Jak nowoczesna wibrodiagnostyka zmienia utrzymanie ruchu
Freepik – usertrmkNieplanowane przestoje pozostają jednym z największych wyzwań współczesnego przemysłu. Z raportu Siemens „True Cost of Downtime” wynika, że najwięksi producenci tracą z tego powodu nawet 1,4 bln dolarów rocznie, co odpowiada 11% ich przychodów. Sprawia to, że przedsiębiorstwa poszukują narzędzi automatyzujących analizę danych diagnostycznych. W efekcie wibrodiagnostyka maszyn staje się elementem nowoczesnych systemów monitorowania stanu maszyn wspierających codzienną pracę służb utrzymania ruchu.
Powiązane firmy
Silniki elektryczne, wentylatory, pompy – maszyny wirujące pracują w zakładach przemysłowych nieprzerwanie, często w miejscach utrudniających regularne inspekcje. To one generują największą część nieplanowanych awarii. Ich uszkodzenia rzadko pojawiają się z dnia na dzień – łożysko nie psuje się nagle, niewyważenie nie narasta w ciągu minuty. To postepujące uszkodzenia rozwijające się tygodniami, zostawiające po sobie ślad, w formie mierzalnych symptomów.
Tymi mierzalnymi symptomami mogą być drgania. Zmiana ich charakteru bywa pierwszym uchwytnym sygnałem, że z maszyną zaczyna się dziać coś niepokojącego – często zanim problem stanie się słyszalny, widoczny czy odczuwalny w inny sposób. Stąd rosnące zainteresowanie monitoringiem drgań prowadzonym w sposób ciągły, a nie tylko podczas okresowych obchodów służb utrzymania ruchu.
Monitorowanie wibracji
Sercem monitorowania wibracji są akcelerometry przemysłowe – niewielkie czujniki montowane bezpośrednio na obudowie maszyny, które precyzyjnie mierzą przyspieszenie drgań. To właśnie one dostarczają danych potrzebnych dio analizy. W praktyce inżynierskiej standardem stały się rozwiązania piezoelektryczne oraz czujniki oparte o MEMS. Czujniki różnią się jednak nie tylko zasadą działania, ale też sposobem montażu i komunikacji, co przekłada się na ich zastosowanie.
Czujniki 1-osiowe mierzą drgania w jednym kierunku, podczas gdy czujniki 3-osiowe pozwalają analizować zjawiska zachodzące jednocześnie w kilku płaszczyznach. Niezależnie od liczby osi, czujnik może być również wykonany w wersji bezprzewodowej – rozwiązanie szczególnie przydatne tam, gdzie monitorowane urządzenie znajduje się w trudno dostępnej lokalizacji, np. uniemożliwiającej okablowanie.
Sam czujnik to jednak tylko jeden element większego systemu. Typowa instalacja obejmuje również elektronikę przetwarzającą sygnał z czujnika, moduły komunikacyjne przesyłające dane dalej oraz platformę analityczną, w której dane są gromadzone i prezentowane. To, co trafia na taką platformę, może mieć różną postać: od pojedynczych wartości całkowitych drgań, przez widma częstotliwościowe FFT, po pełne przebiegi czasowe wykorzystywane do bardziej zaawansowanej diagnostyki.
Wibrodiagnostyka maszyn
W wielu zakładach monitoring wibracji całkowitych pozwala skutecznie wykryć pogarszający się stan urządzenia, jednak nie odpowiada na kluczowe pytanie: co jest przyczyną problemu?
Podwyższony poziom drgań może oznaczać zarówno niewyważenie maszyn, jak i luzy mechaniczne, niewspółosiowość napędów czy rozwijające się uszkodzenia łożysk. Z punktu widzenia utrzymania ruchu sama informacja o przekroczeniu progu alarmowego często okazuje się niewystarczająca do podjęcia właściwych działań. Dlatego nowoczesna diagnostyka drgań coraz częściej wykorzystuje analizę danych surowych, parametrów procesowych oraz informacji o konstrukcji maszyny. Takie podejście pozwala przejść od prostego alarmowania do identyfikacji najbardziej prawdopodobnej przyczyny awarii.
Automatyczna identyfikacja przyczyn uszkodzeń
Rozwiązania nowej generacji rozwijane przez ifm electronic w ramach platformy moneo Asset Health pokazują kierunek rozwoju diagnostyki przemysłowej. System łączy dane pochodzące z czujników drgań, parametry procesowe oraz informacje o monitorowanej maszynie, aby automatycznie wskazywać prawdopodobne źródła problemów eksploatacyjnych.
Rozwiązanie wspiera monitorowanie m.in. pomp odśrodkowych, silników elektrycznych oraz wentylatorów pracujących z prędkością przekraczającą 120 obr./min. Analiza realizowana jest w oparciu o przebiegi czasowe sygnału drganiowego (Time Waveform), widma częstotliwościowe FFT oraz charakterystyczne wzorce diagnostyczne. System uwzględnia przy tym zarówno parametry drganiowe, takie jak pierwiastek średniej kwadratowej prędkości drgań (v-RMS), wykorzystywany m.in. do wykrywania niewyważenia, niewspółosiowości i luzów mechanicznych, jak i pierwiastek średniej kwadratowej przyspieszenia drgań (a-RMS), stosowany m.in. do identyfikacji tarcia oraz problemów związanych z niewystarczającym smarowaniem łożysk i przekładni. Dodatkowo system przeprowadza analizę na podstawie surowego sygnału drgań z akcelerometrów, na podstawie którego generowany jest raport stanu technicznego monitorowanie obiektu.
MOŻE ZAINTERESUJE CIĘ TAKŻE
Dzięki takiemu podejściu użytkownik otrzymuje nie tylko informację o pogorszeniu stanu technicznego, lecz także ocenę prawdopodobieństwa występowania konkretnych uszkodzeń wraz z rekomendowanymi działaniami serwisowymi. Informacje zwrotne prezentowane są w formie czytelnych wskaźników diagnostycznych.
Predictive Maintenance w praktyce
Strategie utrzymania ruchu można ułożyć na skali rosnącej dojrzałości. Na jednym jej końcu jest utrzymanie reaktywne, działające na zasadzie run-to-failure – maszyna jest naprawiana dopiero po awarii. Krok dalej to Preventive Maintenance: przeglądy wykonywane według sztywnego harmonogramu, co bywa rozwiązaniem niedoskonałym – część prac okazuje się niepotrzebna, a część usterek i tak umyka między zaplanowanymi terminami.
Rozwój technologii IIoT przesuwa tę skalę dalej, w stronę Predictive Maintenance. Zamiast trzymać się kalendarza, przedsiębiorstwa wykorzystują dane z czujników do analizy rzeczywistego stanu maszyn i prognozowania, kiedy konkretny element może ulec awarii. Skala tej zmiany nie jest tylko teoretyczna. Badanie przeprowadzone przez Douglasa Thomasa i Briana Weissa z amerykańskiego National Institute of Standards and Technology (NIST) wykazało, że zakłady w największym stopniu opierające się na utrzymaniu predykcyjnym i prewencyjnym odnotowały 52,7% mniej nieplanowanych przestojów i 78,5% mniej defektów niż zakłady opierające się głównie na utrzymaniu reaktywnym.
– Dobrym przykładem jest jeden z dostawców branży motoryzacyjnej, z którym współpracowaliśmy. Firma wdrożyła monitoring stanu na dużej prasie transferowej, gdzie pełna przebudowa po awarii oznaczałaby tygodnie przestoju. W pierwszym miesiącu system wykrył, że temperatura jednego z łączników była o ponad 11°C wyższa niż w innych punktach maszyny. Okazało się, że matryca nie była wycentrowana, co przeciążało jedną stronę i przegrzewało tuleję – usterkę trudną do wykrycia bez ciągłego monitoringu. Wczesna reakcja pozwoliła, według szacunków ifm, uniknąć około 500 tys. dolarów kosztów naprawy i 5 tygodni przestoju – wskazuje Krzysztof Gut, Inżynier Projektu / Wibrodiagnostyka w ifm electronic.
Przyszłość utrzymania ruchu
Przez lata systemy monitoringu stanu maszyn koncentrowały się przede wszystkim na dostarczaniu danych. Dziś przedsiębiorstwa oczekują czegoś więcej – szybkiej interpretacji informacji oraz wsparcia w podejmowaniu decyzji serwisowych.
Rozwiązania takie jak moneo Asset Health wpisują się w ten trend, wykorzystując dane z akcelerometrów przemysłowych, czujników drgań i parametrów procesowych do automatycznej identyfikacji przyczyn awarii. Dzięki temu monitorowanie stanu maszyn przestaje być jedynie źródłem alarmów, a staje się narzędziem wspierającym efektywne zarządzanie niezawodnością parku maszynowego, nawet w zakładach, które nie dysponują zespołem ekspertów od wibrodiagnostyki.
Źródło: ifm electronic
