Döner ekipmanlarda dairesel dalga yöntemi ile arıza tespiti

Öz

Bu çalışmada, döner makinelerden elde edilen titreşim verilerinin mekanik arızanın kök nedenini açıklayacak bir biçimde analiz edilebilmesi amacıyla dairesel dalga yöntemine dayalı yenilikçi bir yaklaşım geliştirilmiştir. Döner ekipmanlarda meydana gelen arızalar açısal olarak tekrar eden titreşim karakteristiği sergilediği için, zaman veya frekans düzlemindeki ham verilerin yorumlanması çoğu durumda yetersiz kalmaktadır. Bu kısıtlamayı aşmak amacıyla, titreşim sinyallerini devir senkronlu polar grafiklere dönüştüren ve yüksek frekanslı gürültüleri elimine eden bir analiz algoritması tasarlanmıştır. Geliştirilen yöntem, saha koşullarında 2700 rpm vakum fanları, 1425 rpm akuple toz emiş fanları ve 1500 rpm tahrikli krank-şaft mekanizmalı pistonlu pompalar üzerinde test edilerek doğrulanmıştır. Elde edilen dairesel dalga grafikleri, geleneksel FFT (Hızlı Fourier Dönüşümü) analizinin "faz körü" (phase-blind) yapısı nedeniyle ayırt edemediği, mildeki mikro seviyeli salgı, motor ön kapak aşınmasından kaynaklanan yatak gevşemesi ve krank-şaft mekanizmalarındaki dişli boşluğu (backlash) gibi karmaşık arızaları %90’ı aşan bir doğrulukla teşhis etmiştir. Sonuç olarak, dairesel dalga yaklaşımının kestirimci bakım süreçlerinde hem kök neden analizindeki görselleştirme kabiliyeti hem de arıza tespit hassasiyeti açısından geleneksel yöntemlere güçlü bir alternatif ve tamamlayıcı çözüm sunduğu kanıtlanmıştır.

Anahtar Kelimeler

• Kestirimci Bakım
• Dairesel Dalga
• Bulut Bilişim

Fault detection in rotating equipment using the circular plot

Abstract

In this study, an innovative approach based on the circular wave method has been developed to analyze vibration data from rotating machinery and reveal the root cause of mechanical faults. Because faults in rotating equipment exhibit angularly repetitive vibration characteristics, interpreting raw data in the time or frequency domain is, in most cases, insufficient. To overcome this limitation, an analysis algorithm was designed that transforms vibration signals into revolution-synchronous polar plots while eliminating high-frequency noise. The developed method was tested and validated under field conditions on 2700 rpm vacuum fans, 1425 rpm coupled dust extraction fans, and 1500 rpm crankshaft-driven piston pumps. The resulting circular wave plots successfully diagnosed complex faults—such as micro-level shaft runout, bearing looseness caused by motor front cover wear, and gear backlash in crankshaft mechanisms—with an accuracy exceeding 90%, which traditional FFT (Fast Fourier Transform) analysis fails to distinguish due to its "phase-blind" nature. Consequently, the circular wave approach has proven to be a robust alternative and a complementary solution to traditional methods in predictive maintenance, offering superior visualization capabilities for root cause analysis and high sensitivity in fault detection.

Keywords

• Predictive Maintenance
• Circular Plot
• Cloud Computing

Kaynakça

1. M. Yağcıoğlu, A.K. Ovacıklı, S. Demircioğlu, T. Kocatekin, S. Birtane, A deep learning framework for severity-aware fault diagnosis in industrial suction fans using multi-modal sensing. IEEE Access, 13, 212407-212420, 2025. https://doi.org/10.1109/ACCES S.2025.3643754.
2.    M.Ü. Gürsoy, U.C. Çolak, M.H. Gökçe, C. Akkulak, S. Ötleş, Endüstri için kestirimci bakım. International Journal Of 3D Printing Technologies And Digital Industry, 3(1), 56-66, 2019.
3.    ASCRIBO Applied Sciences Inc., ABLE System, https://www.ascribo.io/products/able-system, 29 Ocak 2026 tarihinde erişildi.
4.    X. Yuan, Y. He, S. Wan, M. Qiu, H. Jiang, Remote vibration monitoring and fault diagnosis system of synchronous motor based on internet of things technology. JMobile Information Systems, 2021(1), 345-624, 2021. https://doi.org/10.1155/2021/3456624.
5.    M. Romanssini, P.C. de Aguirre, L. Compassi-Severo, A.G. Girardi, A review on vibration monitoring techniques for predictive maintenance of rotating machinery. Eng, 4(3), 1797-1917, 2023. https://doi.org/10.3390/eng4030102.
6.    T. Chu, T. Nguyen, H. Yoo, J. Wang, A review of vibration analysis and its applications. Heliyon, 10(2), 1-13, 2024. https://doi.org/10.1016/j.heliyon.2024.e26 282.
7.    M. Younsi, F. Bakir, S. Kouidri, R. Rey, Numerical and experimental study of unsteady flow in a centrifugal fan. Proceedings of the Institution of Mechanical Engineers, Part A: Journal of Power and Energy, 221(7), 1025-1036, 2007. https://doi.org/10. 1243/09576509JPE445.
8.    T. Meakhail, S.O. Park, A study of impeller-diffuser-volute interaction in a centrifugal fan. J. Turbomach., 127(1), 84-90, 2005. https://doi.org/10.1115/1.1812318.

9.    M. Bai, Z. Liu, Y. Ling, H. Tan, Effect of impeller structure on aerodynamic performance and noise reduction of a small multi-blade centrifugal fan. Journal of Thermal Science, 33(2), 602-610, 2024. https://doi.org/10.1080/23744731.2024.2357526.
10. J.K. Arora, S. Rajagopalan, J. Singh, A. Purohit, Low-frequency adaptation-deep neural network-based domain adaptation approach for shaft imbalance fault diagnosis. Journal of Vibration Engineering & Technologies, 12(1), 375-394, 2024. https://doi.org/ 10.1007/s42417-022-00848-7.
11. N. Tandon, G.S. Yadava, K.M. Ramakrishna, A comparison of some condition monitoring techniques for the detection of defect in induction motor ball bearings. Mechanical Systems and Signal Processing, 21(1), 244-256, 2007. https://doi.org/10.1016/j.ymssp. 2005.08.005.
12. M.A. Ilgın, D. Söyler, K. Sözen, İstatistiksel süreç kontrolü prensiplerini kullanarak bir kestirimci bakım bilgi sisteminin geliştirilmesi. Bilişim Teknolojileri Dergisi, 9(2), 55-61, 2016.
13. İ.G. Pirge, İ. Baştürk, Endüstriyel tesislerde makine öğrenmesi ile kestirimci bakım ve arıza analizleri. Karaelmas Fen ve Mühendislik Dergisi, 15(1), 119-133, 2025. https://doi.org/10.7212/karaelmasfen. 1568736.
14. E. Sındır, V. Özkaner, Asenkron motorlu sistemde bulanık mantık çıkarımı ile kestirimci bakım. International Journal of Multidisciplinary Studies and Innovative Technologies, 6(2), 181-188, 2022.
15. W. Songbai, W. Yadong, C. Yong, C. Zhipeng, Experimental and numerical investigation of non-synchronous blade vibration excitation in a transonic axial compressor. Journal of Thermal Science, 33(2), 602-610, 2024. https://doi.org/10.1007 /s11630-024-1936-x.
16. C. Hariharan, M. Govardhan, Effect of inlet clearance on the aerodynamic performance of a centrifugal blower. International Journal of Turbo and Jet-Engines, 33(3), 215-228, 2016. https://doi.org/10.1515/tjj-2015-0026.
17. L. An, S. Shao, Two-phase flow noise in refrigeration systems: Recent advances and state-of-the-art review. International Journal of Refrigeration, 178, 418-443, 2025. https://doi.org/10.1016/j.ijrefrig.2025.07.014.
18. C. Jian, H. Yuan, G. Li, W. Canxing, C Liu, L. Yuanrui, Aerodynamic noise prediction of a centrifugal fan considering the volute effect using IBEM. Applied Acoustics, 132, 182-190, 2018. https://doi.org/10.1016/j.apacoust.2017.10.015.
19. E. Öztürk, A.K. Ovacıklı, Endüstride bulut bilişim tabanlı kestirimci bakım ve denetimsiz titreşim analizi uygulaması. Int. J. of 3D Printing Tech. Dig. Ind., 9(3), 448-461, 2025. https://doi.org/10.46519/ij3dptdi. 1731806.
20. A.K. Ovacıklı, P. Pääjärvi, J.P. LeBlanc, J.E. Carlson, Recovering periodic impulsive signals through skewness maximization. IEEE Transactions on Signal Processing, 64(6), 1586-1596, 2016. https://doi.org/10. 1109/TSP.2015.2502549.
21. C. Xu, H. Zhou, Y. Mao, Analysis of vibration and noise induced by unsteady flow inside a centrifugal compressor. Aerospace Science and Technology, 107(1), 106286, 2020. https://doi.org/10.1016/j.ast. 2020.106286.
22. S. Wu, Z. Wang, H. Li, Z. Yang, S. Tian, R. Yan, S. Wang, X. Chen, Blade crack detection using blade tip timing. IEEE Transactions on Instrumentation and Measurement, 70(1), 1-13, 2021. https://doi.org/10. 1109/TIM.2020.3046926.
23. E. Öztürk, A.K. Ovacıklı, IoT ve Bulut Bilişim Tabanlı Kestirimci Bakım, Yapay Zekâ Tabanlı Sistemler: Teori, Uygulama ve Gelecek Perspektifleri-1, 67-76, 2025. https://doi.org/10.70269/ 10.70269/1821584663.
24. J. Antoni, Cyclostationarity by examples. Mechanical Systems and Signal Processing, 23(4), 987-1036, 2009. https://doi.org/10.1016/j.ymssp.2008.10.010.
25. P.D. McFadden, A technique for calculating the time domain averages of the vibration of the individual planet gears and the sun gear in an epicyclic gearbox. Journal of Sound and Vibration, 144(1), 163-172, 1991. https://doi.org/10.1016/0022-460X(91)90739-7.
26. S.M. Kay, S.L. Marple, Spectrum analysis-A modern perspective. IEEE, 69(11), 1380-1419, 1981. https://doi.org/10.1109/PROC.1981.12184.