Anglicky: Fault Analysis System for Agricultural Machinery Based on Big Data
Zdroj: D. Li, Y. Zheng and W. Zhao, "Fault Analysis System for Agricultural Machinery Based on Big Data," in IEEE Access, vol. 7, pp. 99136-99151, 2019, doi: 10.1109/ACCESS.2019.2928973.
Klíčová slova: "zemědělská technika, big data, senzor, analýza dat"
Dostupný z: https://ieeexplore.ieee.org/abstract/document/8777160
S neustálým rozvojem zemědělské mechanizace a informací v zemědělství se stala důležitým problémem analýza poruch strojů. Analýza rizika selhání zemědělských strojů může zemědělcům ušetřit značné množství času a nákladů. Článek řeší tento problém do fáze návrhu, výroby a testování platformy pro analýzu dat v Číně. Prostřednictvím sběru a analýzy dat ze zemědělských strojů, byly pomocí fyzikálního modelování vyvinuty technologie Big Data generující pro zemědělce informace o mechanických částech zemědělských strojů, příčině poruchy a požadavků na údržbu s využitím internetu. Tato nová platforma pro analýzu a správu zemědělských strojů má v současné době přístup k 100 milionům datových bodů a poskytuje příklady detekce poruch a údržby. Systém byl použit na více farmách napříč čínskými provinciemi.
Výzkum se zaměřuje na zemědělské stroje jako např. kolové traktory, kultivátory, sklízecí mlátičky a sušičky ve specifických výrobních oblastech. Údaje jsou shromažďovány ze zemědělských strojů při provádění provozních operací. Tato fundamentální data jsou původní informace o stavu stroje s časovými informacemi. Senzor sbírá analogové signály, jako je teplota a rychlost, pozice, tlak kapaliny atd. Analogový signál je konvertován na digitální pomocí A/D převodníku a odeslán na paralelní nebo sériový port do mobilního telefonu ve vozidle a odtud prostřednictvím internetu do datového centra. Zde jsou data uložena, zpracována a po analýze připravena pro další využití, například pro obsluhu stroje. Článek demonstruje praktický význam technologie analýzy Big Dat v zemědělské výrobě, zejména při údržbě zemědělské techniky, diagnostice a předcházení poruch zavedením celého procesu od začátku sběru dat až po výsledky analýzy. V experimentu přesáhla úspěšnost predikce alarmů a poruch 80%. Systém umožňuje obsluze online přístup k expertním analýzám, datům a například reportům o stavu stroje bez nutnosti přístupu k počítači. Studie přispívá ke znalostem v oblasti digitálního a inteligentního zemědělství a dílčí prvky popsaného systému jsou potencionálně využitelné v podmínkách ČR.
