Maintenance analytics to predict failure of a pinch valve sleeve

Abstract

In this thesis, first steps are taken into the research about the viability of the Neles™ ND9000- positioner’s diagnostic data in predicting failures to the Flowrox™ heavy-duty pinch valve sleeve. The thesis provides insight into Valmet’s Flow Control business line and the aforementioned valve and positioner. Theoretical background into the failure mechanisms is provided, and the analytic methods suitable for data from the positioner are selected through exploring the matter in a literature review. Finally, an analysis program is presented, based on the methods for analysis described.

Should the sleeve fail according to the failure mechanisms hypothesized, the analysis program should be able to present models fitted to the data using segmented regression. The difference of models can then be used to visually determine whether the sleeve is about to break. Using the tools developed, as sufficient data is gathered in the future, this feature could be implemented into the positioner to warn about the sleeve nearing the end of its life. This could help industrial plants minimize costs due to unscheduled stops in the process caused by a sleeve breaking.

Tässä kandidaatintyössä otetaan ensimmäiset askeleet tutkimukseen, jossa pyritään määrittämään Neles™ ND9000 -asennoittimen diagnostiikkadatan hyödyntämisen toimivuus, Flowrox™ heavy-duty -letkuventtiilin letkurikon ennustamisessa. Työssä esitellään Valmetin virtauksensäätöliiketoimintalinja sekä edellämainittu letkuventtiili ja asennoitin. Letkun rikkoutumismekanismeja avataan teoreettisella pohjalla, jonka jälkeen asennoittimen datan analysointiin soveltuvat menetelmät määritetään kirjallisuuskatsauksen pohjalta. Lopuksi esitetään näihin mentelmiin perustuva analyysiohjelma.

Mikäli letku rikkoutuu oletetulla tavalla, esitetty analyysiohjelma pystyy osittaisella regressiolla dataan asetettujen mallien perusteella ennustamaan letkun rikkoutumisen. Käyttäen esitettyjä työkaluja, mikäli riittävä määrä dataa saadaan kerättyä tulevaisuudessa, tämä ennustusmenetelmä voidaan sisällyttää itse asennoittimen ohjelmistoon. Tämä ominaisuus voisi varoittaa teollisuuslaitoksen ylläpitoa letkurikosta johtuvista yllättävistä pysähdykistä, minimoiden niistä aiheutuneita ylimääräisiä kustannuksia.