Turun ammattikorkeakoulun tutkimushanke ennakoi vakavia hajoamiseen johtavia moottorivikoja

Turun ammattikorkeakoulu on käynnistänyt yhdessä teollisuuden kumppaneiden kanssa Early Detection of Extreme Engine Events (EDE3) -tutkimusprojektin, jonka tavoitteena on vakavien moottorivaurioiden varhainen tunnistaminen, ennustaminen ja ennaltaehkäisy suurissa moottoreissa.

Moottoriviat voivat aiheuttaa pitkiä seisokkeja, suuria kustannuksia ja turvallisuusriskejä. EDE3- hanke pyrkii vastaamaan näihin haasteisiin kehittämällä reaaliaikaisen järjestelmän, joka tunnistaa ja ennustaa moottorin mahdolliset ongelmat jo ennen niiden syntymistä.

Tavoiteltuja tuloksia ovat moottorien luotettavuuden paraneminen, operatiivisten riskien väheneminen ja tutkimustyö toimii perustana uusille kaupallisille kunnonvalvontaratkaisuille.

Hankkeen keskiössä ovat Turun AMK:n moottorilaboratorion vahva osaaminen kokeellisessa tutkimuksessa ja Computational Engineering and Analysis (COMEA) -tutkimusryhmän kyvykkyys mallinnusosaamisessa, jotka yhdessä tarjoavat arvokasta tietoa moottorin valmistajille ja loppukäyttäjille. Hanke toteutetaan tiiviissä yhteistyössä Turun ammattikorkeakoulun ja teollisuuden johtavien toimijoiden Wärtsilän, AGCO Powerin, Nomen, Unikien ja EDR&Medeson kanssa.

–EDE3-tutkimushankkeen odotetaan edistävän moottorien diagnostiikan ja ennakoivan kunnossapidon kyvykkyyksiä. Tämä tukee sekä Wärtsilää että teollisuutta laajemmin sopeutumaan kehittyviin energiajärjestelmiin, sanoo tohtori Tero Frondelius, vanhempi tutkimuskehityspäällikkö Wärtsilässä.

– Tutkimalla uusia lähestymistapoja varhaiseen vianhavaitsemiseen ja digitaaliseen mallinnukseen hanke tarkastelee mahdollisuuksia entistä parempaan luotettavuuteen ja tehokkuuteen – asioihin, jotka korostuvat energiatransition kiihtyessä. Tämä tutkimus voi osaltaan vaikuttaa tuleviin käytäntöihin ja teknologioihin eri teollisuussektoreilla, Frondelius jatkaa.

Osana Business Finlandin yhteistutkimushanketta EDE3-projekti hyödyntää kontrolloituja moottoritestejä, digitaalikaksosteknologiaa ja adaptiivisia diagnostiikkamenetelmiä. Näiden avulla moottorin käyttäytymistä voidaan mallintaa ja seurata digitaalisen kaksosen muodossa eli virtuaalisena versiona todellisesta moottorista. Kun digitaalisessa mallissa havaitaan poikkeamia todelliseen mittausdataan verrattuna, järjestelmä voi tunnistaa vian alkamisen jo varhaisessa vaiheessa.

EDE3-hankkeen kehittämä lähestymistapa mahdollistaa vikojen havaitsemisen vaiheittain: yksinkertaisesta vian toteamisesta aina sen aiheuttaneen komponentin paikantamiseen ja moottorin jäljellä olevan käyttöiän arviointiin.