Ventilátorok és az általuk kiszolgált gáztechnikai rendszer üzembiztonságát, megbízhatóságát jelentősen javítja, ha képesek vagyunk felismerni a ventilátor kialakuló rendellenességét – pl. a járókerék elszennyeződés miatti káros mértékű kiegyensúlyozatlansága –, sőt időben előre tudjuk jelezni a ventilátor ebből adódó súlyos meghibásodását – pl. a lapátok törése. Az időben történő karbantartással, javítással, tisztítással elkerülhető a gép tönkremenetele és az ebből adódó veszteségek, pl. üzemkiesés és teljes gépcsere költségei. A projekt célja: előtanulmányok végzése arra irányulóan, hogy hogyan lehet egyetlen beépített rezgésmérővel, és a nyert rezgési adatok okos kiértékelésével a rendellenességeket felismerni, és a meghibásodást időben előre jelezni. A projekt magában foglal ventilátor-kísérleteket, a rezgésmérő telepítését és alkalmazását, és a rezgésmérési adatok feldolgozását. Az adatfeldolgozás épít az AI kreatív mérnöki alkalmazására, és betekintést ad a gépi tanulás (Machine Learning) világába.

The operational safety and reliability of fans and the gas technical systems served by them can be significantly improved by means of detecting developing anomalies – such as excessive impeller imbalance due to fouling – and even predicting consequential catastrophic failures, like blade breakage. Timely maintenance, repair, and cleaning prevent equipment breakdown and avoid associated losses, such as production downtime and total equipment replacement costs. The objective of the project is to conduct preliminary studies on how to detect anomalies and predict failures in a timely manner using a single in-built vibration sensor combined with smart evaluation of the acquired vibration data. The project involves fan experiments, the installation and application of the vibration sensor, and the processing of vibration measurement data. Data processing includes the creative engineering application of AI and provides insight into the world of Machine Learning.