ISO 13374: Tilstandsovervågning og diagnosticering af maskiner – Databehandling, kommunikation og præsentation

Oversigt

ISO 13374 er en meget indflydelsesrig standard inden for industriel IoT og tilstandsovervågningssoftware. Den adresserer udfordringen med interoperabilitet mellem forskellige overvågningssystemer, sensorer og softwareplatforme. I stedet for at definere måleteknikker specificerer den en standardiseret, åben arkitektur for, hvordan tilstandsovervågningsdata skal behandles, lagres og udveksles. Den omtales ofte som Machinery Information Management Open Systems Alliance (MIMOSA)-arkitekturen, som den er baseret på. Målet er at skabe et "plug-and-play"-miljø til tilstandsovervågningsteknologier.

Indholdsfortegnelse (konceptuel struktur)

Standarden er opdelt i flere dele og definerer en lagdelt informationsarkitektur. Kernen i standarden er et funktionelt blokdiagram med seks nøglelag, der repræsenterer dataflowet i ethvert tilstandsovervågningssystem:

1. 1. DA: Dataopsamlingsblok:

   Dette er det grundlæggende lag, der fungerer som broen mellem den fysiske maskine og det digitale overvågningssystem. DA-blokkens primære funktion er at kommunikere direkte med sensorer – såsom Accelerometre, nærhedsprober, temperatursensorer eller tryktransducere – og til at opfange de rå, ubehandlede analoge eller digitale signaler, de producerer. Denne blok er ansvarlig for alle lavniveau-hardwareinteraktioner, herunder at forsyne sensorerne med strøm (f.eks. IEPE-strøm til accelerometre), udføre signalbehandling som forstærkning og filtrering for at fjerne uønsket støj og udføre analog-til-digital-konvertering (ADC). Outputtet fra DA-blokken er en digitaliseret strøm af rå data, typisk en tidsbølgeform, som derefter sendes til det næste lag i arkitekturen til behandling.

2. 2. DP: Databehandlingsblok:

   Denne blok er overvågningssystemets beregningsmotor. Den modtager den rå, digitaliserede datastrøm (f.eks. tidsbølgeformen) fra dataopsamlingsblokken (DA) og transformerer den til mere meningsfulde datatyper, der er egnede til analyse. DP-blokkens kernefunktion er at udføre standardiserede signalbehandlingsberegninger. Dette omfatter især udførelse af Hurtig Fourier-transformation (FFT) at konvertere tidsdomænesignalet til et frekvensdomænesignal spektrumAndre vigtige behandlingsopgaver defineret i denne blok omfatter beregning af bredbåndsmålinger som f.eks. den samlede RMS værdier, udføre digital integration for at konvertere accelerationssignaler til hastighed eller forskydning og udføre mere avancerede, specialiserede processer som demodulation eller konvolutanalyse til detektering af de afslørende, højfrekvente stødsignaler forbundet med fejl i rullelejer.

3. 3. DM: Datamanipulationsblok (tilstandsdetektion):

   Denne blok markerer den kritiske overgang fra databehandling til automatiseret analyse. Den tager de behandlede data fra DP-blokken (såsom RMS-værdier, specifikke frekvensamplituder eller spektralbånd) og anvender logiske regler til at bestemme maskinens driftstilstand. Det er her, den første "detektion" af et problem finder sted. DM-blokkens primære funktion er at udføre tærskelværdikontrol. Den sammenligner de målte værdier med foruddefinerede alarmindstillingspunkter, såsom zonegrænserne defineret i ISO 10816 eller brugerdefinerede procentvise ændringer fra en baseline. Baseret på disse sammenligninger tildeler DM-blokken en diskret "tilstand" til dataene, såsom "Normal", "Acceptabel", "Alarm" eller "Fare". Dette output er ikke længere bare data; det er handlingsrettet information, der kan sendes til det næste lag til diagnose eller bruges til at udløse øjeblikkelige notifikationer.

4. 4. HA: Helbredsvurderingsblok:

   Denne blok fungerer som "hjernen" i det diagnostiske system og besvarer spørgsmålet: "Hvad er problemet?". Den modtager tilstandsinformationen (f.eks. en "Alarm"-status) fra Data Manipulation (DM)-blokken og anvender et lag af analytisk intelligens til at bestemme den specifikke rodårsag til anomalien. Det er her, diagnostisk logik, som kan variere fra simple regelbaserede systemer til komplekse kunstig intelligens-algoritmer, udføres. Hvis DM-blokken f.eks. markerer en alarm for høj vibration med en frekvens, der er præcis dobbelt så høj som akslens driftshastighed (2X), vil den regelbaserede logik i HA-blokken korrelere dette mønster med en specifik fejl og udsende en diagnose af "Sandsynlig aksel". Forskydning". På samme måde, hvis alarmen er på en ikke-synkron, højfrekvent top med karakteristiske sidebånd, ville HA-blokken diagnosticere en specifik "Lejefejl"Outputtet fra denne blok er en specifik tilstandsvurdering af maskinkomponenten.

5. 5. PA: Prognostisk vurderingsblok:

   Denne blok repræsenterer toppen af prædiktiv vedligeholdelse og har til formål at besvare det afgørende spørgsmål: "Hvor meget længere kan det køre sikkert?". Den tager den specifikke fejldiagnose fra Health Assessment (HA)-blokken og kombinerer den med historiske trenddata for at forudsige fejlens fremtidige udvikling. Dette er det mest komplekse lag, der ofte anvender sofistikerede algoritmer, maskinlæringsmodeller eller svigtfysikmodeller. Målet er at ekstrapolere den nuværende nedbrydningshastighed ind i fremtiden for at estimere komponentens resterende levetid (RUL). Hvis HA-blokken f.eks. identificerer en lejefejl, vil PA-blokken analysere den hastighed, hvormed fejlfrekvenserne er steget i løbet af de sidste par måneder, for at forudsige, hvornår de vil nå et kritisk fejlniveau. Outputtet er ikke blot en diagnose, men en konkret tidsramme for handling.

6. 6. AP: Rådgivende præsentationsblok:

   Dette er det sidste og mest kritiske lag fra brugerens perspektiv, da det omsætter alle de underliggende data og analyser til handlingsrettet information. AP-blokken er ansvarlig for at kommunikere resultaterne fra de lavere lag til menneskelige operatører, pålidelighedsingeniører og vedligeholdelsesplanlæggere. Dens primære funktion er at præsentere de rigtige oplysninger til den rigtige person i det rigtige format. Dette kan antage mange former, herunder intuitive dashboards med farvekodede sundhedsindikatorer, automatisk genererede e-mail- eller sms-advarsler, detaljerede diagnostiske rapporter med spektrale og bølgeformplot og, vigtigst af alt, specifikke og klare vedligeholdelsesanbefalinger. En effektiv AP-blok angiver ikke blot, at et leje har en fejl; den giver en omfattende rådgivning, såsom: "Indre løbefejl registreret på motorens udvendige leje. Resterende levetid estimeret til 45 dage. Anbefaling: Planlæg lejeudskiftning ved næste planlagte nedlukning."

Nøglebegreber

• Interoperabilitet: Dette er det primære mål med ISO 13374. Ved at definere et fælles rammeværk og en datamodel giver det en virksomhed mulighed for at bruge sensorer fra leverandør A, et dataopsamlingssystem fra leverandør B og analysesoftware fra leverandør C og få dem alle til at arbejde sammen.
• Åben arkitektur: Standarden fremmer brugen af åbne, ikke-proprietære protokoller og dataformater, hvilket forhindrer leverandørbinding og fremmer innovation i tilstandsovervågningsbranchen.
• MIMOSA: Standarden er stærkt baseret på arbejdet udført af MIMOSA-organisationen. Forståelse af MIMOSAs C-COM (Common Conceptual Object Model) er nøglen til at forstå den detaljerede implementering af ISO 13374.
• Fra data til beslutninger: Seksbloksmodellen giver en logisk vej fra rå sensormålinger (dataopsamling) til handlingsrettet vedligeholdelsesrådgivning (rådgivende præsentation), og danner den digitale rygrad i et moderne prædiktivt vedligeholdelsesprogram.

← Tilbage til hovedindekset