मुफ्त इंजीनियरिंग टूल
शेष उपयोगी जीवन (RUL) प्रोग्नॉस्टिक्स कैलकुलेटर
ट्रेंड डेटा पॉइंट डालीं, एगो रिग्रेशन मॉडल चुनीं, विफलता थ्रेशोल्ड सेट करीं, आ ISO 13381 के अनुसार कॉन्फिडेंस लेवल के साथ शेष उपयोगी जीवन के अनुमान लगाईं।
परिणाम
ISO 13381-1 के अनुसार प्रोग्नॉस्टिक्स
ISO 13381-1 मशीन सभ के कंडीशन मॉनिटरिंग आ प्रोग्नॉस्टिक्स खातिर एगो फ्रेमवर्क परिभाषित करेला। एकर मुख्य विचार बा कि समय के साथ एगो हेल्थ इंडिकेटर के ट्रैक करल जाव, एगो क्षरण मॉडल फिट कइल जाव, आ एगो पहिले से तय विफलता थ्रेशोल्ड तक एक्सट्रापोलेट कइल जाव।
रिग्रेशन मॉडल
ट्रेंड डेटा फिट करे खातिर तीन मॉडल समर्थित बा:
- रैखिक: y(t) = a + b·t — स्थिर, निरंतर दर वाला क्षरण खातिर उपयुक्त
- घातांकी: y(t) = a·eb·t — तेज होखत क्षरण खातिर उपयुक्त (जइसे बेयरिंग घिसाव)
- बहुपद (दूसरा क्रम): y(t) = a + b·t + c·t² — इन्फ्लेक्शन वाला नॉन-लीनियर ट्रेंड खातिर उपयुक्त
फिट के गुणवत्ता — R²
निर्धारण गुणांक R² ई मापेला कि मॉडल डेटा में केतना नीक तरीका से फिट होखेला:
- R² > 0.95 — बढ़िया फिट, RUL अनुमान में उच्च कॉन्फिडेंस
- R² = 0.80–0.95 — नीक फिट, मध्यम कॉन्फिडेंस
- R² < 0.80 — कमजोर फिट, दूसर मॉडल भा अउरी डेटा पर विचार करीं
व्यावहारिक उदाहरण
दिहल बा: दिन 0, 30, 60, 90, 120, 150 पर कंपन रीडिंग बा: 1.2, 1.8, 2.5, 3.4, 4.1, 5.0 mm/s। अलार्म थ्रेशोल्ड = 7.1 mm/s।
रैखिक फिट: y = 1.14 + 0.0253·t → थ्रेशोल्ड t ≈ 236 दिन पर → अंतिम माप से RUL ≈ 86 दिन।
अगर क्षरण तेज हो रहल बा, त घातांकी फिट से कम RUL मिल सकेला।
⚠️ नोट: प्रोग्नोस्टिक अनुमान डेटा के गुणवत्ता आ एह मान्यता पर बहुत निर्भर करेला कि क्षरण के तंत्र ना बदली। हमेशा इंजीनियरिंग निर्णय आ अतिरिक्त कंडीशन मॉनिटरिंग डेटा के साथे मिला के इस्तेमाल करीं।
RUL कौनो परिसंपत्ति के पूर्वनिर्धारित विफलता या अलार्म सीमा तक पहुँचे से पहिले बचल अनुमानित समय ह। ई प्रोग्नोस्टिक्स आ प्रेडिक्टिव मेंटेनेंस के एगो मूल अवधारणा ह, जवन ISO 13381-1 में परिभाषित बा।
RUL अनुमान से रखरखाव के सक्रिय योजना बन सकेला, जेसे अचानक डाउनटाइम से बचाव होला आ परिसंपत्ति के उपयोग अधिकतम होला।
चुनाव क्षरण के पैटर्न पर निर्भर करेला:
- रैखिक — स्थिर दर से क्षरण (जइसे धीरे-धीरे घिसाव, संदूषण के लगातार जमाव)
- घातांकी — तेज होखत क्षरण (जइसे बेयरिंग स्पॉलिंग, थकान दरार के बढ़ोतरी)
- बहुपद — गैर-रैखिक रुझान जहाँ दर बदलेला (जइसे शुरुआती ब्रेक-इन, फेर स्थिर क्षरण, आ तब तेज विफलता)
अपना डेटा खातिर सबसे बढ़िया फिट खोजे खातिर R² मान के तुलना करीं।
कवनो रिग्रेशन खातिर कम से कम 3 डेटा बिंदु जरूरी बा। बेहतर भरोसा खातिर:
- रैखिक मॉडल: 4–5 बिंदु अनुशंसित
- घातांकी: 5–6 बिंदु अनुशंसित
- बहुपद: 6+ बिंदु अनुशंसित
बेसी डेटा बिंदु, खास कर वर्तमान संचालन समय के नजदीक, पूर्वानुमान सुधारेलें।
कॉन्फिडेंस लेवल फिट कइल मॉडल के R² (निर्धारण गुणांक) से निकालल जाला:
- उच्च (R² ≥ 0.95) — मॉडल डेटा में बहुत नीक फिट बा, RUL अनुमान भरोसेमंद बा
- मध्यम (R² 0.80–0.95) — ठीक-ठाक फिट, सावधानी से इस्तेमाल करीं
- कम (R² < 0.80) — कमजोर फिट, दूसर मॉडल भा अउरी डेटा बिंदु पर विचार करीं
ई कैलकुलेटर कई पैरामीटर प्रकार (कंपन, तापमान, घिसाव कण आदि), कई रिग्रेशन मॉडल, मात्रात्मक गुडनेस-ऑफ-फिट आकलन, आ उपयोगकर्ता-परिभाषित सीमा तक एक्सट्रापोलेशन समर्थित करेला — जेसे खाली दृश्य रुझान के बजाय पूरा प्रोग्नोस्टिक विश्लेषण मिलेला।
एह पन्ना पर बताइल गइल प्रक्रिया सभ के Vibromera टीम द्वारा Balanset-1A—एगो पोर्टेबल ड्युअल-चैनल बैलेंसर आ कंपन विश्लेषक—के इस्तेमाल से, साइट पर रोटर बैलेंसिंग खातिर विकसित कइल गइल आ फील्ड में टेस्ट कइल गइल।
प्रोफेशनल कंडीशन मॉनिटरिंग आ कंपन विश्लेषण के उपकरण। विफलता होखे से पहिले ओकर भविष्यवाणी करीं। 50+ देश में इस्तेमाल होला।
Nikolai Shelkovenko
Nikolai Shelkovenko कंपन विश्लेषण के इंजीनियर हईं आ Vibromera के संस्थापक आ मुख्य कार्यकारी अधिकारी हईं। 15 साल से भी ढेर समय से ऊ घूमे वाला उपकरण के टेस्ट बेंच पर ना, बलुक मौका पर ही संतुलित करत आ रहल बानी: मल्चर, औद्योगिक पंखा, क्रशर, सेंट्रीफ्यूज, शाफ्ट आ स्पिंडल। एही काम से Balanset उपकरण निकलल — इनका के अइसन औजार के रूप में बनावल गइल जेके विशेषज्ञ मशीन तक ले जाके मौका पर अकेले इस्तेमाल कर सके, ना कि प्रयोगशाला के उपकरण के रूप में। Vibromera के स्थापना 2017 में भइल आ 2023 से ई पुर्तगाल के पोर्तो शहर में बा। Balanset श्रृंखला के विकास, असेंबली आ सहायता सब इहँवें होला। प्रमुख उपकरण Balanset-1A ह — एक आ दू तल में संतुलन आ कंपन डायग्नोस्टिक्स खातिर एगो पोर्टेबल एनालाइज़र। Nikolai खुद ग्राहक सहायता में, कठिन संतुलन के मामिला सुलझावे में आ सॉफ्टवेयर के विकास में शामिल रहेलन। ऊ दुनिया भर के ग्राहकन के साथ, कवनो भाषा में काम करेलन।