Методы предиктивного обслуживания разработаны для определения состояния оборудования, находящегося в эксплуатации, чтобы оценить, когда следует проводить обслуживание. Этот подход обеспечивает большую экономию средств по сравнению с рутинным или временным профилактическим обслуживанием , поскольку задачи выполняются только при наличии гарантии. Таким образом, он рассматривается как обслуживание на основе состояния, выполняемое в соответствии с оценками состояния деградации элемента. [1] [2]
Основная привлекательность предиктивного обслуживания заключается в том, что оно позволяет удобно планировать корректирующее обслуживание и предотвращать неожиданные отказы оборудования. Принимая во внимание измерения состояния оборудования, можно лучше планировать работы по техническому обслуживанию (запасные части, персонал и т. д.), а то, что было бы «незапланированными остановками», преобразуется в более короткие и редкие «запланированные остановки», тем самым увеличивая доступность оборудования. Другие потенциальные преимущества включают в себя увеличение срока службы оборудования, повышение безопасности оборудования, уменьшение числа аварий с негативным воздействием на окружающую среду и оптимизированную обработку запасных частей.
Прогностическое обслуживание отличается от профилактического обслуживания, поскольку оно учитывает текущее состояние оборудования (с измерениями), а не среднюю или ожидаемую статистику срока службы, чтобы предсказать, когда потребуется обслуживание. Подходы машинного обучения применяются для прогнозирования его будущих состояний. [3]
Некоторые из основных компонентов, необходимых для внедрения предиктивного обслуживания, включают сбор и предварительную обработку данных , раннее обнаружение неисправностей , обнаружение неисправностей, прогнозирование времени до отказа , а также планирование обслуживания и оптимизацию ресурсов. [4] Предиктивное обслуживание считается одной из движущих сил повышения производительности и одним из способов достижения « точно вовремя » в производстве. [5]
Прогностическое обслуживание оценивает состояние оборудования путем выполнения периодического (офлайн) или непрерывного (онлайн) мониторинга состояния оборудования . Конечной целью подхода является выполнение обслуживания в запланированный момент времени, когда деятельность по обслуживанию наиболее рентабельна и до того, как оборудование потеряет производительность в пределах порогового значения. Это приводит к сокращению незапланированных затрат на простои из-за сбоя, где затраты могут составлять сотни тысяч в день в зависимости от отрасли. [6] В производстве энергии, в дополнение к потере дохода и затратам на компоненты, могут взиматься штрафы за непоставку, что еще больше увеличивает затраты. Это контрастирует с обслуживанием на основе времени и/или количества операций, когда часть оборудования обслуживается независимо от того, нуждается ли она в этом или нет. Техническое обслуживание на основе времени является трудоемким, неэффективным для выявления проблем, которые возникают между плановыми проверками, и, следовательно, не является экономически эффективным.
«Прогностический» компонент предиктивного обслуживания исходит из цели прогнозирования будущей тенденции состояния оборудования. Этот подход использует принципы статистического управления процессами для определения того, в какой момент в будущем будет целесообразно проводить техническое обслуживание.
Большинство предиктивных проверок проводятся во время эксплуатации оборудования, что сводит к минимуму нарушение нормальной работы системы. Внедрение предиктивного обслуживания может привести к существенной экономии средств и повышению надежности системы. В сегодняшнем динамичном ландшафте сервисного обслуживания длительные процессы ремонта представляют собой значительную проблему для организаций, стремящихся поддерживать эксплуатационное совершенство. Длительные простои, увеличение среднего времени ремонта (MTTR) и производственные потери не только влияют на прибыльность, но и нарушают непрерывность обслуживания и снижают удовлетворенность клиентов. По мере старения оборудования и ужесточения требований к обслуживанию поиск инновационных решений становится все более актуальным.
Техническое обслуживание, ориентированное на надежность, подчеркивает использование методов предиктивного технического обслуживания в дополнение к традиционным профилактическим мерам. При правильном внедрении оно предоставляет компаниям инструмент для достижения самых низких чистых текущих затрат активов для заданного уровня производительности и риска. [7]
Одна из целей — передать данные предиктивного обслуживания в компьютеризированную систему управления обслуживанием , чтобы данные о состоянии оборудования отправлялись на нужный объект оборудования для запуска планирования обслуживания, выполнения заказов на работу и составления отчетов. [8] Если это не будет достигнуто, решение предиктивного обслуживания будет иметь ограниченную ценность, по крайней мере, если решение будет реализовано на заводе среднего и крупного размера с десятками тысяч единиц оборудования. В 2010 году горнодобывающая компания Boliden внедрила комбинированную распределенную систему управления и решение предиктивного обслуживания, интегрированные с компьютеризированной системой управления обслуживанием завода на уровне объекта к объекту, передавая данные об оборудовании с использованием таких протоколов, как протокол удаленного адресуемого преобразователя , IEC61850 и OLE для управления процессами .
Для оценки состояния оборудования в профилактическом обслуживании используются технологии неразрушающего контроля, такие как инфракрасный , акустический (частичный разряд и ультразвуковой в воздухе), обнаружение короны, анализ вибрации , измерения уровня звука, анализ масла и другие специальные онлайн-тесты. Новый подход в этой области заключается в использовании измерений на реальном оборудовании в сочетании с измерением производительности процесса, измеренным другими устройствами, для запуска обслуживания оборудования. Это в первую очередь доступно в системах автоматизации совместных процессов (CPAS). Измерения на месте часто поддерживаются беспроводными сенсорными сетями для снижения стоимости проводки.
Анализ вибрации наиболее продуктивен на высокоскоростном вращающемся оборудовании и может быть самым дорогим компонентом программы PdM для запуска и работы. Анализ вибрации, если он выполнен правильно, позволяет пользователю оценить состояние оборудования и избежать сбоев. Последнее поколение анализаторов вибрации включает в себя больше возможностей и автоматизированных функций, чем его предшественники. Многие устройства отображают полный спектр вибрации по трем осям одновременно, предоставляя моментальный снимок того, что происходит с конкретной машиной. Но, несмотря на такие возможности, даже самое сложное оборудование не может успешно предсказать развивающиеся проблемы, если оператор не понимает и не применяет основы анализа вибрации. [9]
В определенных ситуациях сильные фоновые шумовые помехи от нескольких конкурирующих источников могут маскировать интересующий сигнал и затруднять промышленное применение датчиков вибрации. Следовательно, анализ сигнатуры тока двигателя (MCSA) является неинтрузивной альтернативой измерению вибрации, которая имеет потенциал для мониторинга неисправностей как электрических, так и механических систем.
Дистанционный визуальный осмотр является первым неразрушающим испытанием. Он обеспечивает экономически эффективную первичную оценку. Основная информация и дефекты могут быть выведены из внешнего вида детали, например, сгибы, разрывы, трещины и коррозия. Дистанционный визуальный осмотр должен проводиться в хороших условиях с достаточным освещением (не менее 350 люкс). Когда контролируемая часть детали недоступна напрямую, используется инструмент из зеркал и линз, называемый эндоскопом. Скрытые дефекты с внешними неровностями могут указывать на более серьезный внутренний дефект. [ необходима цитата ]
Акустический анализ может быть выполнен на звуковом или ультразвуковом уровне. Новые ультразвуковые методы мониторинга состояния позволяют «слышать» трение и напряжение во вращающихся машинах, что может предсказать ухудшение раньше, чем традиционные методы. [10] Ультразвуковая технология чувствительна к высокочастотным звукам, которые не слышны человеческому уху, и отличает их от низкочастотных звуков и механической вибрации. Трение машины и волны напряжения производят отличительные звуки в верхнем ультразвуковом диапазоне. Изменения в этих волнах трения и напряжения могут указывать на ухудшение состояния гораздо раньше, чем такие технологии, как вибрация или анализ масла. При надлежащем ультразвуковом измерении и анализе можно отличить нормальный износ от ненормального износа, физического повреждения, состояния дисбаланса и проблем со смазкой на основе прямой связи между активом и условиями эксплуатации.
Оборудование для звукового мониторинга менее затратно, но и имеет меньше применений, чем ультразвуковые технологии. Звуковая технология полезна только для механического оборудования, в то время как ультразвуковое оборудование может обнаруживать электрические проблемы и является более гибким и надежным в обнаружении механических проблем.
Инфракрасный мониторинг и анализ имеет самый широкий спектр применения (от высокоскоростного до низкоскоростного оборудования), и он может быть эффективен для обнаружения как механических, так и электрических неисправностей; некоторые считают его в настоящее время наиболее экономически эффективной технологией. Анализ масла — это долгосрочная программа, которая, где это уместно, в конечном итоге может быть более прогнозируемой, чем любая другая технология. Могут потребоваться годы, чтобы программа по маслу завода достигла такого уровня сложности и эффективности. Аналитические методы, применяемые к образцам масла, можно разделить на две категории: анализ отработанного масла и анализ частиц износа. Анализ отработанного масла определяет состояние самого смазочного материала, определяет качество смазочного материала и проверяет его пригодность для дальнейшего использования. Анализ частиц износа определяет механическое состояние смазываемых компонентов машины. С помощью анализа частиц износа можно определить состав присутствующего твердого материала и оценить тип, размер, концентрацию, распределение и морфологию частиц. [11]
Использование Model Based Condition Monitoring для программ предиктивного обслуживания становится все более популярным с течением времени. Этот метод включает спектральный анализ сигналов тока и напряжения двигателя, а затем сравнивает измеренные параметры с известной и изученной моделью двигателя для диагностики различных электрических и механических аномалий. Этот процесс «основанного на модели» мониторинга состояния был первоначально разработан и использовался на космическом челноке NASA для мониторинга и обнаружения развивающихся неисправностей в главном двигателе космического челнока. [12] Он позволяет автоматизировать задачи сбора и анализа данных, обеспечивая круглосуточный мониторинг состояния и предупреждения о неисправностях по мере их развития. Другие методы предиктивного обслуживания связаны со стратегиями интеллектуального тестирования. [13]
{{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка ) CS1 maint: числовые имена: список авторов ( ссылка )