W artykule został przedstawiony problem analizy wielowymiarowych danych temperaturowych z monitorowanych podzespołów przenośników taśmowych w trybie online. System kontroli temperatury elementów wymaga ustawienia automatycznych progów decyzyjnych, w celu zabezpieczania przenośnika taśmowego przed wystąpieniem awarii. Aktualne ww. progi decyzyjne ustawiane są według założeń służb eksploatujących urządzenia i są jednakowe dla każdego urządzenia w danym typie. Wstępne analizy temperatury z monitorowanych podzespołów pokazały, że wpływ warunków środowiskowych oraz cykl życia urządzenia ma istotny wpływ na poziom temperatury pracy ww. podzespołów. Dlatego autorzy podjęli się przeprowadzenia analizy wielowymiarowych danych temperaturowych, w celu zwiększenia funkcjonalności oraz skuteczności diagnozowania stanu technicznego przenośników taśmowych. Efektem takich działań jest możliwość zastosowania prawidłowej profilaktyki remontowo-przeglądowej dedykowanej każdemu monitorowanemu urządzeniu indywidualnie, co przełoży się na wydłużenie trwałości podzespołów maszyny. W artykule przedstawiono procedury pozyskiwania danych pomiarowych, opisano procedurę identyfikacji wpływu czynników na postać sygnału i jego zmienność i wreszcie procedury przetwarzania, w tym walidacji i ekstrakcji informacji z surowych danych, a na podstawie obserwacji zaproponowano model surowego sygnału.
In the paper problem of multivariate analysis of temperature data from online monitored components of belt conveyor has been presented. Temperature control system requires to set automatic decision thresholds in order to prevent belt conveyor from unexpected event. Currently, the above mentioned thresholds are set according to the mining service responsible for exploitation of these machines and the thresholds are constant for each device type. Primary temperature analysis presented that environment conditions and life cycle of device affect temperature level of conveyor’s components. Therefore, the authors decided to perform multivariate analysis of temperature data for improvement of functionality and effectiveness of diagnostics’ methods for belt conveyor. The result allows to apply appropriate service and repair plan dedicated for each monitored device, improving its reliability. In this paper procedures of data acquiring, procedure for identification of influence on signal variability and preprocessing procedure, as well as information extraction from raw data have been presented. Furthermore, model of raw signal has been proposed.