Predictive performance model for medium voltage circuit breakers : a prognostic approach based on multiple algorithms

Predictive maintenance strategies are a hot topic at the present time and it seems to be a rapidly growing interest for different leading companies of the world. After the installation of the sensors, multiple data values are being monitored, but a lot of studies need to be done in order to analyze the data and use it for a better performance of the asset. One of the most interesting topic is the prognostic analysis, to predict the failures well before they happen in reality. It will provide a big step further after the condition based maintenance. The work done in this thesis describes multiple approaches to do this prognostic analysis. A multimodular scheme has been designed for the predictive performance model, which gives the possibility to add more components depending on the asset type and to use multiple algorithms as well. In the scope of this thesis, three algorithms have been described and tested. The algorithms can be used depending on the source and type of the data available. The first algorithm is based on the statistical data observed during the endurance tests of the circuit breakers. It also gives the possibility to adjust the KPIs according to the environmental and operational conditions of the asset. The second algorithm uses the live data that is being recorded by the sensors installed on the asset. While the third algorithm gives a new approach to aggregate the KPIs having non-identical data type. The model has been successfully made available to be used by the R&D personnel at ABB. In addition, it is intended to be released as an ABB product in the near future.

Le strategie di manutenzione predittiva sono un argomento caldo attualmente e sembra esserci un interesse in rapida crescita da parte di diverse aziende leader nel mondo. Con l'installazione di sensori vengono monitorati una pluralità di dati, ma è necessario eseguire molti studi per analizzare i dati e utilizzarli per migliorare le performance del dispositivo monitorato. Uno degli argomenti più interessanti è l'analisi prognostica, per prevedere dei possibili guasti prima che accadano nella realtà. Determinerà un grande passo in avanti rispetto alla manutenzione basata sulle condizioni del dispositivo. Il lavoro svolto in questa tesi descrive approcci multipli per fare questa analisi prognostica. Uno schema multi modulare è stato progettato per il modello predittivo delle prestazioni, che offre la possibilità di aggiungere più componenti a seconda del tipo di dispositivo e di utilizzare anche più algoritmi. Nell'ambito di questa tesi, sono stati descritti e testati tre algoritmi. Gli algoritmi possono essere utilizzati in base all'origine e al tipo di dati disponibili. Il primo algoritmo si basa sui dati statistici osservati durante il test di durata degli interruttori. Dà inoltre la possibilità di adattare gli indicatori KPI in base alle condizioni ambientali e operative del dispositivo. Il secondo algoritmo utilizza i dati in tempo reale che vengono registrati dai sensori installati sul dispositivo. Mentre il terzo algoritmo offre un nuovo approccio per aggregare i KPI che hanno un tipo di dati non identico. Il modello è stato reso disponibile per essere utilizzato dal personale di R&D di ABB. Ed è destinato a essere reso disponibile come prodotto ABB nel prossimo futuro.