Системи моніторингу стану роликів конвеєрів: Огляд

Головна / Статті / Системи моніторингу стану роликів конвеєрів: Огляд

Гірничодобувна промисловість значною мірою покладається на системи стрічкових конвеєрів для ефективного та безпечного транспортування сипучих матеріалів. Ролики конвеєрів є критично важливими компонентами стрічкових конвеєрів, і їх відмови є основною причиною дорогих простоїв [6] та перебоїв у продуктивності. Відмови роликів можуть призвести до багатьох негативних наслідків, таких як пошкодження стрічки, зниження ефективності конвеєра, збільшення енергоспоживання та підвищення витрат на ремонт. Зокрема, ролики, що вийшли з ладу, можуть викликати зміщення конвеєрних стрічок, що збільшує тертя і знос, зрештою призводячи до пошкоджень стрічки або навіть пожежонебезпечних ситуацій. Враховуючи, що на один кілометр конвеєрної стрічки припадає до 2700 роликів [4], традиційні методи обслуговування, що включали періодичні інспекції, є трудомісткими, ненадійними, небезпечними та дорогими з точки зору продуктивності. Ця ситуація спровокувала розробку низки технологій моніторингу стану (СМС) для раннього виявлення несправних роликів та забезпечення предиктивного обслуговування. Перехід до предиктивного обслуговування є не просто покращенням, а стратегічною необхідністю, викликаною операційними вимогами щодо підвищення безпеки, надійності та економічної ефективності.

Основною метою цього дослідження є порівняльна оцінка доступних технологій моніторингу роликів. У цьому документі розглядаються відомі рішення для моніторингу роликів – принципи роботи кожного з них, ключові компоненти та типові сценарії використання.

Еволюція обслуговування роликів

Традиційне обслуговування роликів переважно мало реактивний чи превентивний характер. Реактивне обслуговування передбачає реагування лише після виникнення відмов обладнання, що призводить до тривалих простоїв та вищих витрат. Превентивне обслуговування, хоч і проводиться регулярно за графіком, не запобігає несподіваним відмовам. Одна з найпоширеніших процедур інспекції у програмах превентивного обслуговування наземних конвеєрів вимагає, щоб два кваліфіковані техніки проходили вздовж усієї довжини стрічкової конвеєрної системи, оглядаючи ролики на предмет шумових сигнатур або теплових ознак, що вказують на відмову підшипників ролика. Однак ці перевірки виявилися не зовсім задовільними з низки причин. Однією з причин є “людський фактор”, а саме, труднощі визначення того, який саме ролик може генерувати індикативний шум відмови. Крім того, такі процедури інспекції можуть бути особливо трудомісткими і часто пов’язані з безпекою персоналу.

Розвиток технологій предиктивного обслуговування, таких як вібраційний аналіз, моніторинг температур, виявлення акустичної емісії та бездротові мережі, пропонує значні поліпшення, дозволяючи раннє виявлення ознак відмов, що наближаються. Ці передові технології значно скорочують час інспекцій, полегшують виявлення проблем у реальному часі та оптимізують графіки обслуговування, що зрештою підвищує операційну ефективність, мінімізуючи простої та оптимізуючи розподіл ресурсів.

Моніторинг на основі датчиків на роликах та рамах

Бездротові вібраційні/акустичні датчики на рамах

Один з підходів полягає у прикріпленні датчиків до рам з роликами для вимірювання вібрації або шумових сигнатур. Наприклад, система Intium (RCM) використовує невеликі акселерометри з батарейним живленням, встановлені на кожній рамі з роликами (несучою та зворотною). Ці датчики утворюють бездротову мережу, що передає дані на локальний пристрій збору даних, який завантажує дані в хмарну платформу для аналізу. Рівень вібрації регулярно реєструються (наприклад, кожні 2 хвилини), і програмне забезпечення системи позначає аномальні сигнатури, надаючи приоритизований список рам роликів, які, ймовірно, мають несправності [24].

Такі системи можуть бути встановлені без модифікації роликів. Вони зазвичай працюють на змінних батареях (RCM використовує елементи AA) та використовують бездротовий зв’язок з низьким енергоспоживанням для передачі даних. Ці системи комерційно доступні і були випробувані в промисловості, довівши свою здатність виявляти несправності по всій довжині конвеєрів з високою роздільною здатністю та прогностичною точністю [7]. Обмеженням є те, що датчик не знаходиться безпосередньо на підшипнику ролика, тому несправності, що почали розвиватися, можуть бути замасковані фоновою вібрацією. Проте, практично вони показали ефективні ранні попередження про несправності – до 280 годин (понад 11 днів) раніше, ніж традиційна оглядова інспекція [24].

Моніторинг температури та тепловізійна зйомка

Багато відмов роликів проявляються у вигляді виділення надлишкового тепла через тертя в підшипниках. Таким чином, моніторинг на основі температури є популярним методом виявлення перегрітих роликів (провісників заклинювання чи пожежі) [8]. Термічний моніторинг особливо важливий на підземних вугільних конвеєрах, де перегрітий ролик може спалахнути вугільний пил. Одна з реалізацій, згадана нижче, полягає у вбудовуванні датчиків температури безпосередньо під підшипник (наприклад, “Розумний ролик”) для безперервного вимірювання температури підшипника та передачі сигналу тривоги при перевищенні встановленого порога.

Інший підхід – інфрачервона (ІЧ) термографія, яка використовує ІЧ-камери або пірометри для сканування температури роликів на відстані. На практиці бригади обслуговування використовують ручні ІЧ-тепловізори під час обходів конвеєра для виявлення перегрітих роликів, щоб замінити їх до загоряння. Нові системи автоматизують цей процес: наприклад, система Robotic Idler Predict (від Scott Automation) є роботизованим маніпулятором, встановленим на транспортному засобі, який рухається вздовж конвеєра і використовує тепловізійну зйомку для перевірки роликів на стрічці, що працює [6]. Його 6-осьовий робот переміщає тепловізійну камеру близько до кожного ролика (він може сканувати близько 3 несучих роликів і 1 зворотний кожні 4 хвилини) і аналізує тепловий профіль кожного ролика. Якщо ролик перегрівається, система подає сигнал тривоги для реагування служби обслуговування [6]. Аналогічно роботизована система Spidler (описана далі) включає кілька термографічних камер для безперервної перевірки роликів у міру її руху вздовж стрічки.

Моніторинг температури та тепловізійна зйомка

Нещодавнім доповненням до цієї категорії є система, яка використовує інфрачервоний датчик температури, датчик тепловізійної зйомки та візуальну камеру для безперервного відстеження температури кожного ролика. Розроблена як рішення з відкритим вихідним кодом, система реєструє та передає дані через Raspberry Pi та стільниковий зв’язок або Wi-Fi, надаючи оповіщення при перевищенні заданого порога. Веб-панель та інтерфейс Telegram-бота забезпечують віддалений доступ до теплових карт, фотографій та відеокліпів, пропонуючи гнучкий та масштабований інструмент для цілеспрямованого запобігання пожежам. Хоча ця система все ще перебуває на стадії прототипу, вона була успішно протестована в польових умовах та отримала високу оцінку користувачів [1].

Методи, що ґрунтуються на температурі, дуже ефективні для виявлення несправностей на пізній стадії (перегрівання) і прості в інтерпретації. Проте, вони зазвичай виявляють несправності лише на пізніх стадіях (коли генерується тепло). Таким чином, вони відмінно підходять для запобігання пожеж та планування обслуговування за кілька годин або днів, але не такі чутливі для довгострокового предиктивного аналізу.

Моніторинг акустичної емісії

Підшипники і ролики, що виходять з ладу, видають характерні звукові сигнатури – від ледь вловимого ультразвукового скрегота до гучного вереску або деренчання. Моніторинг з урахуванням акустики використовує мікрофони чи акустичні датчики виявлення цих звукових аномалій. У практиці обслуговування використовуються ручні ультразвукові пристрої, що «слухають» (наприклад, комплект SKF Idler Sound Monitor): технік направляє ультразвуковий мікрофон на ролики і зчитує характерний високочастотний шум несправного підшипника [30]. Сучасні рішення СМС спрямовані на автоматизацію акустичного виявлення. Однією із проблем є те, що самі конвеєри шумні, і відрізнити звук несправного ролика може бути важко без безпосередньої близькості чи вдосконаленої фільтрації [19]. Деякі експериментальні системи використовують масиви акустичних датчиків, встановлені поряд із роликами або на інспекційних роботах. Наприклад, дослідники розробили мобільні роботи, які переміщаються вздовж конвеєрів і використовують вбудовані мікрофони для запису звуків роликів на місці [29]. Використовуючи обробку сигналів (наприклад, відфільтровуючи шум стрічки та застосовуючи циклостаціонарний аналіз), вони показали, що акустичні дані можуть ідентифікувати пошкодження підшипників навіть за гучного шуму фону [28].

У порівнянні з вібраційними датчиками мікрофони не вимагають фізичного контакту і можуть контролювати кілька роликів з одного місця, якщо вони досить чутливі. Однак на великих відкритих кар’єрах вітер та інші звуки, що оточують, можуть створювати перешкоди. Однією з перспективних акустичних технік є ультразвукове зондування емісії, яке фокусується на високочастотних компонентах звуку (часто вище за діапазон чутності людини), де і виявляються сигнали тертя підшипників [19], [28]. Насправді акустичний моніторинг був менш поширений як самостійний продукт (крім ручних пристроїв), але він є ключовою частиною деяких інтегрованих рішень [14]. Акустичне зондування може вловлювати несправності на ранній стадії, але складність полягає в тому, що воно вимагає складної аналітики для фільтрації та інтерпретації даних.

Розумні ролики із вбудованими датчиками

Нова стратегія полягає у вбудовуванні датчиків у самі ролики. Система “Розумний ролик” (Smart-Idler®), розроблена Vayeron (Австралія), є провідним прикладом – це ролик, що містить внутрішній сенсорний модуль, що вимірює частотну вібрацію підшипника, оберти за хвилину (RPM) та температуру [12], [13]. Модуль повністю бездротовий та автономний завдяки внутрішньому генератору, що виробляє енергію від обертання ролика. У міру обертання ролика, безперервно контролюється стан підшипника та оболонки. Дані надсилаються через бездротову мережу, а аналітика Smart-Idler® виконує спектральний аналіз сигналів датчиків для точного виявлення несправностей підшипників навіть у шумному конвеєрному середовищі [3], [12], [13]. В ході випробувань, система змогла виявити відмови роликів, що розвиваються, за 9 місяців до поломки [2], що дозволяє дуже раннє втручання. Це пропонує безпрецедентний запас часу для предиктивного обслуговування, дозволяючи оптимально планувати, розподіляти ресурси та мінімізувати аварійні втручання. Компоненти системи включають вбудований сенсорний модуль, бездротовий пристрій збору даних і програму для аналітики даних.

Технологія розумних роликів впроваджується як на відкритих, так і на підземних рудниках, завдяки таким особливостям, як герметична конструкція та відсутність зовнішньої проводки, що робить їх іскробезпечними, що є критично важливим для дотримання вимог у підземних вугільних шахтах [26].

Декілька компаній вивчають аналогічні концепції «розумних роликів». Наприклад, Artur Küpper GmbH розробила прототип із вбудованими цифровими датчиками температури, розташованими на валу поруч із кожним підшипником, об’єднаними в мережу. Їх конструкція використовує два датчики температури на ролик та передає дані через станцію ролика по провідних контактах на локальний монітор [10]. Ця система фокусується на температурі підшипника як простому та недорогому індикаторі відмови (уникаючи дорожчих вібраційних або інфрачервоних систем).

Розподілені волоконно-оптичні системи

Волоконно-оптичне акустичне зондування (DAS)

Волоконно-оптичне розподілене акустичне зондування (DAS) – це технологія, що використовує волоконно-оптичний кабель, закріплений уздовж конструкції конвеєра, як безперервний «пристрій, що слухає». У дослідженні Mining3 волоконно-оптичний кабель кріпиться або затискається до сталевої конструкції конвеєра по всій його довжині [11]. Опитуючий пристрій на одному кінці волокна посилає лазерні імпульси по волокну і вимірює розсіяне світло (використовуючи метод зворотного розсіювання Rayleigh). Найдрібніші вібрації в конструкції конвеєра (викликані скреготом підшипників роликів) передаються на волокно і викликають зміни в сигналі зворотного розсіювання. Аналізуючи час і частоту цих змін, система може визначити, де вздовж стрічки виникає певний акустичний патерн та які його характеристики [15]. Власне, волокно працює як тисячі мікрофонів, розташованих кожні кілька метрів. Важливо, що ці системи виконують частотно-доменний аналіз виділення характерних частот несправних підшипників (на відміну випадкового шуму). Весь конвеєр може контролюватись одночасно одним опитувальним пристроєм з охопленням до 10 км стрічки на один пристрій. Компоненти: волоконно-оптичний кабель (часто стандартне телекомунікаційне одномодове волокно) та блок опитування/збору даних. У польових умовах не потрібно ні живлення, ні електроніки – волокно пасивно, блок опитування/збору даних може розташовуватися віддалено в приміщенні [16].

Сценарії використання включають довгі конвеєри, де установка тисяч окремих датчиків непрактична – одне волокно може покрити відстань відносно недорого. Перші застосування зосереджені на виявленні поширених несправностей (таких як гул підшипника чи шум від заклинившего ролика, що викликає прослизання стрічки) [25]. Оскільки ця технологія є відносно новою, шахти перевіряють, наскільки точно вона може визначити один несправний ролик серед сотень.

Волоконно-оптичне акустичне зондування (DAS)

Волоконно-оптичне температурне зондування (DTS)

DTS це ще один волоконно-оптичний підхід, який відстежує температуру, а не вібрацію. Системи DTS (пропоновані такими компаніями, як Yokogawa, AP Sensing та інші) використовують оптичні волокна з принципом комбінаційного розсіювання для вимірювання температури по всій їх довжині [9]. Коли лазерні імпульси посилаються по волокну, невелика частина світла розсіюється назад зі спектром, що залежить від температури (співвідношення певних довжин хвиль компонентів змінюється з температурою). Аналізуючи це зворотне розсіювання, опитувальний пристрій DTS може зчитувати температуру в кожній точці вздовж волокна, фактично забезпечуючи термометр, що охоплює весь конвеєр. Комерційні установки DTS можуть знімати показання температури з високою просторовою роздільною здатністю (наприклад, кожні 1 м) та часто оновлювати їх (кожні кілька хвилин) [9]. Однак, оскільки DTS вимірює лише температуру, його можливості виявлення обмежені відмовами на пізній стадії (коли відбулося значне нагрівання).

Коротке резюме волоконно-оптичних систем

Волоконно-оптичні рішення хороші для застосування, де обслуговування електроніки проблематичне (довгі, віддалені конвеєри або загазовані підземні шахти). Після встановлення волоконно-оптичний кабель практично не потребує обслуговування, крім калібрування [15]. Як DAS, так і DTS забезпечують безперервне покриття на великих відстанях за відносно низької додаткової вартості за одиницю довжини. Вони також досить точно визначають розташування несправності (за часом проходження сигналу) вздовж стрічки з точністю до метра або двох [16]. Висока чутливість акустичного волокна означає, що можуть бути уловлені навіть незначні зміни вібрації, але для відфільтровування нормального робочого шуму потрібна складна аналітика даних. В цілому, волоконно-оптичний моніторинг вважається високопотенційною технологією, що розвивається, з успішними випробуваннями, що показують, що він може виявляти відмови роликів, які раніше не завжди виявлялися пішими перевірками [25], [16].

Роботизовані та БПЛА системи інспекції роликів

Роботи для заміни роликів ("Spidler")

Spidler (від Sandpit Innovation, Австралія) – це напівавтоматична роботизована машина, яка переміщається рейками вздовж конструкції конвеєра і фактично замінює несправні ролики на ходу [22]. Він складається з візка з колесами, який рухається парою легкорейкових шляхів, встановлених по обидва боки від поздовжніх балок конвеєра. Spidler може рухатися зі швидкістю близько 6 км/год та працювати при кутах нахилу конвеєра до 15° та в суворих погодних умовах. На візку знаходиться обертовий роботизований маніпулятор із механізмом захоплення, а також кілька датчиків: кілька тепловізійних камер (зазвичай 4–6 ІЧ-камер) для сканування температури роликів, сканери для точного позиціонування, а також гідравлічні підйомники для вилучення несправного ролика. Spidler патрулює конвеєр, шукаючи ознаки несправності – використовуючи свої тепловізійні камери для виявлення перегрітого ролика (він може сканувати близько 3 роликів кожні 2 хвилини) [22]. Коли він знаходить перегрітий або ролик, що вийшов з ладу, його роботизований маніпулятор захоплює і видаляє несправний ролик і замінює його новим, при цьому конвеєр продовжує працювати. Однак Spidler – це скоріше система реагування, ніж система моніторингу. Його філософія полягає в тому, що якщо ви можете дуже швидко замінювати ролики, вам може не знадобитися предиктивне виявлення – навіть якщо ролик вийде з ладу, робот може замінити його до того, як він завдасть серйозних пошкоджень [22]. Spidler несе на борту дизельний генератор для живлення та може працювати близько 24 годин до заправки.

Ця система була протестована у промислових масштабах [22]. Недоліки включають необхідність встановлення рейок вздовж конвеєра (значні інвестиції в інфраструктуру) та той факт, що вона усуває несправності після їх виникнення. Spidler може бути менш підходящим для підземних робіт, особливо у вугільних шахтах, через дизельний двигун та вимоги до простору.

Мобільні інспекційні роботи

Система Robotic Idler Predict є одним із прикладів: це, по суті, роботизований маніпулятор на транспортному засобі (пікап або спеціальний візок), який може переміщатися вздовж конвеєра. 6-осьовий роботизований маніпулятор автоматично позиціонує сенсорну головку під кожним роликом вздовж завантаженого конвеєра для перевірки стану [6]. Зазвичай він використовує тепловізійну зйомку (та потенційно інші датчики, такі як вібраційні або звукові зонди) для оцінки кожного ролика. В ході випробувань ця система могла перевіряти 3 несучі ролики та 1 зворотний ролик за 4-хвилинний цикл, безперервно переміщаючись уздовж стрічки. Якщо виявляється аномалія (наприклад, гарячий підшипник або аномальне показання вібрації), система реєструє розташування та сповіщає операторів [6].

Також розробляються менші прив’язні роботи або тележкові системи, які можуть переміщатися по конструкції конвеєра або навіть стрічкою, несучи датчики. Ці системи значною мірою експериментальні, але показують перспективу доступу к недоступним роликам (наприклад, у повністю закритій конвеєрній галереї). Ключовою перевагою роботизованих інспекторів є те, що вони можуть наближати датчики до кожного ролика (для отримання точних даних) та долати більші відстані швидше, ніж людина. Недоліком є те, що вони не є системою моніторингу «реального часу» для всіх роликів одночасно – вони сканують їх послідовно в міру руху і дефект ролика, що швидко розвивається, потенційно може створити проблему до наступного проходу робота.

Безпілотні літальні апарати (БПЛА/Дрони)

БПЛА, оснащені камерами або датчиками, є гнучкий, безконтактний спосіб обстеження роликів конвеєрів. Дрони можуть літати над або вздовж ділянок конвеєрів, які важкодоступні пішки (наприклад, через яри або у гірській місцевості). Вони можуть нести тепловізійні камери для виявлення перегрітих роликів і відео високої роздільної здатності для можливого виявлення видимих ознак відмови (наприклад, застряг або зміщеного ролика). Концепція полягає в тому, що дрон може автономно пролітати по всій довжині конвеєра один раз на день (або при необхідності), збираючи зображення кожної рами з роликами [23]. Деякі передові системи дронів можуть також використовувати акустичні датчики, зависаючи поруч із конвеєром, щоб «слухати» несправні підшипники. Перевагою БПЛА є швидке охоплення навіть найдовших конвеєрів – дрон може обстежити десятки кілометрів за один політ, що зайняло б у людини багато годин. Вони також не вимагають будь-якої стаціонарної установки на конвеєрі.

Дрони тестуються для рутинної інспекції конвеєрів на великих відкритих кар’єрах та промислових об’єктах. Наприклад, дрон може щоранку пролітати вздовж 5-кілометрового конвеєра і передавати теплові зображення в алгоритм для автоматичного виявлення гарячих точок. Однак існують значні перешкоди, перш ніж БПЛА стануть основним інструментом СМС:

Стабільність польоту та навігація в конвеєрному середовищі.
Термін служби батареї (зазвичай 20-30 хвилин).
Роздільна здатність датчика – для точного визначення одного несправного ролика, камера дрона повинна мати достатню роздільну здатність.
Регуляторні питання та питання безпеки – особливо у підземних шахтах або поблизу персоналу, використання дронів може бути обмежене.

На даний момент (2025) дрони для моніторингу роликів конвеєрів знаходяться в основному на стадії НДДКР або пілотної фази, і вони, як правило, зосереджені на тепловому / візуальному виявленні (виявлення несправностей на пізній стадії).

Комп'ютерний зір та виявлення за допомогою ШІ

Важливим новим рішенням, що доповнює багато з перелічених вище, є використання штучного інтелекту (ШІ) і комп’ютерного зору для аналізу даних роликів конвеєрів. Одне недавнє дослідження використовувало покращену нейронну мережу YOLOv5 для виявлення несправностей роликів у реальному часі відеозаписів з камер. Система використовувала відеокамеру, що дивиться на стрічку та ролики, а модель ШІ позначала аномалії, виявляючи, якщо ролик не обертається, коли має, має незвичайне коливання або видиме пошкодження. Інший підхід – аналіз теплових зображень: використовуючи інфрачервоні зображення, ШІ може відрізняти перегрітий ролик з інших джерел тепла чи відбитків. Наприклад, Siami та ін. (2022) розробили метод на основі CNN для виявлення перегрітих роликів у складних теплових фонах, досягаючи надійного виявлення навіть тоді, коли нагріта сонцем земля або обладнання викликали плутанні теплові патерни [27]. Вони та інші дослідники також вивчали злиття зображень (поєднання візуальних зображень RGB з тепловими зображеннями ІЧ) для підвищення точності ідентифікації несправностей.

Можливості аналізу даних є ключовою відмінністю між технологіями моніторингу роликів: простіші системи можуть лише відправляти сигнал тривоги при перевищенні порога, тоді як передові системи використовують машинне навчання та злиття даних для прогнозування відмов із меншою кількістю помилкових спрацьовувань. Наприклад, аналітика “Розумних роликів” об’єднує дані про вібрацію, температуру та обертання ролика для діагностики несправностей та відстеження стану роликів [2], [3], [12], [5], а її хмарна платформа може повідомляти службу обслуговування про ролики, які погіршуються, задовго до їхньої відмови. На відміну від цього, оптоволоконна система DTS або мережа температурних датчиків можуть просто видавати сигнал тривоги «так/ні» про високу температуру.

Надалі аналітика на основі ШІ дедалі частіше інтегрується в ці системи для підвищення точності виявлення [27]. Багато постачальників тепер пропонують програмне забезпечення, яке виконує аналіз тенденцій, порівнює показання кожного ролика з базовими значеннями чи аналогічними одиницями і навіть оцінює залишковий термін служби. Ця можливість аналізу даних є найважливішою частиною рішень СМС і часто визначає, наскільки корисними є сирі дані датчиків для операторів шахт. Наприклад, знання не тільки того, що ролик зараз несправний, а й того, які ролики наближаються до відмови наступного місяця, є більш цінним.

Висновок

Моніторинг стану роликів конвеєрів значно просунувся від базових температурних вимикачів до складних IoT-роликів та волоконно-оптичних систем. Комерційні рішення, такі як бездротові сенсорні мережі та розумні ролики, вже покращують час безвідмовної роботи та безпеку в умовах експлуатації [5], [18], [20], [21], [26]. Тим часом, експериментальні та нові методи (робототехніка, комп’ютерний зір на основі ШІ) обіцяють ще більше скоротити ручну працю та підвищити надійність виявлення несправностей. Сучасні системи моніторингу роликів використовують хмарні платформи, машинне навчання і навіть цифрові двійники для прогнозування відмов та оптимального планування замін роликів [1], [12], [27].

У результаті, СМС роликів конвеєрів перетворилося на багатогранну область – від «розумних» роликів, «що повідомляють» про свій стан, до волоконно-оптичних «нервів» вздовж стрічки та роботизованих «доглядачів» – все це спрямоване на забезпечення працездатності конвеєрних систем та запобігання переростанню дрібних проблем в більш великі.

Детальне порівняння систем дивіться у другій частині цього дослідження: «Порівняння технологій моніторингу роликів».

Бібліографія

[1] M. J. Ibarra-Cabrera et al., “An IoT Solution to Detect Overheated Idler Rollers in Belt Conveyors,” IJACSA, 2024.

[2] Vayeron Pty Ltd., “Smart-Idler® Failure Detection Efficacy Analysis,” 2020.

[3] Delft University of Technology & Rulmeca Group, “Investigation of Smart Conveyor Idler Monitoring Technologies,” 2017.

[4] Liu, X.; Pang, Y.; Lodewijks, G.; He, D. Experimental research on condition monitoring of belt conveyor idlers. 2020.

[5] Anibal S. Morales, Pablo Aqueveque, Jorge A. Henriquez “Technology Review of Idler Condition Based Monitoring Systems,” 2017.

[6] Scott Automation, “Robotic Idler Predict System Whitepaper,” 2023.

[7] Micomo Pty Ltd., “Roller Condition Monitoring (RCM) System Description and Case Studies,” 2014.

[8] P. Dabek et al., “Automatic Detection of Overheated Idlers Using IR and RGB Imaging,” 2022.

[9] Yokogawa Electric Corp., “Fiber Optic DTS for Conveyor Fire Prevention,” 2013.

[10] Artur Küpper GmbH & Co. KG, “Sensor-Integrated Idler Roller Development,” 2019.

[11] Mining3, “Conveyor belt monitoring for wear detection,” 2023.

[12] Smartidler.com, “Technical specifications and product pages.”

[13] Vayeron Pty Ltd, “An idler, a method for monitoring a plurality of idlers, and a conveyor system”, AU2014/050246, Australia, 2015

[14] Vayeron Pty Ltd., “Smart Idler – Effect on Project Economics,” Vayeron, 2025.

[15] Hawkfiber.com / Hawk Measurement, “Fiber-based conveyor sensing.”

[16] Hawk Measurement Systems, “Conveyor Fire Prevention via Thermal Sensing,” 2020.

[17] Australian Government, “Underground Conveyor Safety Standards AS 1755,” 2020.

[18] Rio Tinto, “Smart Idler Rollout and Maintenance Savings,” Case Study, 2018.

[19] J. Widodo and B. Yang, “A review of vibration and acoustic measurement methods for monitoring rolling element bearing condition,” Mechanical Systems and Signal Processing, July 2011.

[20] Glencore, “Underground Coal Mine,” Case Study, 2019.

[21] Paul Moore, Head to Tail, International Mining, February, p.46-63, 2024.

[22] Sandpit Innovation Pty Ltd, Lewis Australia Pty Ltd, “Conveyor Belt Roller Replacement”, WO2013138841, Australia, 2013.

[23] K.R. Thieme, Report: “Economic Justification of Automated Idler Roll Maintenance Applications in Large-Scale Belt Conveyor Systems”, Delft University of Technology, Netherlands, 2014.

[24] Intium Energy Limited, “Vibration detection system, apparatus and method”, WO 2012122597 A1 | PCT/AU2012/000263, Australia, 2012.

[25] Ben Yang Yang, “Fibre Optic Conveyor Monitoring System”, MSc degree thesis, The University of Queensland, Australia, 2014.

[26] Industrial Technologies Supply, itecsu.com, “Remote conveyor rollers monitoring system – Smart-Idler, Interview with Mark Walter at IMARC”, 2023

[27] Siami-Namini, S., et al., ‘Deep learning for conveyor idler fault detection using YOLOv5,’ Conference, 2022.

[28] M. Kang, S. Lee, and J. Kim, “Acoustic-based fault diagnosis for rotating machinery in noisy environments using cyclostationary analysis,” Mechanical Systems and Signal Processing, 2020.

[29] A. Morales, S. Seshadri, and J. Brayan, “Acoustic emission-based condition monitoring of conveyor idler rollers using mobile robots,” IEEE Transactions on Industry Applications, pp. 2639–2647, May–June 2017.

[30] SKF Group, “SKF Idler Sound Monitor Kit: Field evaluation of conveyor idler condition using ultrasonic listening technology,” SKF Mining Industry Solutions, 2019.