eÄlytelli-hankkeessa tehostettiin värähtelydatan tallennusta ja analysointia
Tietokantaratkaisun ja palvelintietokoneen mitoittaminen suurien datamassojen käsittelyyn
eÄlytelli-hankkeen Moventas pilotin ensimmäisessä työpaketissa (WP1) tavoitteena oli mitoittaa tuulimyllyjen vaihteistojen koeajodatan käsittelyyn vaadittava palvelintietokone, sekä koostaa suurille datamassoille optimaalinen datarakenne riittävän nopeaa tallennusta, käsittelyä ja lukemista varten.
Palvelintietokoneen vähimmäisvaatimukset:
- 4-ydin prosessori monisäikeistyksellä (8th Gen Intel i5, vähintään 3.4GHz boost taajuudella)
- 32GB DDR4 RAM vähintään @2400MHz
- Raid 10 konfiguraatio, valmius seuraaviin luku- ja kirjoitusnopeuksiin: 3GB/s luku ja 2GB/s kirjoitus
- 1GB/s verkkorajapinta
- Yksi vapaa PCI-E 3.0 16x paikka (varattu myöhempää käyttöä varten)
Ohjelmistosuositukset:
- Linux (Esimerkiksi Ubuntu 16.04 tai uudempi) tai Windows 10
- Microsoft SQL Server 2019
Satojen tuhansien rivien datamassojen tallentamiseen nopeasti yleisesti tietokannoissa käytetty elementti per rivi ei riittänyt, vaan oli mietittävä muita ratkaisuja. Näiden suurien datojen käsittelyyn ja tallentamiseen soveltui tutkimusten ja erilaisten tallennussimulaatioiden kautta formaatti, johon tallennettiin tuhansia elementtejä yhdelle riville tavukoodina numeeristen arvojen sijaan. Tällä tavalla yhden vaihteiston koeajodatan voi tallentaa yhdelle riville satojen tuhansien sijaan. Uusi formaatti vähentää tallennustilan tarvetta liki puolella jokaista koeajotulosta kohden, nopeuttaa datan käsittelyä huomattavasti ja soveltuu käytettäväksi asiakkaan jo käytössä olevaan Microsoft SQL Server -tietokantaan.
Kuva 1: Vanhan datan tallentaminen uuteen formaattiin
Taajuusanalyysin nopeuttaminen vähentää odottelua
Toisessa työpaketissa (WP2) tavoitteena oli kehittää taajuusanalyysia vastaamaan paremmin asiakastarpeisiin. Tarkoituksena oli löytää vaihteen värähtelymittausdatasta tiettyjä ilmiöitä, joiden voimistuminen on merkki laatupoikkeasmasta. Niiden löytäminen on tärkeää, jotta asenenttavaksi lähtevät vaihteet ovat parhaassa mahdollisessa kunnossa.
Yksi suurista haasteista tässä oli suoritusajan parantaminen. Vanhan tietokantaratkaisun kanssa yhden koeajon taajuusanalyysiin meni kaksi tuntia, josta noin tunti kului analyysiin. Hankkeessa toteutettu kannettavalla tietokoneellakin ajettava Python-pohjainen analyysiohjelmisto suoriutuu laaturaportin tuottamisesta alle viidessä minuutissa. Tulevaisuudessa laadunvarmistusta tekevien työaikaa ei kulu odotteluun, vaan raportti syntyy lähes välittömästi, ja tarvittaviin muutostöihin voidaan ryhtyä heti.
Menetelmän lisäksi hankkeessa luotiin visualisointeja taajuusilmiöiden havainnollistamiseksi. Värähtelyilmiöiden kuvaajissa on mukana myös raja-arvot, joiden ylitykset aiheuttavat laatuhälytyksen. Nämä hälytykset on koottu myös kuvaajaksi, joka osoittaa mitkä anturit ja mihin ilmiöihin liittyen hälytyksiä on tullut.
Kuva 2: Hälytysraportti. Eri anturit on listattu yläreunassa ja värähtelyilmiöt vasemmalla. Sininen tarkoittaa, että kyseinen ilmiö pysyi raja-arvojen sisällä, kun taas keltainen tarkoittaa varoitusta ja punainen hälytystä. Harmaana oleville ilmiöille ei ole vielä määritelty raja-arvoja.
Ratkaisun käyttö avaa mahdollisuuksia
Kyseisiä menetelmiä voidaan hyödyntää muissakin tilanteissa, joissa monimutkaisia mekaanisia järjestelmiä testataan ja testaustietoja halutaan hyödyntää hyväksyntäprosessissa, järjestelmien kunnonseurannassa ja jatkokehityksessä.
Kirjoittajat:
Jesse Raitapuro, asiantuntija, Jyväskylän ammattikorkeakoulu, IT-instituutti
Tuomo Sipola, vanhempi tutkija, Jyväskylän ammattikorkeakoulu, IT-instituutti