水處理濾材逆滲透膜之處
            振動值有相關性的SCADA參數或                  切換機次數頻繁所致,又如2017               理效能與需要更換的時間點(準確
            是能夠重新定義泵浦的預知保養指                   年2月中因泵浦B漏水需停機維修,               率達87.5%),除了可減少非預期性
            標,以達到減少泵浦非預期性故障                   綜合指標數值也呈現異常 圖12 。              的保養次數以外,透過各項水質參
            之風險。                              由這兩個事件皆可證明此模型所提                數權重分析,了解到每次發生非預                                                          P-2211B Health Index
            經本研究發現,若以現有的量測數                   供之綜合指標能夠作為代表泵浦運                期性保養或異常的主要原因,有效
            據進行建模與數據分析,因泵浦異                   轉穩定度的參數,當泵浦運轉數                 的指向真正問題所在,加速工程師
            常故障的紀錄與振動量測值較少,                   值有些微趨勢性的變化或工程師切                的判斷與異常排除,朝預知保養與
            無法建立準確度較高的預知保養模                   換機操作,綜合指標的數值都能夠                濾材處理效能最適化的目標,邁出
            型,故改以著重於尋找能夠代表                    及時反應出異常結果。以目前所建                了大大的一步。其二為找到轉動設
            泵浦穩定運轉之綜合指標  (Health                                             備-泵浦的穩定度綜合指標(Health



            120                                                                                                                                                                                              FACILITY JOURNAL          DECEMBER  2018  121
   115   116   117   118   119   120   121   122   123   124   125