Sähkömoottorin automaattinen kunnonvalvonta

Abstract

Tämän opinnäyte työn tarkoituksena oli saada Jukkola Systems Oy:lle arvokasta tietoa automaattisen sähkömoottorin kunnonvalvontajärjestelmistä ja sen mahdollisuuksista yrityksen toiminnassa. Tavoitteena oli myös kunnonvalvontajärjestelmien asiantuntijuuden kasvattaminen myynnin ja huollon avuksi. Työ suoritettiin pilottiprojektina yhteistyössä Siemens Osakeyhtiön ja KIP Servicen kanssa. Siemens tarjosi projektiin tarvittavan kunnonvalvontalaitteiston sekä IoT-palvelun. Kunnonvalvonta laitteet asennettiin KIP Servicen tiloihin Jukkola Systems Oy:n toimittamiin kahteen Siemens-sähkömoottoriin sekä yhteen KSB-merivesipumppuun.

Tässä opinnäytetyössä rakennettiin Siemens CMS1281-kunnonvalvontamoduuliin pohjautuva värähte-lyanturimittaus Siemens 700 kW-sähkömoottorille sekä KSB:n RDLO-pumpulle. Toisessa mittauskohteessa oli asennettuna Siemens-sähkömoottoriin saman valmistajan SC400-kunnonvalvontamoduuli. Näin päästiin vertailemaan kahden eri automaattisen kunnonvalvontalaitteiston toimintaa sekä käyttöä. Lisäksi mittausdataa vertailtiin yrityksen käytössä olevaan käsimittauskalustoon. Laitteista saatu mittaustieto vietiin Siemensin MindSphere IoT-palveluun, josta yrityksen sekä asiakkaan on mahdollista seurata reaaliaikaisesti kunnonvalvontatietoja. Siemens CMS1281:lle sekä SC400-laitekokonaisuuksille rakennettiin itsenäiset 4G-pohjaiset verkkoyhteydet. Lisäksi CMS1281-moduulille luotiin etäyhteys VPN-palvelun avulla.

The purpose of this thesis was to provide valuable information on automatic condition monitoring systems for electric motors and their potential benefits for Jukkola Systems Ltd. Additionally, the aim was to increase the expertise in condition monitoring systems to aid in sales and maintenance. The work was performed as a pilot project in collaboration with Siemens Ltd and KIP Service. Siemens provided the necessary condition monitoring equipment an IoT service for the project. The condition monitoring devices were installed in two Siemens electric motors and one KSB RDLO seawater pump supplied by Jukkola Systems Ltd at KIP Service facilities.

In this thesis, a vibration sensor measurement based on the Siemens CMS1281 condition monitoring module was built for the Siemens 700kW electric motor and KSB RDLO pump. In another measurement location, the Siemens SC400 condition monitoring module from same manufacturer was installed in the electric motor. This allowed for a comparison of the performance and use of two different automatic condition monitoring devices. In addition, the measurement data was compared to the company´s portable measurement equipment. The measurement data obtained from the devices was transferred to the Siemens MindSphere IoT service, which allows the company and its customers to monitor real-time condition monitoring data. The devices were equipped with independent 4G-based network connections and the CMS1281 module was equipped with remote access.