A Lean model for improving HVAC predictive maintenance performance

Résumé

L'objectif de ce projet est d'évaluer et ultimement d'améliorer les techniques de maintenance prédictive du filtre de chauffage, ventilation et climatisation (HVAC). Le filtre est un souscomposant crucial pour le bon fonctionnement du système HVAC. Le colmatage et d'autres dysfonctionnements du filtre compromettent la qualité de l'air et peuvent entraîner des dommages coûteux au système HVAC dans son ensemble. La maintenance prédictive (PdM), dans laquelle le filtre est remplacé selon un calendrier planifié avant que le colmatage du filtre ne se produise, est nécessaire pour éviter de tels résultats. La majorité des programmes PdM de filtres HVAC ont échoué dans leur implantation. Par conséquent, des recherches sont nécessaires pour évaluer et explorer l'utilisation des techniques actuelles et nouvelles pour prédire les modèles de défaillance des filtres HVAC. La première étape de ma recherche vise à évaluer cinq techniques prédictives actuellement utilisées pour les PdM de filtres HVAC : la régression des réseaux de neurones, la régression linéaire, la régression des réseaux bayésiens, l'arbre de régression boosté et la forêt de décision. Une étude de cas a été utilisée pour comparer les résultats de ces techniques prédictives au modèle de défaillance réel d'un filtre installé dans le système HVAC de l'École de Technologie Supérieure. Une approche multicritère a été utilisée pour évaluer les techniques prédictives en fonction de la précision prédictive et de l'opinion d'experts. Une meilleure compréhension de la cause du colmatage du filtre est nécessaire pour prédire la défaillance du filtre. Par conséquent, la deuxième partie de ma recherche porte sur quatre paramètres relatifs au colmatage du filtre : la vitesse du ventilateur, la température de l'air de reprise, la température de mélange (reprise et air neuf) et la position du registre de mélange. Une étude de cas a été développée pour examiner dans quelle mesure chaque paramètre affecte les performances du filtre. Des capteurs installés à l'intérieur de l'unité HVAC UTA-104 de l'ÉTS ont recueilli des données sur ces paramètres et les performances des filtres sur une période de six mois. Les données expérimentales recueillies ont été intégrées à la dernière partie de ma recherche : un modèle de dynamique des fluides computationnelle (CFD) d'un système HVAC. La troisième partie de mes recherches a été consacrée au développement d'un modèle CFD fonctionnel utilisant ANSYS FLUENT pour simuler le flux d'air dans l'unité de filtrage du système HVAC. Ce modèle CFD intègre la meilleure technique prédictive telle que déterminée par la première partie de ma recherche, ainsi que les données expérimentales recueillies dans la deuxième partie de ma recherche. S'il est combiné à un algorithme qui associe les données en temps réel recueillies à partir d'un filtre HVAC et de son environnement, ce modèle CFD pourrait théoriquement être utilisé pour évaluer de manière fiable l'état du filtre et prescrire des procédures de maintenance.

Date	14 juin 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Yvan Beauregard (Directeur(-trice)), Michel Rioux (Codirecteur(-trice)) & Jean-Pierre Kenné (Codirecteur(-trice))