Разбиране на откриването на повреди
Откриване на повреди е процесът на установяване на наличието на дефект или необичайно състояние в дадена машина чрез анализ на наблюдаваните параметри — най-често вибрация, но също така и температура, показатели за производителността, маслени остатъци или акустични сигнали. Тя дава отговор на един-единствен въпрос с две възможни отговори — „Има ли някакъв проблем?“ — преди анализаторът да премине към диагноза (определяне на конкретната повреда) и prognosis (прогнозиране на оставащия живот на машината). Като първа и най-основна стъпка в поддръжка въз основа на състоянието, тя ясно разграничава стабилните, в упадък и провалилите се държави, така че всичко, което следва по-нататък, да има своето основание.
Предимството от правилното изпълнение на тази задача е времето за реакция. Ефективното откриване на неизправности дава сигнал месеци преди възникването на функционална повреда, като по този начин осигурява необходимия период за планирана поддръжка, доставка на резервни части и планирано прекъсване на работата — основното предимство на всяка прогнозна поддръжка програма. Ако откриете проблема твърде късно, отново ще се върнете към реактивни ремонти, които се извършват чак след възникване на повреда; ако пък откривате прекалено рано, ще се затрупате с фалшиви аларми. Изкуството се състои в намирането на този баланс, а в следващите раздели ще разгледаме как това се прави на практика.
1. Петте основни метода за откриване
Няма универсална техника, която да е подходяща за всяка машина или повреда. Усъвършенстваните програми комбинират няколко метода, като всеки от тях има свои предимства и изисквания към данните.
Превишаване на праговите стойности
Най-простият и най-широко използван подход съпоставя измерената стойност с предварително определена праг: if the value crosses the line, a fault is declared. A familiar example is an overall vibration level around 7.1 mm/s RMS — a value some machine-specific severity tables in the ISO 20816 series (formerly ISO 10816) use as a zone boundary for particular machine groups and support conditions. It is not a universal limit, though: for a real alert threshold, select the applicable ISO 20816 part for the machine at hand and combine it with baseline trends and machine criticality. Many programmes stage these limits into аларма, предупреждениеи пътуване tiers.
- Предимства: лесно се автоматизира, ясни критерии за успех/неуспех, лесно се обяснява на хора без специални познания.
- Ограничения: прагът трябва да бъде настроен правилно, а повредата трябва да стане достатъчно голяма, за да го превиши — което води до закъснение и може да доведе до пропускане на повреди, които генерират малки, но характерни сигнали.
Отклонение на тренда
Вместо да се чака достигането на абсолютна граница, този метод следи формата на тенденция само по себе си. Постоянно нарастващо ниво — или, което е още по-показателно, внезапна промяна в курс на нарастване — сигнализира за възникваща неизправност много преди да бъде достигнат някакъв фиксиран праг. Тъй като за отправна точка се използва собствената история на машината, тази техника е по своята същност специфична за конкретната машина и открива проблемите на ранен етап. Единственото ѝ реално изискване е набор от базови данни по отношение на който може да се прецени отклонението.
Откриване на спектрални аномалии
Проучване на честотата спектър разкрива не само това нещо се промени, но какво. Нови пикове при честоти на дефектите в лагерите, като съществуващите върхове нарастват амплитудаили появата на странични ленти и хармоници всяка точка съответства на конкретен тип дефект. Тази специфичност е голямото й предимство, макар че изисква реални възможности за спектрален анализ и набор от надеждни базови спектри за сравнение.
Статистически методи
Статистическият мониторинг отбелязва стойностите, които излизат извън нормалното разпределение при нормална работа — например, всяка стойност, надвишаваща средната стойност плюс три стандартни отклонения, или нарушение на границите на контролната диаграма. Като отчитат присъщото разпръскване при реалните измервания, тези методи намаляват броя на фалшивите аларми, но се нуждаят от достатъчно голям размер на извадката, за да определят надеждно какво представлява „нормалното“.
Разпознаване на образи и машинно обучение
Най-сложните алгоритми за обучение на модели — включително невронните мрежи — се обучават въз основа на сравнение между валидни и невалидни подписи, което позволява автоматичното откриване на фини модели, които фиксираните правила пропускат. Недостатъкът е необходимостта от значителен обем маркирани обучителни данни и изчислителни ресурси за работата на моделите.
2. Измерване на ефективността на откриването
Ефективността на една система за откриване се определя от процента на точните резултати и процента на фалшивите аларми. Четири показателя, заимствани от теорията на класификацията, дават количествена оценка на нейната ефективност.
- Чувствителност (процент на истинските положителни резултати): процентът на действително откритите реални грешки — истински положителни резултати / (истински положителни резултати + фалшиви отрицателни резултати). Добре настроената програма се стреми към резултат над 90–95%; по-високата чувствителност означава по-малко пропуснати грешки.
- Специфичност (процент на истинските отрицателни резултати): процентът на правилно одобрените здрави машини — истински отрицателни резултати / (истински отрицателни резултати + фалшиви положителни резултати). И тук целта е 90–95%; по-високата специфичност означава по-малко фалшиви аларми.
- Процент на фалшивите аларми: делът на сигналите, които се оказват фалшиви, в идеалния случай трябва да се поддържа под 5–10 %. Високият процент води до alarm fatigue, бавното подкопаване на доверието, което кара техниците да пренебрегват предупрежденията — и това се отразява пряко на чувствителността.
- Време за откриване: периодът между първото откриване и функционалната повреда. Колкото по-дълъг е той, толкова по-добре, защото това дава повече време за планиране. При повреди на лагерите, открити чрез вибрации, този период обикновено е от седмици до месеци, а методът има значение: анализ на обвивката редовно открива зараждащи се повреди по лагерите много по-рано, отколкото самото мониторинг на общото състояние.
3. Практически предизвикателства
Реалните машини рядко се държат толкова идеално, както е описано в учебниците, а три ситуации често затрудняват откриването им.
- Баланс между ранното откриване и фалшивите положителни резултати: Стремежът към възможно най-ранно предупреждение неизбежно води до фалшиви аларми, докато изчакването на недвусмислен сигнал води до загуба на време за реакция. Обичайното решение е многоетапна система за алармиране и потвърждаване въз основа на няколко параметъра, преди да се вземе решение за подаване на сигнал.
- Периодични неизправности: проблемите, които се появяват и изчезват, могат да останат под прага по време на периодичното измерване на маршрута. За да бъдат забелязани, е необходимо непрекъснато наблюдение или peak-hold кадър, който запечатва най-лошия момент.
- Няколко едновременни неизправности: когато се появят няколко дефекта едновременно, те могат да се прикриват взаимно във вибрационния сигнал, поради което е необходим цялостен, мултиметоден анализ, за да се разграничат.
4. Потвърждаване на неизправности чрез няколко параметъра
Сравнителният анализ на два или повече независими показателя значително намалява броя на фалшивите сигнали, тъй като истинската повреда обикновено се проявява на повече от едно място едновременно.
- Вибрации и температура едновременно: повишаването и на двете стойности потвърждава проблем с лагерите; само вибрациите сочат механична причина, като например дисбаланс или несъосност; само температурата подсказва, че има проблем със смазването или триенето.
- Множество параметри на вибрациите: Увеличението на общото ниво, съчетано с появата на характерна честота на лагера, потвърждава повреда в лагера с много по-голяма сигурност, отколкото всеки от тези признаци поотделно.
5. Автоматично, ръчно и хибридно откриване
Откриването може да се извърши чрез софтуер, от експерт или — най-добре — чрез съвместната работа на двамата.
- Автоматично откриване е бърз, надежден и работи денонощно, като използва проверки на праговите стойности, статистически алгоритми и машинно обучение. Недостатъкът му е, че може да пропусне труднозабележими проблеми и понякога да реагира на шума.
- Ръчно (експертно) откриване включва човешка преценка, разбиране на контекста и обучено разпознаване на модели при анализа на спектъра и проверката на вълновите форми. Този подход обаче отнема много време, трудно се мащабира и зависи от оскъдната експертиза — от вида, сертифицирана съгласно ISO 18436-2.
- Хибридният подход — автоматизираното проверка на целия автопарк, съчетано с експертна оценка на отбелязаните изключения — съчетава ефективност и точност и представлява стандарт в утвърдените програми.
Къде се използват полевите уреди
Когато инструментът за проверка подаде сигнал за проблем, обикновено следващата стъпка е да се извърши по-подробно измерване на машината. Преносим двуканален анализатор като Balanset-1A позволява на техник да се приближи до проблемната машина, да заснеме спектър с висока разделителна способност и времева форма на сигнала, както и да проверите дали алармата се дължи на действителен дефект — а ако този дефект е небалансиране, да го отстраните на място чрез балансиране на място без да се налага разглобяване на машината. Този тесен цикъл от откриване през потвърждаване до коригиране е точно това, за което е създадена хибридната програма.
Откриването на неизправности е основната функция, която прави възможна превантивната поддръжка, като разкрива възникващите проблеми достатъчно рано, за да се планират необходимите мерки. Когато се извършва правилно — с подходяща комбинация от методи за откриване, внимателно определени прагове и добре обмислен баланс между чувствителност и специфичност — то осигурява ранни предупреждения, които поддържат оборудването в работно състояние, като същевременно ограничават както разходите за поддръжка, така и риска от катастрофална повреда.
