Δωρεάν εργαλείο μηχανικής
Υπολογιστής Προγνωστικών Υπολειπόμενης Ωφέλιμης Ζωής (RUL)
Εισαγάγετε σημεία δεδομένων τάσης, επιλέξτε ένα μοντέλο παλινδρόμησης, ορίστε ένα όριο αστοχίας και εκτιμήστε την υπολειπόμενη ωφέλιμη ζωή με επίπεδο εμπιστοσύνης σύμφωνα με το πρότυπο ISO 13381.
Αποτελέσματα
Προγνωστικά σύμφωνα με το πρότυπο ISO 13381-1
Το πρότυπο ISO 13381-1 ορίζει ένα πλαίσιο για την παρακολούθηση της κατάστασης και την πρόγνωση των μηχανημάτων. Η βασική ιδέα είναι η παρακολούθηση ενός δείκτη υγείας με την πάροδο του χρόνου, η προσαρμογή ενός μοντέλου υποβάθμισης και η παρέκταση σε ένα προκαθορισμένο όριο αστοχίας.
Μοντέλα Παλινδρόμησης
Υποστηρίζονται τρία μοντέλα για την προσαρμογή δεδομένων τάσεων:
- Γραμμικός: y(t) = a + b·t — κατάλληλο για σταθερή, σταθερής ταχύτητας υποβάθμιση
- Εκθετικός: y(t) = a-eβ·τ — κατάλληλο για την επιτάχυνση της φθοράς (π.χ. φθορά ρουλεμάν)
- Πολυώνυμο (2ης τάξης): y(t) = a + b·t + c·t² — κατάλληλο για μη γραμμικές τάσεις με καμπή
Καλή εφαρμογή — R²
Ο συντελεστής προσδιορισμού R² μετρά πόσο καλά προσαρμόζεται το μοντέλο στα δεδομένα:
- R² > 0,95 — Εξαιρετική προσαρμογή, υψηλή εμπιστοσύνη στην εκτίμηση RUL
- R² = 0,80–0,95 — Καλή προσαρμογή, μέτρια εμπιστοσύνη
- R² < 0,80 — Κακή προσαρμογή, εξετάστε ένα διαφορετικό μοντέλο ή περισσότερα δεδομένα
Πρακτικό παράδειγμα
Δεδομένο: Οι μετρήσεις κραδασμών στις ημέρες 0, 30, 60, 90, 120, 150 είναι: 1,2, 1,8, 2,5, 3,4, 4,1, 5,0 mm/s. Όριο συναγερμού = 7,1 mm/s.
Γραμμική προσαρμογή: y = 1.14 + 0.0253·t → κατώφλι στο t ≈ 236 ημέρες → RUL ≈ 86 ημέρες από την τελευταία μέτρηση.
Η εκθετική προσαρμογή μπορεί να δώσει μικρότερο RUL εάν η υποβάθμιση επιταχύνεται.
⚠️ Σημείωση: Οι προγνωστικές εκτιμήσεις εξαρτώνται σε μεγάλο βαθμό από την ποιότητα των δεδομένων και την υπόθεση ότι ο μηχανισμός υποβάθμισης παραμένει αμετάβλητος. Να συνδυάζονται πάντα με μηχανική κρίση και πρόσθετα δεδομένα παρακολούθησης της κατάστασης.
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.
Οι διαδικασίες που περιγράφονται σε αυτή τη σελίδα αναπτύχθηκαν και δοκιμάστηκαν επιτόπου από την ομάδα της Vibromera με χρήση του Balanset-1A, ενός φορητού δικάναλου ζυγοσταθμιστή και αναλυτή δονήσεων για επιτόπια ζυγοστάθμιση ρότορα.
Επαγγελματικά όργανα παρακολούθησης κατάστασης και ανάλυσης κραδασμών. Προβλέψτε βλάβες πριν συμβούν. Χρησιμοποιείται σε περισσότερες από 50 χώρες.
Nikolai Shelkovenko
Ο Nikolai Shelkovenko είναι μηχανικός ανάλυσης δονήσεων, καθώς και ιδρυτής και διευθύνων σύμβουλος της Vibromera. Επί περισσότερα από 15 χρόνια ζυγοσταθμίζει περιστρεφόμενο εξοπλισμό επιτόπου και όχι σε πάγκο δοκιμών: καταστροφείς, βιομηχανικούς ανεμιστήρες, θραυστήρες, φυγοκέντρους, άξονες και ατράκτους. Από αυτή τη δουλειά γεννήθηκαν τα όργανα Balanset — σχεδιάστηκαν ως εργαλείο που ο ειδικός μπορεί να μεταφέρει στο μηχάνημα και να χρησιμοποιήσει μόνος του, επί τόπου, και όχι ως εργαστηριακός εξοπλισμός. Η Vibromera ιδρύθηκε το 2017 και από το 2023 εδρεύει στο Πόρτο της Πορτογαλίας. Εδώ γίνονται η ανάπτυξη, η συναρμολόγηση και η υποστήριξη της σειράς Balanset. Το κορυφαίο όργανο είναι το Balanset-1A, ένας φορητός αναλυτής για ζυγοστάθμιση σε ένα και σε δύο επίπεδα και για διαγνωστικά δονήσεων. Ο Nikolai συμμετέχει προσωπικά στην υποστήριξη πελατών, στην αντιμετώπιση δύσκολων περιπτώσεων ζυγοστάθμισης και στην ανάπτυξη του λογισμικού. Συνεργάζεται με πελάτες σε όλο τον κόσμο, σε οποιαδήποτε γλώσσα.
