A Lean model for improving HVAC predictive maintenance performance

Therani, Matti (2023). A Lean model for improving HVAC predictive maintenance performance. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (2MB) | Prévisualisation

Résumé

The objective of this project is to evaluate and ultimately improve predictive maintenance techniques for the heating, ventilation and air conditioning (HVAC) filter. The filter is a crucial subcomponent to the proper function of the HVAC system. Clogging and other filter malfunctions compromise air quality and can result in costly damages to the HVAC system as a whole. Predictive maintenance (PdM), whereby the filter is replaced on a pre-planned schedule before filter-clogging occurs, is needed in order to avoid such outcomes. The majority of HVAC filter PdM programs have failed in their implantation. Therefore, research is needed to evaluate and explore the use of current and new techniques for predicting HVAC filter failure patterns.

The first step of my research aims to evaluate five predictive techniques that are currently used for HVAC filter PdM: neural network regression, linear regression, bayesian networks regression, boosted regression tree, and decision forest. A case study was used to compare the results of these predictive techniques against the actual failure pattern of a filter installed within the HVAC system at Écoule de Technologie Supérieure. A multi-criteria approach was used to evaluate the predictive techniques according to predictive-accuracy and expert opinion.

A better understanding of why filter clogging occurs is needed to predict filter failure. Therefore, the second part of my research focuses on four parameters pertaining to filterblockage: fan speed, return air temperature, mixed temperature (return and fresh air), and the position of the mixture damper. A case study was developed to examine the extent to which each parameter affects filter performance. Sensors installed within the UTA-104 HVAC unit at ÉTS collected data on these parameters and filter performance over a six-month period. The experimental data gathered was incorporated into the final part of my research: a computational fluid dynamic (CFD) model of an HVAC system.

The third part of my research was devoted to developing a working CFD model using ANSYS FLUENT to simulate airflow within the HVAC system’s filter unit. This CFD model incorporates the best predictive technique as determined by the first part of my research, as well as the experimental data gathered in the second part of my research. If combined with an algorithm that pairs real-time data gathered from an HVAC filter and its environment, this CFD model could theoretically be used to reliably assess filter health and prescribe maintenance procedures.

Titre traduit

Modèle Lean pour améliorer les performances de la maintenance prédictive du système HVAC

Résumé traduit

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.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 97-103).
Mots-clés libres:	HVAC, maintenance Prédictive, CFD, filtre
Directeur de mémoire/thèse:	Directeur(-trice) Beauregard, Yvan
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Rioux, Michel Kenné, Jean-Pierre
Programme:	Doctorat en génie > Génie
Date de dépôt:	24 avr. 2026 15:57
Dernière modification:	24 avr. 2026 15:57
URI:	https://espace.etsmtl.ca/id/eprint/3356

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt