Η εργασία μας “An Embedded System for the Predictive Maintenance of Aerobic Digesters with Liquid Outputs” αφορά το Ενσωματωμένο Σύστημα που αναπτύχθηκε για την Προληπτική Συντήρηση Αερόβιων Χωνευτήρων. Η εργασία παρουσιάστηκε στο 13th International Conference on Modern Circuits and Systems Technologies (MOCAST), που πραγματοποιήθηκε στη Σόφια της Βουλγαρίας στις 26-28 Ιουνίου 2024.
Συλλέγοντας δεδομένα δόνησης και ήχου και αναλύοντάς τα με τους κατάλληλους αλγορίθμους μηχανικής μάθησης, είναι δυνατή η παρακολούθηση της κατάστασης και φθοράς του αερόβιου χωνευτήρα σε πραγματικό χρόνο και η προληπτική του συντήρηση. Το Ενσωματωμένο Σύστημα που σχεδιάστηκε και αναπτύχθηκε από την ομάδα του AE3nAO, προστέθηκε στη δομή ενός μηχανήματος αερόβιας χώνευσης. Αυτό επέτρεψε τη συλλογή κατάλληλων δεδομένων με τη χρήση αισθητήρων για τον εντοπισμό ανωμαλιών.
Το άρθρο παρουσιάζει ένα νέο ενσωματωμένο σύστημα υπολογιστικής ακμής για το Διαδίκτυο των Πραγμάτων, σχεδιασμένο ειδικά για την προληπτική συντήρηση των κινητήρων λείανσης στους αερόβιους χωνευτές με υγρά απόβλητα. Ενσωματώνονται αισθητήρες χαμηλής κατανάλωσης ενέργειας και αλγόριθμοι Μηχανικής Μάθησης, χρησιμοποιώντας δεδομένα δονήσεων και ήχου για την παρακολούθηση σε πραγματικό χρόνο και την προληπτική ανίχνευση ανωμαλιών. Μέσω της αξιολόγησης του προτεινόμενου συστήματος σε πραγματικά περιβάλλοντα, αποδεικνύεται βελτιωμένη απόδοση σε σύγκριση με τα πιο σύγχρονα μοντέλα, δίνοντας έμφαση στο δυναμικό του για την ενίσχυση της αξιοπιστίας και της αποδοτικότητας στη χρήση πόρων στις πρακτικές διαχείρισης αποβλήτων τροφίμων.
