pump-performance-db

ポンプ性能データベース

Grundfos、KSB、その他主要ポンプメーカーのポンプ曲線や仕様にアクセスできます。このスキルは、ポンプ性能データの照会、メーカーのデータベースの解析、カスタムポンプライブラリの作成方法を提供します。

ポンプデータベースの概要

ポンプ性能データベースには、ポンプの選定と分析に不可欠な情報が含まれています。

• 性能曲線：流量（Q）と揚程（H）の関係
• 効率曲線：流量に対する効率
• NPSH 要件：流量に対する必要有効吸込ヘッド
• 動力曲線：流量に対する消費動力
• ポンプ曲線：複数のインペラー径と回転速度
• 物理仕様：サイズ、重量、接続タイプ
• 運転限界：温度、圧力、流体との適合性
• 選定データ：型番、構成材料

メーカーのリソース

Grundfos Product Center

ウェブサイト：https://product-selection.grundfos.com/

機能：

• 包括的な製品カタログ
• WebCAPS オンライン選定ツール
• ダウンロード可能な製品データ
• 性能曲線のエクスポート
• 3D CAD モデル
• ポンプ構成ツール

データへのアクセス：

• ウェブベースの選定インターフェース
• 曲線付き PDF データシート
• Excel エクスポート機能
• API アクセス（一部のみ。パートナーシップが必要）
• デスクトップソフトウェア：Grundfos Product Center（オフライン）

一般的なデータ形式：

• 曲線データは独自形式であることが多い
• PDF データシートは解析やデジタル化が必要
• 表形式データを含む Excel エクスポートも一部あり

KSB EasySelect

ウェブサイト：https://www.ksb.com/en-us/products-and-solutions/tools-services/easyselect

機能：

• 豊富なポンプカタログ
• 運転点に基づく選定
• 複数のポンプタイプ（遠心式、容積式）
• 性能曲線の視覚化
• 技術文書

データへのアクセス：

• ウェブベースの選定ツール
• ダウンロード可能な PDF データシート
• 直接データをエクスポートする機能は限定的
• デスクトップアプリケーションを利用可能

Flowserve Pump Selector

ウェブサイト：https://www.flowserve.com/

機能：

• 産業用ポンプの選定
• 特注設計ポンプ
• 豊富な API およびプロセスポンプのカタログ
• 材料選定ガイダンス

データへのアクセス：

• 選定については地域の担当者に問い合わせ
• PDF 技術資料
• 特定の用途向けの個別見積もり
• オンライン選定ツールは限定的

ITT/Goulds Selection Tools

ウェブサイト：https://www.gouldspumps.com/

機能：

• 産業用および商業用ポンプの選定
• i-ALERT 状態監視との統合
• 性能曲線データ
• 用途別のポンプシリーズ

データへのアクセス：

• Goulds Pump Expert ソフトウェア（ダウンロード可能）
• オンライン製品カタログ
• PDF 資料および曲線
• 特注選定に関する技術サポート

その他のメーカーのリソース

• Xylem/Bell & Gossett：System Syzer ウェブツール
• Armstrong：Pump Manager ソフトウェア
• Wilo：Wilo-Select オンライン選定ツール
• Sulzer：Blue Box オンラインコンフィギュレーター
• Pentair：AquaSuite 選定ソフトウェア
• Ebara：E-COMS 選定ソフトウェア

ウェブスクレイピングに関する考慮事項

法的および倫理的な考慮事項

メーカーのウェブサイトをスクレイピングする前に：

• 利用規約（ToS）を確認してください
• robots.txt による制限を確認してください
• レート制限を遵守してください
• API アクセスをリクエストすることを検討してください
• データの利用がライセンスに準拠しているか確認してください

技術的なアプローチ

PDF の解析：

# Extract curve data from PDF datasheets
import pdfplumber
import re
import numpy as np

# Digitize performance curves from images
from scipy.interpolate import interp1d

ウェブスクレイピングツール：

• HTML の解析には BeautifulSoup
• JavaScript を多用するサイトには Selenium
• API のようなインターフェースには Requests
• PDF の表の抽出には Tabula

課題：

• 動的なコンテンツの読み込み
• 認証要件
• CAPTCHA システム
• ウェブサイト構造の頻繁な変更
• OCR やデジタル化が必要な画像形式のデータ

API アクセス

商用 API

大半の主要メーカーは、公開 API を提供していません。API にアクセスするには、通常、以下が必要です。

1. パートナーシップ契約：OEM または販売代理店との関係
2. エンタープライズライセンス：大規模な調達契約
3. ソフトウェア統合：メーカーの SDK を使用したアプリケーションの構築

代替データソース

サードパーティのアグリゲーター：

• ポンプ選定ソフトウェア（例：Selecore、PumpBase）
• 業界データベース（サブスクリプションが必要）
• エンジニアリングソフトウェアとの統合（AFT、PIPE-FLO）

オープンデータプロジェクト：

• 研究機関
• 大学のポンプデータベース
• コミュニティが提供するライブラリ

データ形式と解析

一般的なポンプデータ構造

{
    "model": "CR 10-5",
    "manufacturer": "Grundfos",
    "type": "Vertical Multistage Centrifugal",
    "impeller_diameter": 116,  # mm
    "speed": 2900,  # rpm
    "stages": 5,
    "performance_curve": {
        "flow": [0, 2, 4, 6, 8, 10, 12],  # m³/h
        "head": [48, 47, 45, 42, 38, 32, 24],  # m
        "efficiency": [0, 45, 62, 70, 72, 68, 55],  # %
        "power": [0.8, 1.0, 1.2, 1.4, 1.5, 1.6, 1.7]  # kW
    },
    "npsh_required": {
        "flow": [0, 2, 4, 6, 8, 10, 12],
        "npsh": [0.5, 0.6, 0.8, 1.2, 1.8, 2.6, 3.6]  # m
    },
    "specifications": {
        "min_flow": 0,  # m³/h
        "max_flow": 12,  # m³/h
        "max_head": 48,  # m
        "max_pressure": 16,  # bar
        "max_temperature": 120,  # °C
        "connection_size": "DN 32/25",
        "materials": {
            "casing": "Cast Iron",
            "impeller": "Stainless Steel",
            "shaft": "Stainless Steel"
        }
    }
}

表形式データの解析

Excel/CSV から：

import pandas as pd

# Read manufacturer data export
df = pd.read_excel('pump_data.xlsx', sheet_name='Performance')

# Extract curve data
flow = df['Flow_m3h'].values
head = df['Head_m'].values
efficiency = df['Efficiency_pct'].values

PDF の表から：

import tabula

# Extract tables from PDF
tables = tabula.read_pdf('datasheet.pdf', pages='all')
performance_data = tables[0]  # First table

曲線のデジタイズ

手動でのデジタイズ：

• WebPlotDigitizer を使用します（https://automeris.io/WebPlotDigitizer/）
• 座標を CSV にエクスポートします
• Python/Excel にインポートします

自動化された方法：

# Image processing for curve extraction
import cv2
from skimage import morphology
import matplotlib.pyplot as plt

# Read curve image
img = cv2.imread('pump_curve.png', 0)

# Threshold and extract curve points
# (Implementation depends on image quality)

カスタムポンプデータベースの作成

データベース構造

SQLite データベースの例：

CREATE TABLE manufacturers (
    id INTEGER PRIMARY KEY,
    name TEXT NOT NULL,
    website TEXT
);

CREATE TABLE pump_models (
    id INTEGER PRIMARY KEY,
    manufacturer_id INTEGER,
    model_number TEXT NOT NULL,
    pump_type TEXT,
    speed_rpm INTEGER,
    stages INTEGER,
    impeller_diameter_mm REAL,
    FOREIGN KEY (manufacturer_id) REFERENCES manufacturers(id)
);

CREATE TABLE performance_curves (
    id INTEGER PRIMARY KEY,
    pump_id INTEGER,
    flow_m3h REAL,
    head_m REAL,
    efficiency_pct REAL,
    power_kw REAL,
    npsh_m REAL,
    FOREIGN KEY (pump_id) REFERENCES pump_models(id)
);

CREATE TABLE specifications (
    id INTEGER PRIMARY KEY,
    pump_id INTEGER,
    spec_name TEXT,
    spec_value TEXT,
    spec_unit TEXT,
    FOREIGN KEY (pump_id) REFERENCES pump_models(id)
);

JSON データベース形式

{
    "database_version": "1.0",
    "last_updated": "2025-11-07",
    "manufacturers": [
        {
            "id": "grundfos",
            "name": "Grundfos",
            "pumps": [
                {
                    "model": "CR 10-5",
                    "type": "vertical_multistage",
                    "performance": { ... },
                    "specifications": { ... }
                }
            ]
        }
    ]
}

プログラムによるポンプデータの追加

import sqlite3
import json

class PumpDatabase:
    def __init__(self, db_path='pump_database.db'):
        self.conn = sqlite3.connect(db_path)
        self.create_tables()

    def add_pump(self, manufacturer, model, pump_type, curve_data, specs):
        """Add a new pump to the database"""
        cursor = self.conn.cursor()

        # Get or create manufacturer
        cursor.execute(
            "INSERT OR IGNORE INTO manufacturers (name) VALUES (?)",
            (manufacturer,)
        )
        cursor.execute(
            "SELECT id FROM manufacturers WHERE name = ?",
            (manufacturer,)
        )
        mfg_id = cursor.fetchone()[0]

        # Insert pump model
        cursor.execute("""
            INSERT INTO pump_models
            (manufacturer_id, model_number, pump_type, speed_rpm, stages)
            VALUES (?, ?, ?, ?, ?)
        """, (mfg_id, model, pump_type,
              specs.get('speed'), specs.get('stages')))

        pump_id = cursor.lastrowid

        # Insert performance curve points
        for i, flow in enumerate(curve_data['flow']):
            cursor.execute("""
                INSERT INTO performance_curves
                (pump_id, flow_m3h, head_m, efficiency_pct, power_kw)
                VALUES (?, ?, ?, ?, ?)
            """, (pump_id, flow, curve_data['head'][i],
                  curve_data['efficiency'][i], curve_data['power'][i]))

        self.conn.commit()

独自ポンプデータの追加

データ収集方法

1. メーカーのデータシート：

   • PDF データシートをダウンロードします
   • 曲線データを抽出します（必要に応じてデジタイズします）
   • 仕様を記録します

2. 工場試験データ：

   • 立会試験レポート
   • 性能検証データ
   • 実際の性能と保証性能

3. 現場測定：

   • 設置済みポンプの性能
   • 運転中の効率
   • 劣化の追跡

4. カスタム／改造ポンプ：

   • 切削したインペラー
   • 異なる速度での VFD 運転
   • 特殊な構成

データの整理

# Directory structure for proprietary data
proprietary_pumps/
├── manufacturer_name/
│   ├── model_series/
│   │   ├── model_variant_1.json
│   │   ├── model_variant_2.json
│   │   └── datasheets/
│   │       ├── model_variant_1.pdf
│   │       └── model_variant_2.pdf
│   └── metadata.json
└── custom_pumps/
    ├── project_name/
    │   ├── pump_1.json
    │   └── test_data.csv
    └── metadata.json

ポンプデータのバージョン管理

# Include metadata for tracking
{
    "model": "CR 10-5",
    "data_version": "2.1",
    "last_updated": "2025-11-07",
    "source": "Grundfos Product Center 2025",
    "verified": true,
    "verification_date": "2025-10-15",
    "notes": "Updated efficiency curve based on factory test data"
}

ベストプラクティス

1. データ検証：

   • 曲線データが物理的に妥当であることを確認します
   • 不連続やエラーがないか確認します
   • 可能であれば、複数の情報源と比較します

2. 単位管理：

   • 一貫した単位（SI 単位を推奨）でデータを保存します
   • 単位の規約を文書化します
   • 単位変換ユーティリティを用意します

3. 補間：

   • 曲線の問い合わせには適切な補間を使用します
   • 曲線の範囲を超えた外挿は避けます
   • 補間データ点と実測データ点を明示します

4. 更新とメンテナンス：

   • メーカーの更新情報を追跡します
   • データベースの変更をバージョン管理します
   • 廃止されたモデルをアーカイブします

5. ドキュメント作成：

   • すべてのデータの出典を適切に記録します
   • 前提条件と制限事項を記録します
   • 重要な選定について監査証跡を維持します

ワークフローの例

ポンプ選定ワークフロー

1. 要件の定義：流量、揚程、流体の特性
2. データベースへの問い合わせ：適切なポンプを検索します
3. 結果の絞り込み：種類、サイズ、効率で絞り込みます
4. 性能の評価：曲線上の運転点を確認します
5. NPSH の確認：十分な吸込条件が確保されていることを確認します
6. 仕様の確認：材質、温度、圧力定格
7. レポートの作成：選定の根拠を記録します

データベース保守ワークフロー

1. メーカーの更新情報を監視：新しいモデルやデータがないか確認します
2. 新しいデータをダウンロード：最新のデータシートを入手します
3. 解析と検証：曲線データを抽出して検証します
4. データベースを更新：新しいモデルを追加し、既存のモデルを更新します
5. バージョン管理：変更内容のメモを添えてコミットします
6. ユーザーへの通知：重要な変更を文書化します

制限事項と考慮事項

• メーカーのデータの著作権：知的財産権を尊重してください
• データの精度：重要な選定についてはメーカーに確認してください
• 公差：公開されている曲線には製造公差があります
• 運転条件：曲線は特定の流体（通常は水）を対象としています
• 用途固有の条件：特殊な用途についてはメーカーに相談してください
• 保証への影響：非公式なデータを使用すると、保証が無効になる場合があります

関連スキル

• pump-curves：性能曲線の操作
• pump-selection：体系的なポンプ選定プロセス
• hydraulic-analysis：システム曲線と運転点の分析
• npsh-analysis：正味吸込ヘッドの計算