Безплатен инженерен инструмент
Калкулатор за прогноза за оставащ полезен живот (RUL)
Въведете данни за тенденции, изберете регресионен модел, задайте праг на отказ и оценете оставащия полезен живот с ниво на доверие съгласно ISO 13381.
Резултати
Прогнози съгласно ISO 13381-1
ISO 13381-1 определя рамка за наблюдение на състоянието и прогнозиране на машините. Основната идея е да се проследява индикатор за състоянието във времето, да се изготви модел на деградация и да се екстраполира до предварително определен праг на отказ.
Регресионни модели
Поддържат се три модела за напасване на данни за тенденции:
- Линеен: y(t) = a + b·t — подходящо за стабилно разграждане с постоянна скорост
- Експоненциално: y(t) = a-eб·т — подходящ за ускоряване на деградацията (напр. износване на лагери)
- Полином (2-ри ред): y(t) = a + b·t + c·t² — подходящо за нелинейни трендове с инфлексия
Доброта на годност — R²
Коефициентът на детерминация R² измерва колко добре моделът съответства на данните:
- R² > 0,95 — Отлично съответствие, висока степен на достоверност в оценката на RUL
- R² = 0,80–0,95 — Добро съответствие, умерена увереност
- R² < 0,80 — Лошо съответствие, помислете за друг модел или повече данни
Практически пример
Дадено: Показанията на вибрациите в дни 0, 30, 60, 90, 120, 150 са: 1.2, 1.8, 2.5, 3.4, 4.1, 5.0 mm/s. Праг на алармата = 7.1 mm/s.
Линейно съответствие: y = 1,14 + 0,0253·t → праг при t ≈ 236 дни → RUL ≈ 86 дни от последното измерване.
Експоненциалното напасване може да даде по-кратко RUL, ако деградацията се ускорява.
⚠️ Забележка: Прогнозните оценки зависят силно от качеството на данните и от предположението, че механизмът на деградация остава непроменен. Винаги ги комбинирайте с инженерна преценка и допълнителни данни от мониторинг на състоянието.
RUL is the estimated time remaining before an asset reaches a predefined failure or alarm threshold. It is a core concept in prognostics and predictive maintenance defined by ISO 13381-1.
RUL estimation allows maintenance to be planned proactively, avoiding unexpected downtime while maximizing asset utilization.
The choice depends on the degradation pattern:
- Linear — constant-rate degradation (e.g. gradual wear, steady contamination buildup)
- Exponential — accelerating degradation (e.g. bearing spalling, fatigue crack growth)
- Polynomial — non-linear trends where rate changes (e.g. initial break-in followed by stable degradation then rapid failure)
Compare R² values to find the best fit for your data.
A minimum of 3 data points is required for any regression. For better confidence:
- Linear model: 4–5 points recommended
- Exponential: 5–6 points recommended
- Polynomial: 6+ points recommended
More data points, especially near the current operating time, improve the prediction.
Confidence is derived from the R² (coefficient of determination) of the fitted model:
- High (R² ≥ 0.95) — Model fits data very well, RUL estimate is reliable
- Moderate (R² 0.80–0.95) — Reasonable fit, use with caution
- Low (R² < 0.80) — Poor fit, consider a different model or more data points
This calculator supports multiple parameter types (vibration, temperature, wear particles, etc.), multiple regression models, quantitative goodness-of-fit assessment, and extrapolation to a user-defined threshold — providing a full prognostic analysis rather than just a visual trend.
Процедурите, описани на тази страница, са разработени и тествани на терен от екипа на Vibromera с помощта на Balanset-1A, преносим двуканален балансьор и анализатор на вибрации за балансиране на ротори на място.
Професионални инструменти за наблюдение на състоянието и анализ на вибрациите. Предвидете повреди, преди да се случат. Използват се в над 50 страни.
Nikolai Shelkovenko
Nikolai Shelkovenko е инженер по вибрационен анализ, основател и изпълнителен директор на Vibromera. Повече от 15 години той балансира въртящо се оборудване на място, а не на изпитвателен стенд: мулчери, промишлени вентилатори, трошачки, центрофуги, валове и шпиндели. Именно от тази работа се родиха уредите Balanset — те са замислени като инструмент, който специалистът може да занесе до машината и да използва сам, на място, а не като лабораторно оборудване. Vibromera е основана през 2017 г. и от 2023 г. е базирана в Порто, Португалия. Тук се извършват разработката, сглобяването и поддръжката на серията Balanset. Водещият уред е Balanset-1A — портативен анализатор за едноравнинно и двуравнинно балансиране и за вибрационна диагностика. Nikolai лично участва в поддръжката на клиентите, в решаването на трудни случаи на балансиране и в разработката на софтуера. Работи с клиенти по целия свят, на всякакъв език.
