Predictive Maintenance Model for Pneumatic Systems Supported by Industry 4.0 and Edge Computing

Pnömatik sistemler, atmosferden alınan havanın, sıkıştırılarak basınç enerjisine dönüştürülmesi ve bunun mekanik aksiyon olarak kullanılmasını sağlayan aktüatörlerdir. Burada bahsedilen hareketler, doğrusal veya dairesel hareket gibi mekanik hareketlerdir. Pnömatik sistemler 1950 yıllarından itibaren üretim endüstrisinde kullanılmaya başlanmıştır. Günümüzde ise üretim yapacak fabrikalarda, elektrik ve su hatları ile birlikte pnömatik tesisatlarının da yapıldığını görmekteyiz. Bu durum, üretim süreçlerinde pnömatik sistemlerin artık göz ardı edilemeyecek kadar önemli ve temel bir ihtiyaç haline geldiğini net bir şekilde ortaya koymaktadır. Endüstri 4.0 bakış açısıyla pnömatik sistemleri değerlendirmemiz gerekirse, pnömatik sistemlerin kullanıldığı ortamlardan verimi arttırabilecek birçok verinin toplanabileceği görülür. Buradan elde edilen verilerin yönetilmesi ve analizi için farklı yaklaşımlar bulunmasına rağmen, Bulut Bilişim ve Uç bilişim en çok göze çarpan iki yaklaşım olarak karşımıza çıkmaktadır. Günümüzde bu iki yaklaşımın birlikte kullanılmasına sıkça rastlanılmaktadır. Uç Bilişim ile kaynaktan elde edilen veriler, kaynağa en yakın yerde analiz edilmekte ve hızlı sonuç almada kullanılırken, Bulut Bilişim sadece önemli verilerin aktarılması ve analizi için kullanılmaktadır. Böylece sistemdeki gereksiz zaman, performans kayıpları azaltılmakta ve daha verimli hale gelmektedir. Bu çalışmada, Endüstri 4.0 konseptinin Uç Bilişim yaklaşımı, gerçek bir hayat probleminde kullanılmıştır. Burada pnömatik sistemlerdeki kestirimci bakım problemi ele alınmıştır. Bu problem Konya'da bulunan, fırın makinaları üreten Brotmas firmasının tam otomatik ekmek işleme ve dizme hattı üzerinde çalışılmıştır. Firmadan, borulardaki hava tesisatındaki kaçakların tespiti, kompresör yağ seviyesi kontrolü, manometre basınç değer kontrolü, kompresör kayış gerginliği kontrolü ve invertörle kompresör motor sağlığı kontrolü dahil olmak üzere sistemdeki kilit noktalardan veriler toplandı. Toplanan veriler ise olası arızaları önlemek için yeni bilgilerle karşılaştırıldı. Bu çalışmanın sonucunda, kompresörün kapalı olması, basınç düşmesi, bakım eksikliği ve pnömatik piston arızaları nedeniyle oluşan hata bildirimleri %67 oranında azaldığı gözlemlendi.