Az „OMEGASYS azaz a 2020-1.1.2-PIACI-KFI-2020-00147 projekt a Miskolci Egyetem Gépészmérnöki és Informatikai Karának Informatikai, Matematikai, Fizikai és Elektrotechnikai valamint az Energetikai és Vegyipari Gépészeti Intézeteiben végzett projekt.
A facility management működési területei közül a tervezés és előrejelzés, valamint a működtetés és fenntartás jelentős fejlődésnek indult az elmúlt évek során. Általánosságban elmondható, hogy a legújabb technológiák, elektronikai és informatikai megoldások csak késéssel jelennek meg a létesítménygazdálkodás területein. Az új irodaházakban, a logisztikai és sportlétesítményekben valamint a felújított rendészeti, katonai intézményekben azonban már alapvető követelmény a modern épületautomatizálási és monitorozó rendszerek alkalmazása. Ezek a rendszerek új szolgáltatások kialakítását teszik lehetővé a működtetést és fenntartást biztosító cégek számára.
Projektünk célja egy olyan új, tervezést segítő és meghibásodásokat előrejelző, döntéstámogató rendszer kifejlesztése, mely segítségével egyrészt már tervezéskor meghatározható az egyes elemekből felépülő, teljes épületgépészeti rendszer élettartama, másrészt, a már megépült épületek berendezéseinek optimális ütemezésű, adaptív karbantartási terve is kialakítható.
K+F projektünk eredményeképpen előálló rendszer segítségével lehetővé válik az újonnan tervezendő létesítmények gépészeti elemeinek, ezen belül hűtés, fűtés, légtechnika, árnyékolás-automatizálás, telekommunikációs és informatikai hálózat, rendszerszintű, optimális karbantarthatóságra való tervezése, illetve a már elkészült épületgépészeti szakági tervek meghibásodás és karbantartás szempontjából történő elemzése. A kialakítandó rendszer az üzemeltetett létesítményekből gyűjtött adatokból, valamint a karbantartó kollégák bejelentéseiből adaptív, döntéstámogató algoritmusok segítségével, folyamatosan finomítja az egyes komponensek meghibásodási előrejelzéseit és lehetővé teszi az optimális karbantartási tervek előállítását.
K+F projektünk kutatásának fókuszában a sztochasztikus Markov-modellek és a leggyakoribb meghibásodásai valószínűségi eloszlásfüggvények, mint például a Weibull-, az exponenciális- és a normális-eloszlás paramétereit meghatározó, mesterséges intelligencia algoritmusok állnak. A kialakítandó rendszer elemző algoritmusai olyan paramétereket fognak megbecsülni, mint például az egyes gépészeti elemek és a teljes létesítményre vetített működőképesség valószínűsége R(t), meghibásodás valószínűsége F(t), meghibásodási sűrűség f(t), meghibásodási ráta λ(t), valamint a várható élettartam To. Az ipari kutatás keretében modellezendő, öntanuló mesterséges intelligencia algoritmusok alapját olyan observer algoritmusok képezik, amelyek a valós meghibásodási és karbantartási bejegyzések alapján képesek meghatározni az adott gépészeti egységre vonatkozó hibaeloszlás-függvény paramétereit, és ennek segítségével megbecsülni a legközelebbi meghibásodás várható időpontját. Az optimális karbantartási ütemezés létrehozásához a kutatóknak figyelembe kell venniük a hibaelhárítás teljes költségét, azaz a meghibásodó berendezés bekerülési árát és/vagy a hiba elhárításának várható költségét, valamint az üzemkimaradás által okozott károk pénzben kifejezett összegét. A rendszer minden egyes berendezésre ki fogja számolni annak tervezett karbantartási időpontjáig becsült meghibásodási valószínűség és várható hibaelhárítási költségek szorzatát, mely alapján komplex kockázatelemzést biztosítható a megrendelőknek.
K+F projektünk újdonságtartalma, hogy az üzemeltetési kockázatok elemzéséhez, és azok csökkentéséhez új, sztochasztikus Markov-modellekre alapuló, mesterséges intelligencia algoritmusokat fogunk kifejleszteni. Ezek segítségével nemcsak pontosabban lehet előre jelezni az egyes meghibásodásokat, hanem jelentős mértékben csökkenthető a létesítményre vonatkozó, teljes üzemeltetési kockázat, valamint az éves karbantartási költségek várható értéke.
K+F projektünkben, a gyakorlatban is hasznosítható jelentős innováció, új tudományos műszaki eredmény fog születni a facility management szakterületen belül számítógépes megbízhatóság és kockázatkezelés területén (Computer Aided Reliability and Risk Management).
A létesítményüzemeltetéssel foglalkozó cégeknek jelenleg nagy problémát jelent a nagy értékű épületgépészeti berendezések váratlan meghibásodása, mivel azok javítása költségesebb, mint a megelőző karbantartása, valamint a szükséges alkatrészek és emberi erőforrások hiányából fakadó hosszabb üzemkiesések is jelentős károkat okozhatnak. Komplex nagy létesítmények esetében a gépészeti berendezések gyártói által előírt kötelező karbantartási időpontokon alapuló karbantartási ütemezés, sokszor nem elégséges az egyenetlen terhelés miatt.
A tudomány jelenlegi állása szerint a Markov-féle sztochasztikus megbízhatósági modellek, valamint a leggyakoribb meghibásodási eloszlási függvények (Weibull-, Exponenciális-, Normál-eloszlás) paramétereinek helyes beállításával becsülhető meg legpontosabban egy gépészeti rendszer meghibásodási valószínűség görbéje. A kutatóknak legtöbbször az okoz problémát, hogy biztosan jól ismerték-e fel az adott gépészeti elem meghibásodási eloszlás függvényét, illetve, hogy jól határozták-e meg annak paramétereit.
Hipotézisünk szerint, a legtöbb gépészeti berendezés meghibásodási valószínűségi eloszlását tetszőleges pontossággal meg tudjuk közelíteni, egy adaptív obszerver algoritmus és egy paraméterezett Weibull-eloszlás alkalmazásával, ahol az obszerver az empirikusan megfigyelt és elemzett adatok alapján meghatározza a Weibull-eloszlás α paraméterét. A Weibull kitevő, azaz az α, az eloszlás alakparamétere. α > 1 esetén határértékben a normális eloszlás görbéjét kapjuk, míg α = 1 esetén az exponenciális eloszlás görbéjét közelíthetjük meg.
K+F projektünk ipari-kutatási fázisában kutatóink modellezni fogják a gépberendezések meghibásodási eloszlását közelítő, Weibull-eloszlás paramétereinek megfigyelésére alkalmas, dinamikus obszerver algoritmusok viselkedését. A kísérletekben alkalmazott obszerver algoritmusok a folyamatosan növekvő számú empirikus adatok feldolgozásával egyre jobban közelíteni fogják a gépberendezés fekete dobozként kezelt, valós eloszlásfüggvényt.
K+F projektünk a következő tudományos bizonytalanság feloldására irányul: hogyan lehet empirikus adatok felhasználásával, monoton csökkenő hibaértékkel közelíteni a különböző futásteljesítményű, azonos géptípushoz tartozó berendezések meghibásodási valószínűségi eloszlását.
A kutatók az új tudományos eredmény eléréséhez két ígéretes algoritmusból próbálják kialakítani a megoldást. Az egyik a dinamikus rendszerek megfigyelésére szolgáló obszerverek alapján kialakított algoritmusok továbbfejlesztése. A másik a sztochasztikus Markov-féle megbízhatósági modell alapján, működő állapotátmenet-modell algoritmusa.
Az obszerver-alapú algoritmusok vizsgálatánál a kutatók arra fognak koncentrálni, hogy olyan gradiens-alapú, öntanuló algoritmusokat alakítsanak ki, amelyek képesek monoton csökkenő ε hibával meghatározni az adott gépberendezés típusok eloszlás görbéit. A gépek életciklusát az algoritmusok 3 fő szakaszra fogják osztani, és meg fogják határozni azokat a paramétereket, amelyek kialakítják az (1) korai meghibásodások, (2) normál üzemű véletlen meghibásodások, valamint (3) öregedés-jellegű meghibásodások szakaszát. Ezek alapján az obszerver algoritmusok meg fogják határozni a Weibull-eloszlás α alakparaméterét, β karakterisztikus élettartamát és γ helyzetparaméterét. A sztochasztikus Markov-féle megbízhatósági értékeket számoló algoritmusok vizsgálatánál a kutatók vizsgálni fogják a differenciál egyenletrendszerekkel leírható, passzív és aktív redundanciával ellátott, összetett rendszerek meghibásodás valószínűségi eloszlásait.
Projektünk műszaki újdonságtartalmából fakadó szakterületi jelentősége, hogy a kifejlesztendő OmegaSys rendszer az alkalmazott algoritmusok segítségével olyan karbantartás optimalizáló, döntéstámogató szolgáltatást tud biztosítani, amely egyedülálló módon tudja megtervezni a legkisebb költségű és kockázatú üzemeltetési folyamatokat.
A facility management szakterületen eddig megjelent szoftvermegoldásokhoz képest a kifejlesztendő rendszer nemcsak a gyártók által meghatározott, kötelező karbantartási gyakoriság szerint alakítja ki az ütemezést, hanem a gyűjtött, valós adatok elemzésével, adaptívan határozza meg a szükséges karbantartásokat.
Projektünk célcsoportjából fakadó szakterületi jelentőség, hogy a tervezett OmegaSys rendszer használatával az épületek üzemeltetéséhez egy teljesen új szolgáltatás alakítható ki, mely segítségével jelentősen csökkenthető a meghibásodás kockázata és ezzel az üzemeltetési költségek is. A kifejlesztendő rendszer megfelel a BIM Európai közös épületinformációs modellszabályozás célkitűzéseinek.
A projekt lehetőséget adott egy hatékonyan együttműködö csapat kiépítésére is, amely több különböző szakterület képviselőit fogja össze. A csoport tagjai:
A különböző szakterületek képviselőinek együttműködése számos érdekes megközelítést bontakoztatott ki.