The aim of this master´s thesis is to introduce methods of diagnostics of vibrations in electrical machines. Describe the various vibration sources located inside and outside of the electric machine. Description of the sources of vibration is then preferably dedicated to vibration of electromagnetic origin. There is a description of the construction of an asynchronous motor and the magnetic circuit, the theory of vibrations and their origin. Described are also vibration sensor enables measurement and mathematical tools for their evaluation. In this work also practical vibration measurements on an asynchronous motor, data processing, their subsequent analysis and computer simulation of electromagnetic vibration origin. The conclusion of this work is devoted to the evaluation of the data obtained.

Basic resonator structures for frequency-selective capacitive vibration sensors which exploit their mechanical resonance peak for spectral selectivity are developed and analyzed. As an important capability, the stuctures offer voltage-controlled frequency tuning realized by electrostatic principles. Direct electrostatic tuning based on displacement-dependent electrostatic forces as well as tuning by stress-stiffening based on constant electrostatic forces are discussed. The sensor structures are designed for fabrication using common silicon surface microtechnologies. Experimental tests of both mentioned tuning principles are carried out at structures fabricated using a surface technology known as SCREAM. A considerable part of the work focusses on nonlinear oscillations of the mechanical resonator at large amplitudes arising in resonance. Dimensioning rules for minimum nonlinear disturbance are derived from a detailed analysis of the Duffing oscillator. Various capacitive principles for signal detection and electrostatic frequency tuning are evaluated in terms of nonlinearity. A novel type of specially shaped electrode systems offering linear properties within an amplitude range of 10 micrometers, so-called curved comb capacitors, is developed for fabrication in SCREAM technology. / In der vorliegenden Arbeit werden Grundstrukturen frequenzselektiver kapazitiver Vibrationssensoren entwickelt und analysiert, deren spektrale Selektionswirkung durch Ausnutzung ihrer mechanischen Resonanzüberhöhung entsteht. Wesentliches Merkmal der Strukturen ist ihre spannungsgesteuerte Abstimmbarkeit, die auf elektrostatischen Prinzipien beruht. Es werden die direkte elektrostatische Frequenzabstimmung, basierend auf positionsabhängigen Feldkräften, sowie das Prinzip des Stress-Stiffening, basierend auf einer konstanten elektrostatischen Kraft, diskutiert. Die Entwicklung konzentriert sich auf Sensorstrukturen, die in klassischen Oberflächentechnologien gefertigt werden können. Experimentelle Tests der beiden genannten Abstimmprinzipien werden anhand von Strukturen in oberflächennaher Silizium-bulk-Mikromechanik (SCREAM) durchgeführt. Schwerpunkt der Arbeit sind nichtlineare Schwingungen der mechanischen Resonatorkomponente bei großen Amplituden, die durch die Resonanzüberhöhung entstehen. Für den Sonderfall des Duffing-Schwingers werden Dimensionierungsregeln zur Minimierung der Nichtlinearitäten entwickelt. Kapazitive Prinzipien zur Detektion bzw. elektrostatischen Abstimmung werden hinsichtlich ihrer Linearität geprüft. Es werden neuartige Elektrodensysteme für die SCREAM-Technologie, sogenannte Kurvenkammsysteme entwickelt, die bei Schwingamplituden bis zu 10 Mikrometer linear arbeiten.

Die vorliegende Arbeit beschreibt die Entwicklung und Charakterisierung eines mikromechanischen kraftgekoppelten Schwingsystems für die resonante Detektion niederfrequenter Schwingungen. Es wird ein neuartiges Prinzip vorgestellt, das es ermöglicht, niederfrequente Vibrationen frequenzselektiv zu erfassen. Mittels Amplitudenmodulation wird das niederfrequente Signal in einen höheren Frequenzbereich umgesetzt. Durch Ausnutzung der mechanischen Resonanzüberhöhung wird aus dem breitbandigen Signal ein schmales Band herausgefiltert, die anderen Frequenzbereiche werden unterdrückt. Auf diese Weise wird direkt die spektrale Information des niederfrequenten Signals gewonnen. Eine Fourier-Transformation ist hierbei nicht notwendig. Die Abstimmung des Sensors erfolgt über eine Wechselspannung und führt dadurch zu einer einfachen Auswertung. Die Schwerpunkte der Arbeit liegen in den theoretischen Untersuchungen zum neuartigen Sensorprinzip, in der Entwicklung einer mikromechanischen Sensorstruktur zum Einsatz des neuen Prinzips sowie in der Entwicklung und Charakterisierung eines Messsystems zur Detektion niederfrequenter mechanischer Schwingungen mit dem neuen Sensor. / This thesis describes the development and characterization of a micromechanical force coupled oscillator system for the resonant detection of low frequency vibrations. It presents a novel working principle that enables spectral measurements of low frequency vibrations. The low frequency spectral content is converted into a higher frequency range by means of amplitude modulation. Due to the mechanical resonance a narrow band is filtered out of the wide band vibration signal. The remaining frequency content is suppressed. Hence, the spectral information is directly obtained with the sensor system without a fast Fourier transform. The tuning is done with an AC voltage resulting in a simple analysis. The main focuses of the work are the theoretical analysis of this novel sensor principle, the development of the micromechanical sensor structure for the use of the novel principle as well as the development and characterization of a measurement system for the spectral detection of low frequency mechanical vibrations with the developed sensor system.

Die vorliegende Arbeit beschreibt die Entwicklung und Charakterisierung eines mikromechanischen kraftgekoppelten Schwingsystems für die resonante Detektion niederfrequenter Schwingungen. Es wird ein neuartiges Prinzip vorgestellt, das es ermöglicht, niederfrequente Vibrationen frequenzselektiv zu erfassen. Mittels Amplitudenmodulation wird das niederfrequente Signal in einen höheren Frequenzbereich umgesetzt. Durch Ausnutzung der mechanischen Resonanzüberhöhung wird aus dem breitbandigen Signal ein schmales Band herausgefiltert, die anderen Frequenzbereiche werden unterdrückt. Auf diese Weise wird direkt die spektrale Information des niederfrequenten Signals gewonnen. Eine Fourier-Transformation ist hierbei nicht notwendig. Die Abstimmung des Sensors erfolgt über eine Wechselspannung und führt dadurch zu einer einfachen Auswertung. Die Schwerpunkte der Arbeit liegen in den theoretischen Untersuchungen zum neuartigen Sensorprinzip, in der Entwicklung einer mikromechanischen Sensorstruktur zum Einsatz des neuen Prinzips sowie in der Entwicklung und Charakterisierung eines Messsystems zur Detektion niederfrequenter mechanischer Schwingungen mit dem neuen Sensor. / This thesis describes the development and characterization of a micromechanical force coupled oscillator system for the resonant detection of low frequency vibrations. It presents a novel working principle that enables spectral measurements of low frequency vibrations. The low frequency spectral content is converted into a higher frequency range by means of amplitude modulation. Due to the mechanical resonance a narrow band is filtered out of the wide band vibration signal. The remaining frequency content is suppressed. Hence, the spectral information is directly obtained with the sensor system without a fast Fourier transform. The tuning is done with an AC voltage resulting in a simple analysis. The main focuses of the work are the theoretical analysis of this novel sensor principle, the development of the micromechanical sensor structure for the use of the novel principle as well as the development and characterization of a measurement system for the spectral detection of low frequency mechanical vibrations with the developed sensor system.

Underhåll är en aktivitet som varje produktion vill undvika så mycket som möjligt på grund av kostnaderna och tiden som anknyts till den. Trots detta så är en väl fungerande underhållsverksamhet väsentlig för att främja produktionens funktionssäkerhet och tillgänglighet att tillverka. En effektiv underhållsorganisation går däremot inte ut på att genomföra mer underhåll än vad som egentligen är nödvändigt utan att genomföra underhåll i rätt tid. På traditionellt sätt så genomförs detta genom att ersätta slitage delar och serva utrustningen med fastställda mellanrum för att förebygga att haveri, vilket kallas för förebyggande underhåll. De tidsintervaller som angivits för service bestäms av leverantörerna och grundar sig i en generell uppskattning av slitagedelarnas livslängd utifrån tester och analys. Till skillnad från att köra utrustningen till den går sönder som kallas för Avhjälpande underhåll så kan underhåll genomföras vid lämpliga tider så att det inte påverkar produktion och tillgänglighet. Men de tidsintervall som leverantörerna rekommenderar till företagen garanterar inte att slitage delen håller sig till det intervallet, delarna kan exempelvis rasa tidigare än angivet eller till och med hålla längre. Av denna anledning är det naturliga steget i underhållets utveckling att kunna övervaka utrustningens hälsa i hopp om att kunna förutspå när och varför ett haveri ska uppstå. Den här typen av underhåll kallas för tillståndsbaserat och prediktivt underhåll och medför ultimat tillgänglighet av utrustning och den mest kostnadseffektiva underhållsorganisationen, då god framförhållning och översikt uppnås för att enbart genomföra underhåll när det behövs. Det som gör tillståndsbaserat och prediktivt underhåll möjligt är den fjärde industriella revolutionen “Industri 4.0” och teknologierna som associeras med den som går ut på absolut digitalisering av produktionen och smarta fabriker. Teknologier som IoT, Big Dataanalys och Artificiell Intelligens används för att koppla upp utrustning till nätet med hjälp av givare för att samla in och lagra data som ska användas i analyser för att prognosera dess livslängd. Uppdragsgivaren AstraZeneca i Södertälje tillverkar olika typer av läkemedel som många är livsviktiga för de patienter som tar dessa mediciner. Om AstraZenecas produktion står still på grund av fel i utrustningen kommer det inte enbart medföra stora ekonomiska konsekvenser utan även påverka de människor som med livet förlitar sig på den medicin som levereras. För att försäkra produktionens tillgänglighet har AstraZeneca gjort försök att tillämpa tillståndsbaserat och prediktivt underhåll men det är fortfarande enbart i startgroparna. Eftersom ventilation är kritisk del av AstraZeneca produktion då ett fel i ventilationssystemet resulterar i totalt produktionsstopp i byggnaden förens problemet åtgärdas och anläggningen sanerats blev det även rapportens fokusområde. Arbetets uppgift går därför ut på att undersöka möjligheter för AstraZeneca att utveckla deras prediktiva och tillståndsbaserat underhåll på deras ventilationssystem, för att sedan kunna identifiera och presentera förslag på åtgärder. Dessa förslag analyserades sedan med hjälp av verktygen QFD-Matris och Pugh-Matris för att kunna uppskatta vilket förslag som är mest kostnadseffektivt, funktions effektivt samt vilket förslag som kommer tillföra mest nytta för underhållet på AstraZeneca. / Maintenance is an activity that every production wants to avoid as much as possible due to the costs and the time associated with it. Despite this, a well-functioning maintenance operation is essential to promote the production's availability to manufacture and operational reliability. Running an efficient maintenance operation is not about carrying out more maintenance than is necessary but carrying out the right amount of maintenance at the right time. Traditionally speaking this is done by replacing worn parts and servicing the equipment at set intervals to prevent breakdowns, this method is called preventive maintenance. The intervals specified for service are determined by the suppliers and are based on general estimates of the service life for the spare parts from test and analytics. Preventive maintenance allows for maintenance to be carried out at appropriate time to not affect production and availability unlike running the equipment until breakdown, which is called reactive maintenance. However, these intervals that the suppliers recommend do not guarantee that the parts adhere to the given interval, the part can for example break down earlier than expected or even outlast its prescribed lifetime. Because of this, the natural step in the development of maintenance is giving companies the ability to monitor the health of the equipment in hope of being able to predict potential breakdowns. This is what Condition-Based and predictive maintenance is and it provides the ultimate availability of equipment and the most cost-effective maintenance organization, because the good foresight and overview allows maintenance to be carried out only when needed. The fourth industrial revolution “Industry 4.0”, absolute digitalization of production, smart factories and all the technologies associated with this is what makes this type of maintenance possible. Technologies such as IoT, Big Data Analytics and Artificial Intelligence are used to connect equipment to the network using sensors so that data can be stored and collected to be analyzed to forecast the lifespan of parts and equipment. AstraZeneca in Södertälje manufactures different types of medicine, many of which are vital for the patients who take them. If their production comes to a standstill due to equipment failure, it will not only have major financial consequences but also greatly affect the people who rely on the medicine offered with their lives. To ensure the availability of production, AstraZeneca has made attempts to apply condition-based and predictive maintenance, but it is still only in its infancy. Since ventilation is a critical part of AstraZeneca's production, as a failure here will result in a total production stoppage for the building affected and will not resume before the problem is remedied and the plant is decontaminated, it also became the report's focus area. The task at hand is therefore to investigate the opportunities AstraZeneca must develop their predictive and condition-based maintenance for their ventilation systems, in order to be able to present proposals for measures. The proposals will then be analyzed using tools like the QFD-Matrix and the Pugh-Matrix in order to estimate which is more cost effective, function effective and which one will bring the most benefit to AstraZeneca.