Прогнозное техническое обслуживание электродвигателей: использование расчетов и данных для предотвращения сбоев

Предиктивное техническое обслуживание представляет собой преобразующий подход к управлению здоровьем электродвигателей в промышленных условиях. Используя передовой анализ данных, сложные расчеты и технологии мониторинга в режиме реального времени, организации могут предвидеть потенциальные сбои до их возникновения, коренным образом изменяя то, как запланированы и выполняются мероприятия по техническому обслуживанию. Эта активная стратегия не только сокращает дорогостоящие простои, но и увеличивает срок службы оборудования, повышает безопасность и оптимизирует операционную эффективность в различных промышленных приложениях.

Понимание прогнозного обслуживания для электродвигателей

Предиктивное техническое обслуживание - это плановое, проактивное тестирование двигателей (включая их внутренние компоненты) для оценки их целостности до возникновения отказа двигателя. В отличие от реактивного технического обслуживания, которое решает проблемы после того, как они происходят, или профилактического обслуживания, которое следует фиксированным графикам независимо от фактического состояния оборудования, прогнозное техническое обслуживание использует данные в реальном времени и аналитические методы для определения оптимального времени для вмешательства в техническое обслуживание.

Предиктивное техническое обслуживание является ключевой стратегией обеспечения надежности и эффективности промышленных систем. Основополагающий принцип предполагает непрерывный мониторинг критических параметров двигателя, анализ тенденций с течением времени и выявление отклонений от нормальных режимов работы, которые сигнализируют о возникающих проблемах. Этот подход, основанный на данных, позволяет обслуживающим группам вмешиваться точно, когда это необходимо, избегая как преждевременных действий по техническому обслуживанию, так и катастрофических сбоев.

Технические специалисты используют компьютерные устройства или системы для проведения неразрушающих тестов для выявления возможных проблем, которые необходимо исправить, прежде чем они станут более серьезными проблемами. Эти методы неразрушающего контроля сохраняют целостность оборудования, предоставляя ценную диагностическую информацию, что делает их идеальными для текущих программ мониторинга состояния.

Критическая важность прогнозного обслуживания в промышленных операциях

Электродвигатели служат основой современных промышленных операций, питая все, от конвейерных систем и насосов до компрессоров и производственного оборудования. Электродвигатели являются жизненно важным компонентом в промышленном оборудовании, питая процессы, которые варьируются от небольших производственных линий до массивных производственных систем. Они широко используются в таких отраслях, как автомобилестроение, нефть и газ, производство, коммунальные услуги и добыча полезных ископаемых.

Любая неисправность может привести к значительным простоям, задержкам производства и дорогостоящему ремонту. Финансовое воздействие неожиданных отказов двигателя выходит далеко за рамки затрат на ремонт. Потери производства, пропущенные сроки поставки, чрезвычайные расходы на рабочую силу и потенциальные инциденты безопасности могут умножить общую стоимость незапланированных отключений на десять или более факторов по сравнению с плановыми мероприятиями по техническому обслуживанию.

Примерно 38% производственных организаций уже внедрили технологии прогнозного обслуживания, при этом еще 21% планируют сделать это к 2026 году. Это растущее принятие отражает проверенное ценностное предложение программ прогнозного обслуживания. Организации, реализующие эти стратегии, сообщают о значительных улучшениях в надежности оборудования, сокращении затрат на техническое обслуживание и общей операционной эффективности.

Последствия для безопасности предиктивного технического обслуживания невозможно переоценить. Моторные сбои могут создавать опасные условия, включая электрические пожары, механические снаряды от распадающихся компонентов и воздействие высоких температур или напряжений. Выявляя развивающиеся проблемы до того, как они достигнут критических стадий, программы предиктивного технического обслуживания защищают как персонал, так и объекты от этих рисков.

Ключевые параметры и расчеты в мониторинге состояния двигателя

Эффективное профилактическое обслуживание основано на мониторинге нескольких параметров, которые обеспечивают взаимодополняющее понимание состояния двигателя. Каждый тип измерения раскрывает различные аспекты состояния двигателя, и анализ их вместе создает всеобъемлющую картину состояния оборудования.

Мониторинг температуры и термический анализ

Ключевые характеристики, такие как температура, интенсивность тока, сопротивление обмотки и звуковое состояние, фиксируют критические параметры, которые непосредственно указывают на здоровье двигателя, что позволяет точно классифицировать их рабочее состояние.Измерения температуры предоставляют важную информацию о тепловых характеристиках двигателя и могут выявить развивающиеся проблемы, прежде чем они вызовут сбои.

Детекторы температуры сопротивления PT100, встроенные в обмотки статора или установленные на поверхностях рамы, обеспечивают непрерывные тепловые данные. Эти датчики обеспечивают точные измерения температуры с отличной долгосрочной стабильностью, что делает их идеальными для анализа трендов в течение месяцев или лет работы.

ИИ применяет нормализацию нагрузки, чтобы отличить повышение температуры, вызванное неисправностью, от законных изменений нагрузки — потому что двигатель, работающий на 5 ° C горячее при двойной нагрузке, является здоровым, в то время как двигатель, работающий на 5 ° C горячее при той же нагрузке, ухудшается. Этот сложный анализ предотвращает ложные тревоги, обеспечивая ранние обнаружения подлинных тепловых проблем.

Тепловизионные обследования дополняют встроенные датчики температуры, выявляя модели распределения температуры по поверхности двигателя. Горячие пятна в конкретных областях могут указывать на локализованные проблемы, такие как деградация изоляции обмотки, проблемы с подшипником смазки или блокировки системы охлаждения. Регулярная тепловизионная съемка создает базовые модели, которые сразу же проявляют аномалии.

Анализ подписей

Анализ сигнатур моторного тока (MCSA) стал мощной диагностической методикой, поскольку его можно выполнять неинвазивно, не прерывая работу двигателя. Преобразователи тока зажимаются на силовые кабели двигателя на панели пускателя или МЦК — нет доступа вала, нет прерывания производства.

Форма волны тока двигателя кодирует каждое механическое событие в трансмиссии как частотную модуляцию. ИИ анализирует спектральное содержание сигнала тока для извлечения частот неисправности ротора, сигналов дефекта несущей, моделей изменения нагрузки и сигнатур асимметрии обмотки. Этот метод может обнаруживать трещины штанги ротора, проблемы эксцентриситета, дефекты несущей и дефекты обмотки статора, анализируя характерные частотные шаблоны в сигнале тока.

Измерения тока на всех трех этапах также выявляют дисбалансы, которые могут указывать на развитие электрических проблем. Дисбалансы тока фазы, превышающие 10%, требуют расследования, поскольку они могут указывать на проблемы с обмоткой, проблемы с подключением или дисбаланс напряжения питания, которые напрягают компоненты двигателя.

Измерения сопротивления обмоткам

Сопротивление обмотки (CR) двигателя представлено CR1, CR2 и CR3, измеренными в Омах (Ω). Измерения сопротивления обеспечивают прямую информацию о состоянии обмотки и могут выявить такие проблемы, как поворотные шорты, деградация соединения или загрязнение.

Измерения сопротивления должны быть скорректированы с учетом температуры для точного тренда, поскольку сопротивление меди изменяется примерно на 0,4% на градус Цельсия. Сравнение значений сопротивления между фазами выявляет дисбалансы, которые могут указывать на развитие неисправностей. Сопротивление тренду с течением времени выявляет постепенные изменения, которые сигнализируют о деградации изоляции или проблемах соединения.

Анализ вибрации: основа мониторинга состояния двигателя

Все режимы отказа могут вызывать увеличение вибраций машины, мониторинг этой области является преобладающим и наиболее широко используемым методом для определения состояния оборудования и прогнозирования отказов.Вибрационный анализ обеспечивает беспрецедентное понимание механического состояния и может обнаруживать проблемы за месяцы до того, как они приведут к сбоям.

Основы измерения вибрации

Акселерометры, установленные на подшипниковых корпусах на конце привода (DE) и конце без привода (NDE), захватывают полный спектр вибрации. Правильное размещение датчика имеет решающее значение для точных измерений. Датчики должны быть установлены на твердых, негибких поверхностях как можно ближе к подшипникам, с ориентацией установки, выровненной для измерения радиальных, осевых и касательной компонентов вибрации.

Измерения вибрации обычно выражаются в трех различных единицах, каждая из которых предоставляет различную диагностическую информацию:

Анализ частотного спектра

Спектр FFT является основным диагностическим инструментом — каждый тип неисправности появляется на предсказуемой частоте, что позволяет точно идентифицировать неисправности, а не общее состояние здоровья. Анализ быстрого преобразования Фурье (FFT) преобразует сигналы вибрации временной области в спектры частотной области, выявляя конкретные частоты, на которых концентрируется энергия вибрации.

Каждый тип неисправностей, электрических или механических неисправностей, производит вибрацию с определенной частотой. Эта характеристика позволяет опытным аналитикам выявлять конкретные проблемы, изучая, какие частоты показывают повышенные амплитуды:

Для каждого двигателя ИИ загружает частоты дефектов подшипника (BPFO, BPFI, BSF, FTF) на основе геометрии подшипника. Эти частоты, специфичные для подшипников, рассчитываются из размеров подшипника и рабочей скорости, что позволяет точно определить, какой компонент подшипника разрабатывает дефект.

Передовые методы анализа вибраций

Анализ контуров особенно эффективен при неисправностях несущих II стадии, когда частота дефектов скрыта в фоновом шуме. Анализ контуров фильтрует сигнал в определенную полосу вокруг резонансной частоты, усиливая импульсное содержимое и выявляя частоты дефектов, которые широкополосный анализ полностью упускает.

Анализ формы волны времени дополняет анализ частотного спектра, выявляя форму и время событий вибрации. Импульсивные паттерны указывают на дефекты несущих, в то время как синусоидальные паттерны предполагают дисбаланс или несоответствие. Форма волны времени обеспечивает контекст, который помогает различать различные типы ошибок, производящие сходные сигнатуры частоты.

Высокий коэффициент гребня с низким RMS указывает на ранние импульсивные дефекты подшипника, прежде чем они регистрируются в широкополосных измерениях. Коэффициент Креста уменьшается по мере роста неисправности — контринтуитивный показатель, который требует правильной интерпретации контекста тренда. Это демонстрирует, почему трендовое много параметров с течением времени обеспечивает более надежную диагностику, чем одноточечные измерения.

Методы электротестирования для прогнозного технического обслуживания

Оффлайн-тестирование включает проведение электрических испытаний во время запланированного простоя двигателя, с основной целью тестирования систем изоляции двигателя.В то время как онлайн-мониторинг обеспечивает непрерывную информацию о состоянии, оффлайн-тестирование во время запланированных отключений позволяет более комплексную электрическую диагностику.

Испытание на изоляционное сопротивление

Большинство электрических отказов в двигателях начинаются как отказ изоляции, поэтому получение ручки на состоянии изоляции является важным предиктором того, может ли двигатель выйти из строя в будущем. Испытание сопротивления изоляции применяется напряжение постоянного тока (обычно 500-1000 В для двигателей низкого напряжения) и измеряет сопротивление между обмотками и землей и между фазами.

Испытание на индекс поляризации (ИП) расширяет базовое испытание на изоляционное сопротивление путем сравнения значений сопротивления в одну минуту и десять минут. Значение ИП ниже 2,0 для двигателей с номинальной мощностью выше 1000 В предполагает загрязнение изоляции или ухудшение, требующее исследования. Трендирующие значения ИП с течением времени выявляют модели старения изоляции.

Испытание на высокое напряжение

Испытания высокого напряжения - так же, как испытания на давление в резервуаре - позволяют выявить слабые места изоляции задолго до того, как они станут проблемами при нормальных рабочих напряжениях.

Существует два основных типа высоковольтного тестирования: DC и флеш-тест. DC или высокопотенциальное («hi- pot») тестирование оценивает, стареет ли изоляция наземной стенки и особенно полезно, если результаты можно сравнить с течением времени. Hi-pot тестирование применяет напряжения значительно выше, чем рабочее напряжение, к системам изоляции от напряжения и выявляет слабые места, прежде чем они вызовут сбои.

Тестирование на опережение, использующее кратковременные импульсы высокого напряжения, является единственным способом выявить слабые места изоляции между поворотами обмотки - именно там начинается большинство электрических неисправностей. Тестирование на опережение сравнивает реакцию всех трех фаз с идентичными импульсами напряжения. Различия в моделях ответов указывают на проблемы изоляции по очереди, которые другие тесты не могут обнаружить.

Методы и технологии сбора данных

Современные программы предиктивного обслуживания используют различные стратегии сбора данных, каждая из которых имеет определенные преимущества для различных приложений и эксплуатационных требований.

Портативный мониторинг на основе маршрута

Портативные сборщики данных позволяют техникам следовать заданным маршрутам, собирая вибрации, температуру и другие измерения в каждой точке мониторинга. Этот подход обеспечивает экономически эффективный мониторинг для большого количества двигателей, где непрерывный мониторинг экономически не оправдан. Программы на основе маршрутов обычно собирают данные ежемесячно или ежеквартально, при этом критическое оборудование контролируется чаще.

Портативные инструменты обеспечивают гибкость для выполнения подробных диагностических измерений, когда скрининговые измерения указывают на развивающиеся проблемы. Технические специалисты могут быстро переключаться между общими измерениями вибрации, подробным анализом спектра и захватом формы волны времени, когда это необходимо для характеристики конкретных условий.

Системы непрерывного онлайн-мониторинга

Electric Motor Scan интегрирует передовые датчики с беспроводной связью для мониторинга Electric Motors в режиме реального времени. Устройство Electric Motor Scan собирает данные, такие как уровни вибрации, температура и эксплуатационные параметры, которые затем передаются на облачную платформу.

Системы непрерывного мониторинга обеспечивают ряд преимуществ перед периодическими измерениями. Они фиксируют переходные события, которые периодический мониторинг может пропустить, позволяют немедленно тревожить, когда условия превышают пороговые значения, и создают всеобъемлющие исторические базы данных для анализа тенденций. Критические активы — компрессоры, насосы, основные приводные двигатели — нуждаются в постоянном онлайн-мониторировании.

Беспроводные сенсорные сети резко снизили затраты на установку систем непрерывного мониторинга. Беспроводные датчики с батарейным питанием устраняют необходимость в обширных кабелях, что позволяет осуществлять экономически эффективный мониторинг двигателей в удаленных или труднодоступных местах. Современные беспроводные датчики могут работать годами на энергии батареи при передаче данных несколько раз в день.

Интеграция Интернета вещей (IoT)

Системы мониторинга с поддержкой IoT соединяют датчики, оборудование для сбора данных и аналитическое программное обеспечение в интегрированные платформы, доступные из любой точки мира. Облачное хранение и обработка данных позволяют осуществлять сложную аналитику, которая была бы непрактичной только с локальными вычислительными ресурсами.

В облаке модели ИИ обрабатывают данные, позволяя командам технического обслуживания обнаруживать аномалии и прогнозировать потенциальные сбои в работе двигателя. Эта система обеспечивает целостное представление о производительности двигателя, предоставляя действенные идеи, к которым можно получить доступ через панели приборов и мобильные приложения. Мобильный доступ позволяет обслуживающему персоналу отслеживать состояние оборудования, получать оповещения и просматривать диагностическую информацию из любого места, улучшая время отклика и принятие решений.

Машинное обучение и искусственный интеллект в предиктивном обслуживании

Предиктивное техническое обслуживание, обусловленное искусственным интеллектом (ИИ) и машинным обучением (ML), произвело революцию в стратегиях технического обслуживания промышленности, особенно в Electric Motors. В этой статье исследуется интеграция технологии Electric Motor Scan, которая использует данные датчиков в реальном времени и модели ИИ для прогнозирования отказов двигателя, сокращения простоев и оптимизации графиков технического обслуживания.

Контролируемые подходы к обучению

Ключевые особенности работы двигателя были использованы для обучения различных алгоритмов машинного обучения, включая Naive Bayes, Support Vector Machines (SVM), модели регрессии, Random Forest, k-Nearest Neighbors (k-NN) и методы повышения градиента. Эти алгоритмы изучают закономерности из исторических данных, помеченных известными двигательными условиями, а затем применяют это обучение для классификации текущего состояния двигателя.

Алгоритм Random Forest продемонстрировал высочайшую точность (99,3%) и отзыв (97,6%), сделав его наиболее надежным выбором для обнаружения дисбалансов в насосно-моторных агрегатах.Результаты подтверждают, что машинное обучение значительно улучшает обнаружение дисбаланса, обеспечивая упреждающий подход к обслуживанию, который сокращает неожиданные простои, оптимизирует графики обслуживания и увеличивает срок службы оборудования.

Поддерживающие векторные машины преуспевают в задачах классификации с четкими границами между состояниями состояния. Они особенно хорошо работают для бинарных классификаций, таких как «здоровые» против «неисправных» или для идентификации конкретных типов неисправностей из вибрационных сигнатур. СВМ могут эффективно обрабатывать данные высокой размерности, что делает их пригодными для анализа нескольких входов датчиков одновременно.

Нейронные сети и глубокое обучение

Нейронные сети могут идентифицировать сложные, нелинейные отношения между входами датчиков и двигательными условиями, которые могут упустить традиционные аналитические методы. Архитектуры глубокого обучения с несколькими скрытыми слоями могут автоматически извлекать соответствующие функции из исходных данных датчиков, уменьшая потребность в ручной разработке функций.

Свёрточные нейронные сети (СНС) продемонстрировали особую перспективность для анализа вибрационных спектрограмм и тепловых изображений. Эти сети могут научиться распознавать закономерности в двумерных представлениях данных датчиков, идентифицируя тонкие сигнатуры развивающихся неисправностей, которые могут упустить из виду человеческие аналитики.

Обнаружение аномалий и неконтролируемое обучение

Неконтролируемые алгоритмы обучения выявляют необычные закономерности, не требуя маркированных данных обучения. Эти подходы ценны для обнаружения новых режимов неисправности, не представленных в исторических данных, или для мониторинга двигателей с ограниченной историей отказов.

Прогнозное техническое обслуживание на основе ИИ полностью меняет это, постоянно считывая сигнатуры тока двигателя, вибрационные модели и тепловые данные - за несколько месяцев до сбоя происходит пометка деградации. Алгоритмы обнаружения аномалий устанавливают нормальные рабочие оболочки из здоровых данных двигателя, а затем отклонения флага, которые могут указывать на развивающиеся проблемы.

Многосенсорное слияние данных

Для надежного прогнозирования состояния здоровья двигателя требуется три дополнительных потока измерений. Каждая технология имеет уникальное окно обнаружения, покрытие неисправностей и профиль установки. Используемые вместе в рамках корреляции ИИ, они охватывают 95% + всех режимов отказа двигателя из одной системы мониторинга.

Алгоритмы ИИ превосходно сливаются с данными нескольких типов датчиков для создания комплексных оценок состояния здоровья. Анализируя корреляции между вибрацией, температурой, током и другими параметрами, эти системы могут различать различные типы неисправностей, которые могут вызывать схожие симптомы в отдельных измерениях. Этот многопараметрический подход значительно снижает ложные тревоги при одновременном повышении чувствительности обнаружения.

Реализация программы прогнозного технического обслуживания

Успешное внедрение прогнозного технического обслуживания требует тщательного планирования, надлежащего выбора технологий и организационной приверженности принятию решений, основанных на данных.

Оценка критичности оборудования

Не все двигатели требуют одинакового уровня инвестиций в мониторинг. Оценка критических характеристик оценивает каждый двигатель на основе факторов, включая:

Критические двигатели, приводящие в движение основные процессы без резервного копирования, обычно получают непрерывный онлайн-мониторинг. Важные двигатели с некоторой избыточностью могут контролироваться с помощью периодических измерений на основе маршрута. Некритические двигатели с легкодоступными запасными частями могут полагаться на базовое профилактическое обслуживание без мониторинга состояния.

Базовое установление и тренды

Менеджеры по техническому обслуживанию проводят профилактические испытания на техническое обслуживание через регулярно запланированные интервалы и регистрируют результаты для отслеживания потенциальных проблем. Последующие испытания указывают на тенденции целостности многих компонентов двигателей.

Для установления точных исходных линий требуется сбор данных, когда двигатели, как известно, находятся в хорошем состоянии. Эти базовые измерения обеспечивают ориентиры для выявления будущих изменений. Анализ тенденций сравнивает текущие измерения с исходными линиями и историческими моделями для выявления постепенной деградации или внезапных изменений, требующих внимания.

Для эффективного трендирования требуются последовательные процедуры измерения. Датчики должны размещаться в одних и тех же местах с использованием одинаковых методов крепления для каждого измерения. Для обеспечения значимых сравнений во времени должны документироваться такие условия работы, как нагрузка, скорость и температура.

Пороговая тревога Развитие

Пороги сигнализации определяют значения измерений, которые вызывают уведомления или действия по техническому обслуживанию. Многоуровневые схемы сигнализации обычно включают:

Пороговые значения должны основываться на конкретных факторах оборудования, включая размер двигателя, скорость, конфигурацию крепления и критичность. Общие пороговые значения стандартов обеспечивают отправные точки, но оптимальные пороговые значения уточняются на основе опыта работы с конкретными группами оборудования.

Интеграция с системами управления техническим обслуживанием

Прогнозные данные технического обслуживания должны интегрироваться с компьютеризированными системами управления техническим обслуживанием (CMMS), чтобы обеспечить скоординированное планирование технического обслуживания. OxMaint переводит необработанные потоки датчиков в один показатель состояния здоровья двигателя на актив - постоянно обновляется и разлагается на подоценки для каждого режима отказа. OxMaint автоматически генерирует это представление из данных датчика двигателя - нет ручного ввода данных, не требуется аналитик. Каждый показатель здоровья поддерживается доказательствами с несколькими датчиками и классификацией первопричин.

Интеграция позволяет автоматически генерировать заказы на работу, когда условия превышают пороговые значения, связывает данные о состоянии с записями истории оборудования и облегчает анализ эффективности обслуживания. Этот подход с замкнутым циклом обеспечивает понимание мониторинга состояния в своевременных действиях по техническому обслуживанию.

Всесторонние преимущества прогнозного обслуживания

Предиктивное техническое обслуживание позволяет планировать регулярное периодическое корректирующее обслуживание и помогает предотвратить неожиданные сбои и простои. Преимущества распространяются на несколько измерений эксплуатационных характеристик.

Сокращение времени простоя и производственных потерь

Это исследование подчеркивает практичность использования контролируемого обучения для диагностики электродвигателей, обеспечивая основу для эффективного планирования технического обслуживания и минимизации незапланированных простоев в промышленных приложениях. Выявляя проблемы, прежде чем они вызовут сбои, прогнозное техническое обслуживание позволяет планировать мероприятия по техническому обслуживанию во время запланированных отключений, а не вынуждать аварийные отключения.

Предварительное предупреждение, предоставляемое мониторингом состояния, позволяет группам технического обслуживания тщательно готовиться. Можно заказать детали, можно организовать специализированные инструменты и запланировать соответствующий персонал. Эта подготовка значительно сокращает продолжительность ремонта по сравнению с аварийными реакциями, когда задержки в получении деталей или ресурсов увеличивают перебои в работе.

Расширенный срок службы оборудования

Решение проблем на ранних стадиях предотвращает вторичные повреждения, возникающие при незначительных проблемах, которые могут прогрессировать. Подшипник с дефектами ранней стадии может быть заменен до того, как он выйдет из строя катастрофически, предотвращая повреждение валов, корпусов и других компонентов, которые будут разрушены при полном отказе подшипника.

Обслуживание на основе условий также предотвращает ненужные виды деятельности по техническому обслуживанию, которые могут создавать проблемы. Подшипники, заменяемые по фиксированным графикам, в то время как все еще находятся в хорошем состоянии, представляют собой потерянные ресурсы и создают возможности для ошибок установки. Предиктивное обслуживание гарантирует замену компонентов на основе фактического состояния, а не произвольных графиков.

Оптимизированные затраты на обслуживание

Такой подход может обеспечить экономию затрат по сравнению с другими методами технического обслуживания, такими как профилактическое обслуживание или основанные на времени методы, поскольку эти задачи выполняются только при необходимости. Предиктивное обслуживание снижает как прямые затраты на деятельность по техническому обслуживанию, так и косвенные затраты на производственные потери.

Запасные части, персонал и испытательное оборудование могут быть доступны для оказания помощи в запланированных отключениях вместо аварийных остановок работы из-за отказа оборудования, что может вызвать большие простои по стоимости. Техническое обслуживание обычно стоит в 3-5 раз больше, чем запланированное техническое обслуживание из-за премиальных ставок труда, ускоренной доставки деталей и производственных потерь.

Повышение эффективности безопасности

Другие потенциальные преимущества включают увеличение оборудования и срока службы двигателя, повышение безопасности завода, меньше аварий с негативным воздействием на окружающую среду и оптимизацию обращения с запасными частями. Моторные сбои могут создавать серьезные угрозы безопасности, включая электрическую дугу, механические снаряды, огонь и воздействие опасных материалов.

Предиктивное техническое обслуживание позволяет выявить ухудшающиеся условия до достижения ими опасного уровня. Тестирование изоляции позволяет выявить электрические опасности до того, как они вызовут ударные или дуговые вспышки. Вибрационный мониторинг позволяет выявить механические проблемы до того, как компоненты будут отделены друг от друга. Этот упреждающий подход защищает персонал и объекты от опасностей, связанных с отказом.

Улучшенное оперативное планирование

Ключом к прогнозированию технического обслуживания является «правильная информация в нужное время». Зная, какое оборудование, процессы или линии нуждаются в обслуживании, планирование может быть облегчено. Мониторинг состояния обеспечивает видимость состояния оборудования на всех объектах, что позволяет осуществлять стратегическое планирование технического обслуживания.

Расписание производства может учитывать запланированные мероприятия по техническому обслуживанию, выявленные в результате мониторинга состояния. Ресурсы на техническое обслуживание могут быть эффективно распределены на основе фактических потребностей в оборудовании, а не фиксированных графиков. Такая координация между производством и техническим обслуживанием оптимизирует общую производительность объекта.

Общие режимы и методы обнаружения моторных отказов

Понимание того, как различные режимы сбоев проявляются в данных мониторинга, позволяет эффективно диагностировать стратегии и соответствующие корректирующие действия.

Несносные неудачи

На долю неисправностей подшипников приходится примерно 40-50% неисправностей двигателя, что делает мониторинг состояния подшипников приоритетным для программ прогнозного обслуживания. Неисправности подшипников прогрессируют на предсказуемых этапах, каждый из которых создает характерные сигнатуры вибрации.

Ранние дефекты подшипниковых частот (выше 20 кГц) обнаруживаются с помощью анализа оболочек или ультразвукового мониторинга. По мере прогрессирования дефектов энергия вибрации смещается на более низкие частоты, соответствующие частотам дефектов подшипников, рассчитанным по геометрии подшипников. Усовершенствованные отказы подшипников создают повышенную широкополосную вибрацию и повышенную температуру.

Частоты дефектов подшипника включают:

Дисбаланс

Дисбаланс возникает, когда центр масс ротора двигателя не совпадает с его осью вращения. Это условие производит вибрацию при 1X скорости вращения (один раз за оборот) преимущественно в радиальном направлении. Тяжесть дисбаланса увеличивается с квадратом скорости, что делает его особенно проблематичным в высокоскоростных двигателях.

Мониторинг температуры может показывать равномерное повышение температуры по всему двигателю, поскольку силы дисбаланса увеличивают несущие нагрузки и трение. Анализ текущей подписи обычно показывает минимальные изменения, если дисбаланс не является достаточно серьезным, чтобы повлиять на равномерность воздушного зазора.

Несбалансированность

Перекос между моторным и приводным оборудованием вызывает вибрацию при 2X скорости вращения (два раза за оборот) и более высоких гармониках. Угловое перекосы производят преимущественно осевую вибрацию, в то время как параллельное перекосы производят радиальную вибрацию. Сильное перекосы генерирует значительную вибрацию при 3X скорости вращения и выше.

Несбалансированность ускоряет износ подшипника путем наложения ненормальных нагрузок. Контроль температуры может показывать повышенные температуры подшипника, особенно на конце соединения. Раннее устранение несоответствия предотвращает повреждение подшипника и продлевает срок службы соединения.

Проблемы с ротор-баром и концом кольца

Сломанные или треснувшие полосы ротора и концы колец создают характерные боковые полосы вокруг скорости вращения в вибрационных спектрах, разнесенные на частоте скольжения в два раза. Анализ текущей сигнатуры особенно эффективен для обнаружения проблем ротора, показывая боковые полосы вокруг частоты линии с интервалами частот скольжения.

Проблемы с ротором часто развиваются постепенно, с трещинами, распространяющимися в течение нескольких месяцев, прежде чем бары полностью сломаются. Раннее обнаружение с помощью анализа тока или вибрации позволяет восстановиться до катастрофического сбоя. Тепловая визуализация может выявить горячие точки в местах сломанных баров.

Stator Winding Failures (неисправности)

Проблемы с обмоткой статора, включая шорты «поворот-поворот», дефекты «фаза-фаза» и дефекты грунта, обычно проявляются сначала в электрических измерениях. Дисбаланс сопротивления между фазами, деградация индекса поляризации и аномалии скачковых испытаний указывают на развивающиеся проблемы изоляции.

Мониторинг температуры может показать локализованные горячие точки в обмотках с поворотными шортами. Текущие измерения показывают фазовые дисбалансы. Вибрация на частоте в два раза может указывать на электромагнитные дисбалансы от проблем с обмоткой.

Механическая размытость

Механическая рыхлость производит вибрацию при множественных гармониках скорости бега со значительной энергией при 2Х и выше. Свободность может возникать при подъёме моторных ступней, несущих корпусов или внутренних компонентов. Анализ формы волны времени показывает усеченные или срезанные пики, характерные для ударов, происходящих во время каждой революции.

Свободнота часто развивается как вторичная проблема, возникающая в результате других проблем. Чрезмерная вибрация от дисбаланса или смещения может ослабить крепежные болты с течением времени. Устранение первопричины наряду с затягиванием рыхлых компонентов предотвращает рецидив.

Вызовы и лучшие практики

Хотя профилактическое обслуживание дает существенные преимущества, успешное осуществление требует решения ряда проблем и следования устоявшейся передовой практике.

Качество и согласованность данных

Прогнозная эффективность технического обслуживания в основном зависит от качества данных. Непоследовательные процедуры измерения, изменения установки датчика или изменения условий эксплуатации могут вносить изменчивость, которая заслоняет подлинные изменения условий. Стандартизированные процедуры, надлежащая установка датчика и документация условий эксплуатации обеспечивают согласованность данных.

Калибровка и техническое обслуживание датчиков имеют важное значение для надежных измерений. Акселерометры должны калиброваться ежегодно, а монтажные поверхности должны быть чистыми и надлежащим образом подготовленными. Датчики температуры требуют периодической проверки на соответствие эталонным стандартам. Плохое состояние датчиков дает ненадежные данные, которые подрывают эффективность прогнозного обслуживания.

Обучение и экспертиза аналитиков

Эффективное профилактическое обслуживание требует персонала с соответствующей подготовкой в области методов измерения, анализа данных и моторных систем.В то время как ИИ и системы машинного обучения автоматизируют многие аналитические задачи, человеческий опыт остается необходимым для проверки результатов, исследования аномалий и принятия решений по техническому обслуживанию.

Программы обучения должны охватывать основы анализа вибрации, процедуры электрических испытаний, режимы конструкции двигателя и отказов и методы интерпретации данных. Программы сертификации от таких организаций, как Институт вибрации, обеспечивают структурированные пути обучения и проверку компетентности.

Выбор технологий и интеграция

Рынок технологий предиктивного обслуживания предлагает множество вариантов с различными возможностями, затратами и требованиями к интеграции.Выбор технологий должен учитывать критичность оборудования, существующую инфраструктуру, возможности персонала и бюджетные ограничения.

Масштабируемые решения, которые могут начинаться с критического оборудования и расширяться с течением времени, обеспечивают гибкость для организаций, начинающих программы прогнозного обслуживания. Открытые системы архитектуры, которые интегрируются с существующими CMMS и системами управления, избегают блоков данных и обеспечивают скоординированное управление обслуживанием.

Организационное управление изменениями

Переход от реактивного или основанного на времени технического обслуживания к предиктивному техническому обслуживанию требует организационных и культурных изменений. Персонал технического обслуживания должен принимать решения, основанные на данных, а не полагаться исключительно на опыт и интуицию. Сотрудники операций должны понимать, что графики технического обслуживания на основе условий могут отличаться от традиционных фиксированных графиков.

Поддержка руководства имеет важное значение для успешного осуществления. Предиктивное обслуживание требует предварительных инвестиций в оборудование, обучение и разработку процессов. Преимущества накапливаются с течением времени, поскольку сбои предотвращаются и обслуживание оптимизируется. Лидерство поддерживает программы в течение периода реализации, пока выгоды не станут очевидными.

Будущие тенденции в области машинного прогнозирования

Технология прогнозного обслуживания продолжает быстро развиваться, и несколько тенденций формируют будущие возможности и приложения.

Edge Computing и аналитика в реальном времени

Краевые вычисления обрабатывают данные датчиков локально в точках сбора или вблизи них, а не передают все данные на централизованные серверы. Такой подход позволяет проводить аналитику в реальном времени с минимальной задержкой, немедленным предупреждением о критических условиях и снижением требований к передаче данных. Краевые устройства со встроенным ИИ могут выполнять сложный анализ локально, передавая только сводную информацию и оповещения в центральные системы.

Цифровые близнецы и симуляция

Технология цифровых двойников создает виртуальные копии физических двигателей, которые имитируют поведение в различных условиях. Эти модели объединяют данные датчиков в реальном времени с физическими симуляциями для прогнозирования будущего поведения и оптимизации рабочих параметров. Цифровые двойники позволяют анализировать «что-если» для оценки влияния различных операционных стратегий или вмешательств по техническому обслуживанию.

Дополненная реальность для руководства по техническому обслуживанию

Системы дополненной реальности (AR) накладывают диагностическую информацию, процедуры ремонта и данные об оборудовании на поле зрения технических специалистов через умные очки или мобильные устройства. руководство AR улучшает качество обслуживания, предоставляя пошаговые инструкции, выделяя компоненты, требующие внимания, и позволяя удаленную экспертную помощь во время сложного ремонта.

Блокчейн для ведения записей

Технология блокчейн обеспечивает защищенные от подделок записи истории оборудования, деятельности по техническому обслуживанию и данных мониторинга состояния. Это неизменное ведение записей поддерживает гарантийные требования, соответствие нормативным требованиям и оценку оборудования. Системы на основе блокчейна могут автоматически выполнять контракты на техническое обслуживание, когда данные мониторинга состояния указывают на необходимые действия.

Автономные системы технического обслуживания

Будущие системы могут автономно планировать техническое обслуживание, заказывать детали и координировать ресурсы на основе данных мониторинга состояния и анализа ИИ. Эти системы будут интегрировать прогнозное техническое обслуживание с планированием ресурсов предприятия, управлением цепочками поставок и планированием производства для оптимизации общих операций с минимальным вмешательством человека.

Заключение

Предиктивное техническое обслуживание представляет собой фундаментальный сдвиг в том, как организации управляют активами электродвигателей. Используя передовые датчики, сложную аналитику и алгоритмы машинного обучения, программы предиктивного технического обслуживания выявляют развивающиеся проблемы, прежде чем они вызовут сбои, позволяя проводить активные мероприятия, которые сокращают время простоя, продлевают срок службы оборудования и оптимизируют затраты на техническое обслуживание.

Успешное внедрение требует соответствующего выбора технологий, обучения персонала, стандартизированных процедур и организационной приверженности принятию решений, основанных на данных. Хотя существуют проблемы, преимущества прогнозного обслуживания, включая снижение отказов, повышение безопасности и повышение операционной эффективности, обеспечивают убедительную отдачу от инвестиций для организаций в различных отраслях.

По мере развития технологий возможности прогнозного обслуживания будут расширяться. Краевые вычисления, искусственный интеллект, цифровые двойники и другие новые технологии позволят осуществлять все более сложный мониторинг и прогнозирование состояния. Организации, которые используют эти возможности, получат конкурентные преимущества благодаря превосходной надежности оборудования и превосходному качеству работы.

Для организаций, начинающих прогностическое обслуживание, начиная с критического оборудования и проверенных технологий, обеспечивает основу для успеха. По мере роста опыта и получения преимуществ программы могут расширяться, охватывая более широкие группы оборудования с более продвинутыми аналитическими методами. Ключом является начало пути к активному обслуживанию, основанному на данных, которое предотвращает сбои, а не реагирует на них.

Чтобы узнать больше о реализации программ прогнозного технического обслуживания, изучите ресурсы таких организаций, как Вибрационный институт , который обеспечивает обучение и сертификацию в вибрационном анализе, и Общество по техническому обслуживанию и усилию; Профессионалы надежности , которое предлагает всеобъемлющие рекомендации по передовой практике технического обслуживания. Кроме того, веб-сайт Надежный завод предоставляет обширные статьи и ресурсы по технологиям прогнозного технического обслуживания и стратегиям реализации.