Motor erken uyarı sistemleri

Abstract

Gelişen ekonomik şartlar, bireyin tüketim alışkanlıklarını da çok yönlü olarakdeğiştirmiştir. Bireyler artık daha çok tüketme alışkanlığı kazanmıştır. Bunun birsonucu olarak, üretim modelleri de değişmiştir. Eskiden kullanım ömrü on yıllarlaölçülen birçok ürün, artık 5?6 yıllık kimi ürünlerde daha kısa, kullanım ömrüne sahipolarak tasarlanmaya ve üretilmeye başlamıştır. Pazarlama zincirinin en önemlihalkası üretim olmaktan çıkmış, onun yerini artık satış işlemi almıştır. Yani üretilenher ürünün pazarda kendine bir yer bulma garantisi yoktur. Bunun en önemli nedeniise küreselleşen dünyada herkesin benzer şeyleri benzer kalite ve maliyetlerleüretmeyi başarmasıdır. Böyle bir tüketim ekonomisinde üretimleri zamanındayapmakta çok büyük bir önem kazanmıştır. Bir üretim bandının herhangi bir nedenleaksaması, durması o işletmeye çok büyük zararlar verecek belki de çok büyük birPazar payı kaybetmesine neden olacaktır.Üretim bantlarının beklenmedik arızalarına engel olmak için neler yapılabilir?Üretim bantlarının en önemli parçaları 3 Faz Elektrik Motorlarıdır. 3 Fazlı ElektrikMotorları üretim bantlarının yanı sıra birçok alanda daha kullanılmaktadır. Eğer bumotorların arızalarının ne olacağı ve ne zaman olacağı önceden tahmin edilebilirse,üretimde meydana gelebilecek aksamalar engellenebilir veya en azından en azaindirgenebilir.Bu tez çalışmasında 3 Fazlı Motorların arızalarının nasıl önceden, daha üretimidurduracak düzeye gelmeden belirlenebileceği incelenmiştir. Bu inceleme işlemi için3 Fazlı Motorların akım faz bilgileri kullanılmış ve bu akım bilgileri MatlabYardımıyla, frekans spektrumda çizdirilerek incelenmiştir. Bu inceleme sonucundaRotor Hatalarının hangi frekanslarda ve ne şekilde görüldüğü gözlemlenmiştir. Dahasonra Neural Solutions Programı kullanılarak bir Sinirsel Ağ (Neural Network)oluşturulmuş ve bu sistemin eğitimi elimizdeki sağlıklı ve rotor hatasına sahip verilerkullanılarak yaptırılmıştır. Bu sistemin test verileri de bu tez çalışmasındasunulmuştur. Yapılan araştırmalarda motor hatalarının %9' unun Rotor Hatası olduğugözlemlenmiştir. Buda demektir ki, bu sistem sayesinde motor hatalarındankaynaklanan üretim aksamalarının %9 önlenmiş olacak.Anahtar Kelimeler:İndüksiyon Motorları, Rotor Hataları, Erken Uyarı Sistemleri, Yapay SinirAğları, Motor Akım Analizi

The developing economic conditions have changed the consuming habits ofindividuals in multiple ways. Individuals have gained habits to consume more. As aresult, production models have also changed. Many products which were estimated tohave a lifespan of ten years are now designed and produced with a lifespan of 5?6years, or even less for some products. Production has stopped being the mostimportant ring of the marketing chain, and it has been replaced by the sales process.That is, not every product has a guarantee to find its place in the market. The mostimportant reason of this is the fact that everybody succeeds in producing similarthings at similar quality and similar costs in a globalizing world. Doing productionsin time has gained in importance in such a consumption economy. The disruption orstopping of a production line for whatever reason will cause a great damage to thecompany or even result in a loss of a great market share.What can be done to prevent unexpected breakdowns of the production lines?The most important parts of production lines are 3 Phase Electrical machines. 3Phase Electrical Engines are used in many other areas in addition to production lines.If it can be predicted what these engine defects will be and when they will happen,breakdowns in the production can be prevented or at least minimized.This thesis studies how to predict 3 Phase defects before they can advance to thelevel where they can stop production. The current phase data of 3 Phase motor hasbeen used for this study, and these current data have been performed by spectralanalysis with the help of Matlab. At the end of this study, it was ascertained at whichfrequencies and how the Rotor Defects are observed. Then, the Neural SolutionsProgram was used to create a Neural Network, and the training of this system wasdone using the healthy data and the data with a rotor defect available. The test data ofthis system have been provided in this thesis study. Other study showed that 9% ofthe motor defects are Rotor Defects. That means that 9% of production disruptionscaused by engine defects will be prevented with the help of this system.Key Words:Induction Motor, Rotor Faults, Early Faut Dedection, Artificial Neural Network,Motor Current Signature