Zuverlässigkeitsbewertung von prädiktiven Wartungstechniken für marine Antriebssysteme

Die Wartungsfreundlichkeit und Zuverlässigkeit von marinen Antriebssystemen ist entscheidend für die Betriebseffizienz, Sicherheit und wirtschaftliche Tragfähigkeit maritimer Operationen und Aktivitäten. Diese Studie zielt darauf ab, die Zuverlässigkeit der prädiktiven Wartungstechniken zu bewerten, die zur frühzeitigen Erkennung von Defekten in marinen Antriebssystemen eingesetzt werden, um Ausfälle und Stillstandszeiten zu reduzieren. Das Modell integrierte einen Zuverlässigkeitsrahmen mit Felddaten, die aus der Fallstudie des Schlepper Abun gesammelt wurden, um eine risikobasierte Reparaturpriorisierung für die Zuverlässigkeit des marinen Antriebssystems des Vessel zu erleichtern. Es wird das auf ANN basierende Vorhersagemodell mit FTA und FMECA zur risikobasierten Wartungspriorisierung in Bezug auf die Zuverlässigkeit des marinen Antriebssystems verwendet und die Effektivität des kombinierten Rahmenwerks ANN-FTA-FMECA bei der Reduzierung von Stillstandszeiten, der Verlängerung der Lebensdauer von Anlagen und der Senkung der Betriebskosten von marinen Antriebssystemen bewertet. Die Vorhersage des Modells für die Einspritzdüsen der Steuerbord-Antriebsanlage des Schiffes betrug im Durchschnitt 95 Prozent, mit einem quadratischen Mittelwertfehler von 12,13 und einem absolutem Mittelwertfehler von 3,13, was bedeutete, dass die Vorhersagen im Durchschnitt im Vergleich zu den tatsächlichen Werten sehr genau waren. Das Diagramm der Ausfallwahrscheinlichkeit des Subsystems zeigt die relative Anfälligkeit jeder Komponenten-Gruppe, die zur Gesamtunzuverlässigkeit des Antriebssystems beiträgt. Die höchste Wahrscheinlichkeit wurde im Kraftstoffsystem (P = 0.1817) beobachtet, was anzeigt, dass es als das anfälligste Subsystem gilt, aufgrund häufiger Vorkommen wie Blockaden der Einspritzdüsen und Filter. Es folgten die Motorblock-Baugruppe (P = 0.1299) und das Kühlsystem des Hauptmotors (P = 0.0672), die beide entscheidend für die Aufrechterhaltung der Antriebstabilität und der thermischen Regelung sind. Moderate Ausfallwahrscheinlichkeiten wurden beim Getriebe-Kühlungssystem (P = 0.0580) und dem Schmieröl-System des Hauptmotors (P = 0.0390) festgestellt, was auf eine schlechte Kühlung und unzureichende Schmierung (Viskositätsverlust) hinweist. Subsysteme wie die Welle (P = 0.0065), Kupplung, Lager und Propeller (P = 0.0000) zeigen nahezu vernachlässigbare Wahrscheinlichkeiten, was auf eine effektive strukturelle Zuverlässigkeit hinweist. Insgesamt ergaben die kombinierten Subsystem-Wahrscheinlichkeiten eine Ereigniswahrscheinlichkeit (Ptop = 0.5882), die auf überdurchschnittliche Gesamtzuverlässigkeit des Systems hindeutet. Die Ergebnisse zeigen, dass das prädiktive Modell des künstlichen neuronalen Netzwerks, das die Architektur eines mehrschichtigen Perzeptrons nutzt, zuverlässig Marine-Maschinen-Ausfälle vorhersagen kann, wodurch die Zuverlässigkeit erhöht und die Stillstandszeiten reduziert werden können.