पूर्वानुमानित रखरखाव में पूर्वानुमान के समझ
पूर्वानुमान (जेकरा फेल्योर प्रेडिक्शन भी कहल जाला, आ जेकर गहिरा संबंध बा बाँचल उपयोगी जीवन एस्टिमेशन से) एगो प्रक्रिया ह जेकरा से इ अनुमान लगावल जाला कि कवनो पकड़ल गइल खराबी के काम में बाधा पहुँचावे भा हस्तक्षेप के जरूरत परे में केतना समय बाँचल बा। प्रोग्नोसिस फॉल्ट डिटेक्शन (जब पता चले कि समस्या बा) आ निदान (जब पता चले कि समस्या का ह), आ ई निर्णायक सवाल के जवाब देला — “हमनी के कब कार्रवाई करे के चाहीं?” — एकर विश्लेषण से वाइब्रेशन प्रगति के रुझान, खराबी के प्रकार के विशेषता, आ मशीन के संचालन के स्थिति के।
सटीक पूर्वानुमान ही ओह चीज बा जवन बनावेला पूर्वानुमानित रखरखाव वाकई में पूर्वानुमानित. इ रखरखाव के सही समय पर शेड्यूल करे में मदद करेला — न त बहुत जल्दी, जेकरा से बाँचल जीवन बर्बाद होखे, न त बहुत देर से, जेकरा से खराबी के खतरा बढ़े — आ ई लंबा-समय में मिले वाला स्पेयर पार्ट्स के खरीद, मजदूर आ औजार के आवंटन, आ उत्पादन के समन्वय के आधार बनावेला। के व्यापक योजना के भीतर स्थिति-आधारित रखरखाव, प्रोग्नोसिस ई आगे देखे वाला चरण ह जे “ई मशीन बेमार बा” के “ई मशीन के आठवाँ हफ्ता तक मरम्मत करे के बा” में बदल देला।
1. तीन-चरण के श्रृंखला: डिटेक्शन, डायग्नोसिस, प्रोग्नोसिस
प्रोग्नोसिस के एगो श्रृंखला के तीसरा कड़ी के रूप में देखल मददगार होला। पहिचान ई नोटिस करेला कि कवनो पैरामीटर अपना से बाहर निकल गइल बा बेसलाइन. डायग्नोसिस मैकेनिज्म के पहचान करेला — एगो बेयरिंग दोष, मिसअलाइनमेंट, ढीलापन। पूर्वानुमान फेर ओह मैकेनिज्म के भविष्य में प्रोजेक्ट करेला। हर चरण पिछला चरण पर निर्भर करेला: जवन खराबी के अबतक सही तरीका से नाँव ना दिहल गइल बा, ओकर भविष्य के अनुमान ना लगावल जा सकेला, एही से एगो भरोसेमंद डायग्नोसिस कवनो विश्वसनीय पूर्वानुमान के नींव ह। पूरा श्रृंखला के औपचारिक रूप निगरानी मानक जइसे कि ISO 13374, में दिहल गइल बा, जे डिटेक्शन, डायग्नोसिस, आ प्रोग्नोसिस के अलग-अलग डेटा-प्रोसेसिंग कार्य के रूप में बतावेला।
2. प्रोग्नोस्टिक विधि
ट्रेंड एक्सट्रापोलेशन
सबसे आम आ व्यावहारिक तरीका, आ नियमित रुझान विश्लेषण:
- ऐतिहासिक वाइब्रेशन डेटा के समय के मुताबिक प्लॉट करीं।
- एगो ट्रेंड लाइन फिट करीं — रैखिक, घातांकीय, भा अउरी।
- एक्सट्रापोलेट करीं ई पता लगावे खातिर कि अलार्म भा खराबी के सीमा कब थ्रेशोल्ड पार हो जाई।
- हर नया माप के साथ पूर्वानुमान के अपडेट करीं।
- सटीकता: मध्यम (ई मानेला कि ट्रेंड जारी रहेला)।
- आवश्यकता: पर्याप्त ट्रेंडिंग इतिहास — कम से कम छह डेटा पॉइंट।
भौतिकी-आधारित मॉडल
- फेल्योर फिजिक्स (दरार के बढ़ोतरी, स्पॉल प्रसार) के समझ पर आधारित।
- मॉडल तनाव, चक्र, आ वातावरण से प्रगति के पूर्वानुमान लगावेला।
- उदाहरण: दरार के बढ़ोतरी खातिर पैरिस लॉ, भा बेयरिंग L10 थकान-जीवन गणना।
- सटीकता: बढ़िया, जब मॉडल के पैरामीटर मालूम होखे।
- आवश्यकता: विस्तृत उपकरण आ संचालन डेटा।
अनुभव-आधारित (ऐतिहासिक डेटा)
- समान उपकरण के पिछला खराबी पर आधारित।
- इतिहास से लिहल गइल सामान्य प्रगति दर के इस्तेमाल करेला।
- अनुभवजन्य संबंध (वाइब्रेशन स्तर → खराबी तक के समय) पर निर्भर करेला।
- सटीकता: ठीक-ठाक, आ उपकरण-विशिष्ट।
- आवश्यकता: एगो ऐतिहासिक खराबी डेटाबेस।
सांख्यिकीय / मशीन लर्निंग
- ऐतिहासिक प्रगति डेटा पर प्रशिक्षित एल्गोरिदम।
- बहुत सारा समान मामिला में पैटर्न पहचान।
- संभाव्य (probabilistic) भविष्यवाणी उत्पन्न करेला।
- सटीकता: पर्याप्त डेटा होखला पर संभावित रूप से बहुत बढ़िया।
- आवश्यकता: एगो बड़ डेटासेट आ कम्प्यूटेशनल संसाधन।
3. प्रोग्नोसिस के सटीकता के प्रभावित करे वाला कारक
रुझान डेटा के गुणवत्ता
- जादे डेटा प्वाइंट ट्रेंड के परिभाषा के तेज बनावेला।
- सुसंगत माप विश्वसनीय ट्रेंड देला।
- पर्याप्त इतिहास (कम से कम महीना भर के) जरूरी बा।
- साफ डेटा, जेह में आउटलायर पहचानल गइल होखे, गलत स्लोप से बचावेला।
खराबी बढ़ल के विशेषता
- अनुमानित प्रगति: पूर्वानुमान लगावे में आसान — जइसे कि धीरे-धीरे बेयरिंग घिसाई.
- तेज होत प्रगति: मुश्किल — स्पॉल बढ़ती लगभग एक्सपोनेंशियल होला।
- अनियमित प्रगति: कठिन — ढिलाई आ रुक-रुक के रगड़.
- अचानक खराबी: मूल रूप से अप्रत्याशित — एगो शाफ्ट के टूटल दरार.
संचालन स्थिति के स्थिरता
- स्थिर परिस्थिति विश्वसनीय भविष्यवाणी के समर्थन करेला।
- बदलत लोड आ गति से भविष्यवाणी कम निश्चित हो जाला।
- प्रक्रिया में बदलाव प्रगति के तेज या धीमा, दुनो क सकेला।
4. शेष उपयोगी जीवन (RUL) के अनुमान
प्रोग्नोसिस के मुख्य परिणाम बा बाकी बचल उपयोगी जीवन: वर्तमान स्थिति से खराबी या हस्तक्षेप के सीमा तक के समय।
एकरा के कइसे व्यक्त कइल जाला
- ऑपरेटिंग घंटा, कैलेंडर दिन, या साइकिल में बतावल जाला जब तक हस्तक्षेप के जरूरत ना पड़े।
- नया डेटा आवे पर लगातार अपडेट होला।
- एगो अनुमान के रूप में रिपोर्ट कइल जाला जेह में वास्तविक अनिश्चितता होला।
विश्वास अंतराल
- RUL एगो अनुमान ह, तथ्य ना।
- सबसे बढ़िया एगो रेंज के रूप में व्यक्त कइल जाला — जइसे “90% भरोसा के साथे 30–90 दिन।”
- जइसे-जइसे खराबी करीब आवेला आ जादे डेटा इकट्ठा होला, अनिश्चितता घट जाला।
- रूढ़िवादी अनुमान एह खातिर उचित बा महत्वपूर्ण मशीनरी.
हल कइल गइल उदाहरण
- एगो बेयरिंग के खराबी 2 g पर पता चलल एनवेलप एम्प्लीट्यूड।
- ऐतिहासिक प्रगति: सामान्य रूप से 60 दिन में 2 g → 10 g (अलार्म स्तर)।
- वर्तमान दर: लगभग 0.5 g प्रति सप्ताह बढ़त।
- भविष्यवाणी: अलार्म स्तर लगभग 10 सप्ताह में पहुँच जाई।
- सिफारिश: 6–8 सप्ताह के भीतर रखरखाव शेड्यूल करीं।
ई गणित — एगो स्लोप फिट कइल आ सीमा तक प्रोजेक्ट कइल — ठीक ओहि चीज ह जे एगो वाइब्रेशन ट्रेंड से RUL एस्टीमेटर स्वचालित करेला, आ ISO 13381 के पालन करत एगो अउरी औपचारिक विवरण एह में उपलब्ध बा RUL पूर्वानुमान कैलकुलेटर.
5. अनुप्रयोग
रखरखाव के समय-सारणी
- जब RUL सबसे बढ़िया समय बतावे तब आउटेज के योजना बनाईं।
- उत्पादन शेड्यूल के साथे समन्वय करीं।
- कुल डाउनटाइम कम करे खातिर मरम्मत के समूह बनाईं।
- समय से पहिले आ देर, दुनो तरह के हस्तक्षेप से बचीं।
पुर्जा प्रबंधन
- सही लीड टाइम के साथे स्पेयर मंगवाईं।
- तेजी करावे वाला खर्च से बचीं।
- सेफ्टी-स्टॉक के जरूरत घटाईं।
- प्रोग्नोसिस के मार्गदर्शन में जस्ट-इन-टाइम प्रावधान करीं।
संसाधन आवंटन
- कई गो खराब होत मशीन में प्राथमिकता तय करीं।
- सीमित संसाधन के सभसे जरूरी जरूरत की ओर लगाईं।
- मजदूर के काम आ औजार के व्यवस्था पहिले से योजना बनाईं।
6. चुनौती अउर सीमा
भविष्यवाणी के अनिश्चितता
- दोष के बढ़ाव कबो पूरा तरीका से पूर्वानुमानित नइखे होत।
- संचालन स्थिति बिना चेतावनी के बदल सकेला।
- अप्रत्याशित तेजी हमेशा संभव बा।
- सुरक्षा मार्जिन के हमेशा बनवले राखीं।
डेटा के जरूरत
- पर्याप्त प्रवृत्ति (ट्रेंड) इतिहास के जरूरत बा।
- दोष के विकास के शुरुआत में, पूर्वानुमान कम निश्चित होला।
- जईसे जईसे अउरी डेटा जमा होला, ऊ लोग सुधरत जाला।
कई गो खराबी के तरीका
- एगो मोड के पूर्वानुमान लगावल जा सकेला, जबकि दोसरा से फेल्योर होखे।
- व्यापक, बहु-पैरामीटर निगरानी से जोखिम घट जाला।
- सभे सक्रिय क्षरण (डिग्रेडेशन) तंत्र के एक संगे विचार में लिहल जरूरी बा।
7. प्रोग्नॉस्टिक सटीकता में सुधार
- मापन के आवृत्ति बढ़ाईं: अधिका डेटा प्वाइंट से प्रवृत्ति (ट्रेंड) साफ होला, तेजी के पहिले पकड़ल जाला, आ अनिश्चितता कम हो जाला। एह के बढ़ावल आवधिक-निगरानी अंतराल के, संदिग्ध मशीन पर, अक्सर सभसे प्रभावी कदम होला।
- कई पैरामीटर के इस्तेमाल करीं: कंपन (वाइब्रेशन) के तापमान आ तेल विश्लेषण संगे मिलाईं; पुष्टि करेवाला संकेतक से विश्वास बढ़ेला, आ अलग-अलग पैरामीटर के अलग-अलग लीड टाइम होला।
- लगातार अपडेट करीं: एगो अकेला शुरुआती पूर्वानुमान पर भरोसा करे के बजाय हर नया मापन से प्रोग्नॉसिस के संशोधित करीं, आ असली विकास दर के अनुसार ढालीं।
व्यवहार में, प्रोग्नॉसिस के गुणवत्ता ओतने बढ़िया होला जेतना ओके खिलावे वाला डेटा; एह से मापन के कदम गणित जतने ही महत्वपूर्ण बा। एगो पोर्टेबल दू-चैनल यंत्र, जइसे कि Balanset-1A तकनीशियन के हर रूट विज़िट पर दोहराए लायक स्पेक्ट्रा आ एम्प्लीट्यूड रीडिंग लेवे में मदद करेला — ई ओतने भरोसेमंद प्रवृत्ति (ट्रेंड) प्वाइंट होलें जेकरा से एगो विश्वसनीय शेष-आयु (रिमेनिंग-लाइफ) अनुमान बनल जाला। प्रोग्नॉसिस, अंततः, ऊ तत्व बा जे सच्चा भविष्यसूचक (प्रेडिक्टिव) रखरखाव के अलग करेला महज कंडीशन मॉनिटरिंग: प्रवृत्ति (ट्रेंड) डेटा आ दोष विकास के समझ से फेल्योर के समय-सीमा के पूर्वानुमान लगा के, ई ओ अनुकूलित समय-निर्धारण संभव बनावेला जे विश्वसनीयता के सुरक्षा करत उपकरण के उपयोग के अधिकतम करेला।
