Flow Anomaly Detection and Reporting : Development and implementation of an automatic dosing unit flow anomaly detection and reporting tool
Wiklund, Robin (2023)
Wiklund, Robin
2023
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202402012368
https://urn.fi/URN:NBN:fi:amk-202402012368
Tiivistelmä
Tehtävä annettiin Wärtsilä Catalyst Systemsin toimeksiannosta. Opinnäytetyö käsittelee annosyksiköiden automaattisen poikkeamahavainnon kehittämistä ja toteuttamista sekä raportointityökalua. Factory Acceptance Testing pyysi parantamaan annostusyksiköiden testausmenettelyä. Parantaminen tarkoittaa siirtymistä annoksen validoinnista ureavirran silmämääräisen tarkastuksen avulla automaattiseen stabiilisuuden arviointimenetelmään.
Urean virtauksen stabiliteetin automaattista arviointia varten käytetään anomalianhavaintoa. Selitetään teollisuuden ohjaussilmukoiden eri poikkeamien havaitsemismenetelmien perusteet sekä edut ja haitat. Lisäksi esitellään näiden havaitsemismenetelmien käytännön toteutus matemaattisten kaavojen ja Python-koodin avulla. Tuloksena on vankka työkalu annosteluyksikön suorituskyvyn automaattiseen arviointiin virtausdatan analyysin avulla.
Käytetyt anomalianhavaitsemismenetelmät sisältävät halutun virtauksen analysoinnin verrattuna todelliseen mitattuun virtaukseen käyttäen keskipoikkeamaa, heilahtelun havaitsemisen käyttäen reaaliarvoista nopea Fourier-muunnosta ja poikkeaman havaitsemisen käyttäen kvartiiliväliä.
Tämä edistää annosteluyksiköiden testausmenetelmien luotettavuutta ja tehokkuutta, tarjoten arvokkaan resurssin tehtaan hyväksymistestaukseen osallistuville asiantuntijoille. Toteutetun järjestelmän arkkitehtuuri visualisoidaan komponenttikaaviolla Unified Modeling Language -kieltä käyttäen.
Urean virtauksen stabiliteetin automaattista arviointia varten käytetään anomalianhavaintoa. Selitetään teollisuuden ohjaussilmukoiden eri poikkeamien havaitsemismenetelmien perusteet sekä edut ja haitat. Lisäksi esitellään näiden havaitsemismenetelmien käytännön toteutus matemaattisten kaavojen ja Python-koodin avulla. Tuloksena on vankka työkalu annosteluyksikön suorituskyvyn automaattiseen arviointiin virtausdatan analyysin avulla.
Käytetyt anomalianhavaitsemismenetelmät sisältävät halutun virtauksen analysoinnin verrattuna todelliseen mitattuun virtaukseen käyttäen keskipoikkeamaa, heilahtelun havaitsemisen käyttäen reaaliarvoista nopea Fourier-muunnosta ja poikkeaman havaitsemisen käyttäen kvartiiliväliä.
Tämä edistää annosteluyksiköiden testausmenetelmien luotettavuutta ja tehokkuutta, tarjoten arvokkaan resurssin tehtaan hyväksymistestaukseen osallistuville asiantuntijoille. Toteutetun järjestelmän arkkitehtuuri visualisoidaan komponenttikaaviolla Unified Modeling Language -kieltä käyttäen.