Vis enkel innførsel

dc.contributor.advisorNejad Amir
dc.contributor.advisorGruner Trond
dc.contributor.advisorJaniwarad Narendra
dc.contributor.authorPiene Gustav Einar
dc.date.accessioned2022-09-15T17:19:10Z
dc.date.available2022-09-15T17:19:10Z
dc.date.issued2022
dc.identifierno.ntnu:inspera:106583545:36702325
dc.identifier.urihttps://hdl.handle.net/11250/3018211
dc.descriptionFull text not available
dc.description.abstractDenne oppgaven tar for seg feildeteksjon på produksjonsanlegget ombord en flytende produksjons-, lagrings- og losseenhet for LNG-produksjon. Implementering av tilstandsbaserte vedlikeholds strategier representerer en mulighet for å redusere vedlikeholdskostnadene og nedetiden. Moderne FLNG-er er utstyrt med et høyt antall sensorer som registrerer data fra LNG-produksjonsanleggene. Denne oppgaven tar sikte på å utvikle et rammeverk for tilstandsovervåking og feildeteksjon ved hjelp av allerede eksisterende sensor data ombord Golar LNGs FLNG Hilli Episeyo. For å etablere en ramme for tilstandsovervåking i produksjonsanlegget vurderes de ulike komponentene i produksjonsanlegget basert på deres kritikalitet, pålitelighet og kostnad. En «mixed refrigerant compressor» brukes som casestudie i utviklingen av modellen. Rammeverket som foreslås i denne oppgaven består av tre trinn: databehandling, modellutvikling og en feildeteksjonsalgoritme. Før dette rammeverket tas i bruk for en tilstandsovervåkingsordning, gjøres det rede for ulike metoder og deres hensiktsmessige anvendelser, fordeler og ulemper. Lagertemperaturer i «mixed refrigerant compressoren» er modellert av en datadrevet modell. Ulike modeller diskuteres og beskrives, og en overvåket maskinlæringsalgoritme i form av en støttevektormaskin brukes for casestudien. Gitt en vellykket modell som evner å gjengi den funksjonelle oppførselen til komponenten, kan forskjellige metoder for feildeteksjon vurderes. Hver metode blir vurdert basert på metodens fordeler og begrensninger. For å verifisere modellens evne til å beskrive temperaturutviklingen i aksiallageret utføres flere forsøk basert på historisk data. En metode basert på kumulativ sum av endringer brukes for feildeteksjon. For å validere modellens evne til å oppdage abnormiteter i systemet kan endringsdeteksjonsmetoden brukes på et case med kjente abnormiteter i systemet. I et case med en kjent feil i tetningsgasssystemet til kompressoren, brukes modellen vellykket for å oppdage unormal oppførsel i kompressoren og utløse en alarm.
dc.description.abstractThis thesis considers fault detection in the production facility onboard an floating production storage and offloading unit for LNG production. Adopting condition-based maintenance strategies represent a possibility to reduce maintenance cost and decrease downtime. Modern FLNGs are equipped with large quantities of sensors registering data from the LNG production facilities. This thesis aims to develop a condition monitoring and failure detection framework utilizing already excising sensor-data onboard Golar LNG's FLNG Hilli Episeyo. In order to establish a framework for condition monitoring in the production facility, the different components in the production facility are considered based on their criticality, reliability, and cost. A mixed refrigerant compressor is used as a case study in the development of the model.\\ The framework proposed in this thesis consists of three steps: data processing, model development, and a fault detection algorithm. Before this framework is applied for a condition monitoring scheme, different methods are accounted for, and their appropriate applications, advantages, and disadvantages are discussed. A data-driven model models bearing temperatures in the mixed refrigerant compressor. Different models are discussed and described, and a supervised machine learning algorithm in the form of a support vector machine is used for the case study. With a successful model describing the component's functional behavior, different fault detection methods can be considered. Each model is considered based on its advantages and limitations. Several cases are performed based on historical data to verify the model's ability to describe the temperature development in the thrust bearing in the mixed refrigerant compressor. A cumulative sum change detection method is used as a tool for fault detection. In order to validate the model's ability to detect abnormalities in the system, the change detection method can be used on a known case with anomalies in the system. In a case with an anomaly in the seal gas system to the mixed refrigerant compressor, the model is successfully applied to detect the abnormal behavior in the mixed refrigerant compressor and cause an alarm.
dc.languageeng
dc.publisherNTNU
dc.titleDigital Twin Based Condition Monitoring of Machinery on board of an FLNG
dc.typeMaster thesis


Tilhørende fil(er)

FilerStørrelseFormatVis

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel