Converting data into knowledge with RCA methodology improved for inverters fault analysis

• Autores: Arias Velásquez, Ricardo Manuel, Mejía Lara, Jennifer Vanessa
• Formato: artículo
• Fecha de Publicación: 2022
• Institución: Universidad Privada Peruano Alemana
• Repositorio: UPAL - Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.upal.edu.pe:20.500.14107/86
• Enlace del recurso: https://hdl.handle.net/20.500.14107/86; https://doi.org/10.1016/j.heliyon.2022.e10094
• Nivel de acceso: acceso abierto
• Materia: Análisis de fallas; Análisis de causa raíz; Inversores eléctricos; Administración del conocimiento; Sistemas de energía fotovoltaica; https://purl.org/pe-repo/ocde/ford#2.02.01

In the last years, the knowledge management methodology increased the perspective and deeply analysis in the energy evaluation, with great emphasis in the training of the maintenance teams and early detection of failure modes; these inefficiencies detection is associated to patterns recognition with expert systems. Several energy brands, utilities, universities, and design companies investigated about this problem with limits in the integration between maintenance team knowledge and the degradation of the energy equipment. Therefore, our findings are a new approach of the root cause analysis (RCA) improved with the knowledge management perspective, associated to the failure mode analysis for 164 inverters in photo-voltaic solar plant by using twenty-one failures modes; by incorporate the graph theory called Erdös–Rényi graphs with a quantitative methodology and qualitative evaluation with the knowledge management method in the root cause analysis; the dataset evaluated has 120,561 signals associated to 3,014,025 patterns, during the period from 2018 to 2021 in a PV solar plant. In this new root cause analysis method, the knowledge management is analyzed as a complement for the solution for sudden failure modes and early degradation. En los últimos años, la metodología de gestión del conocimiento aumentó la perspectiva y el análisis profundo en la evaluación de la energía, con gran énfasis en la formación de los equipos de mantenimiento y la detección temprana de los modos de fallo; esta detección de ineficiencias está asociada con el reconocimiento de patrones con sistemas expertos. Varias marcas de energía, empresas de servicios públicos, universidades y empresas de diseño investigaron sobre este problema con límites en la integración entre el conocimiento del equipo de mantenimiento y la degradación de los equipos de energía. Por lo tanto, los hallazgos de este estudio son un nuevo enfoque del análisis de causa raíz (ACR) mejorado con la perspectiva de la gestión del conocimiento, asociado al análisis del modo de fallo para 164 inversores en la planta solar fotovoltaica mediante el uso de veintiún modos de fallo; mediante la incorporación de la teoría de grafos denominada grafos de Erdös-Rényi, junto con una metodología cuantitativa, evaluación cualitativa y el método de gestión del conocimiento en el análisis de causa raíz; el conjunto de datos evaluado tiene 120.561 señales asociadas a 3.014.025 patrones, durante el período de 2018 a 2021 en una planta solar fotovoltaica. En este nuevo método de análisis de causa raíz, se analiza la gestión del conocimiento como complemento para la solución de los modos de fallo súbito y la degradación temprana.