ابزار مهندسی رایگان #034
عمر باقی مانده از روند ارتعاش
عمر مفید باقیمانده (RUL) را بر اساس دادههای روند ارتعاش تخمین بزنید. زمان لازم برای اعلام خطر و سطوح خطر را با استفاده از مدلهای رشد خطی، نمایی یا قانون توانی پیشبینی کنید.
نتایج
سطوح ارتعاش پیشبینیشده
⚠️ نکته اطمینان: این تخمین فرض میکند که الگوی رشد فعلی بدون تغییر ادامه مییابد. عمر باقیمانده واقعی به مکانیسم خطا، شرایط عملیاتی، تغییرات بار و اقدامات تعمیر و نگهداری بستگی دارد. به عنوان راهنما برای برنامهریزی استفاده کنید - نه به عنوان تضمین. نقاط داده بیشتر و شرایط اندازهگیری ثابت، دقت را بهبود میبخشند.
مدل رشد خطی
فرض کنید ارتعاش با نرخ ثابتی افزایش مییابد:
مدل خطی برای فرایندهای سایش تدریجی مانند رشد عدم تعادل ناشی از فرسایش یا رسوبگرفتگی مناسب است.
مدل رشد نمایی
فرض میکند نرخ رشد ارتعاش متناسب با سطح فعلی است (آسیب شتاب میگیرد):
مدل نمایی به بهترین شکل تخریب یاتاقان و انتشار ترک خستگی را نشان میدهد، جایی که آسیب، آسیب بیشتری ایجاد میکند.
مدل قانون توان
مدل تعمیمیافتهای که میتواند هم رشد زیرخطی و هم رشد فوقخطی را نشان دهد:
قانون توان برای حالتهای تخریب مختلط مفید است. توان p رفتار رشد را تعیین میکند: p<1 شتاب کاهشی، p=1 خطی و p>1 شتابدار است.
کدام مدل را انتخاب کنیم؟
| مدل | بهترین برای | رفتار |
|---|---|---|
| خطی | سایش تدریجی، فرسایش، رسوب | نرخ ثابت تغییر |
| نمایی | آسیب یاتاقان، رشد ترک | شتابگیر — محافظهکارانهترین |
| قانون توان | مکانیسمهای مختلط/ناشناخته | انعطافپذیر - با شکل دادهها سازگار میشود |
مثال عملی
با توجه به: V_baseline = 2.5 mm/s، V_current = 4.2 mm/s، زمان سپریشده = 90 روز، هشدار = 7.1 mm/s
مدل نمایی:
k = ln(4.2 / 2.5) / 90 = ln(1.68) / 90 = 0.5188 / 90 = 0.00577 /day
زمان تا هشدار: t_alarm = ln(7.1 / 2.5) / 0.00577 = 1.0438 / 0.00577 = 181 روز از مبنا
باقیمانده = ۱۸۱ – ۹۰ = ۹۱ روز از الان تا سطح هشدار
فاصله PF: زمان بین شروع قابلتشخیص عیب (P) و خرابی عملکردی (F) مشخص میکند چه مقدار هشدار دریافت میکنید. برای یاتاقانهای غلتشی، فاصله P-F معمولاً 1–9 ماه است و به سرعت، بار و شرایط روانکاری بستگی دارد.
Vibration trending provides a reasonable estimate when the fault mechanism produces a consistent growth pattern. Key factors for reliability:
- More data points over a longer period improve accuracy
- Consistent measurement conditions (same point, direction, load, speed)
- Understanding the failure mode helps select the right growth model
- Bearing degradation typically follows exponential growth
- Gradual wear (erosion, buildup) tends to follow linear growth
Treat estimates as planning guidance, not precise predictions. Always err on the side of caution.
Linear growth: Vibration increases at a constant rate (e.g., +0.5 mm/s per month). The time to reach any level is easy to predict. Common for gradual wear processes.
Exponential growth: The rate of increase accelerates over time. Early stages show slow change; later stages show rapid deterioration. Common for bearing damage and fatigue crack propagation.
Why it matters: Exponential growth is more dangerous because it can appear stable for a long time, then deteriorate rapidly. The "hockey stick" curve means the window between detectable change and failure can be short.
General guidelines based on ISO 20816 / ISO 10816 philosophy:
- Plan action when vibration reaches Zone B/C boundary (alarm level) or has increased 50% above baseline
- Schedule maintenance when trend projection shows alarm will be reached within the next planned shutdown window
- Urgent action when vibration reaches Zone C/D boundary (danger level) or has doubled from baseline
- Immediate shutdown when danger level is exceeded or sudden step change occurs
The key principle: schedule corrective action while you still have time to plan, source parts, and execute safely.
Factors that reduce prediction accuracy:
- Inconsistent measurement: Different probe positions, mounting methods, or sensor types
- Variable operating conditions: Load, speed, or temperature changes between measurements
- Step changes: Sudden events (impacts, process upsets) that shift the baseline
- Wrong growth model: Using linear when actual growth is exponential, or vice versa
- Insufficient data: Fewer than 3–4 data points makes trend fitting unreliable
- Multiple fault mechanisms: If more than one fault is developing, the combined trend may not follow a simple model
Recommended measurement intervals based on machine criticality:
- Critical machines: Continuous online monitoring (24/7)
- Important machines: Weekly to monthly route-based measurements
- General machines: Monthly to quarterly
When a trend is rising:
- Zone A→B transition: Increase to weekly
- Approaching alarm: Increase to daily or install temporary online monitoring
- Above alarm: Continuous monitoring until maintenance
The measurement interval must be shorter than the P-F interval (time from detectable fault to functional failure) divided by at least 3, to ensure you capture the trend and have time to act.
روشهای شرح دادهشده در این صفحه توسط تیم Vibromera و با استفاده از Balanset-1A توسعه یافته و در محل آزمایش شدهاند؛ این دستگاه یک بالانسر دو کاناله و آنالایزر ارتعاش قابلحمل برای بالانس کردن روتور در محل است.
پایش حرفهای ارتعاش با تحلیل روند و مدیریت هشدار. خرابیها را پیش از وقوع پیشبینی کنید. مورد استفاده در بیش از 50 کشور.
Nikolai Shelkovenko
Nikolai Shelkovenko مهندس تحلیل ارتعاشات و بنیانگذار و مدیرعامل Vibromera است. او بیش از 15 سال است که تجهیزات دوار را در محل کار بالانس میکند، نه روی میز آزمایش: مالچرها، فنهای صنعتی، سنگشکنها، سانتریفیوژها، شفتها و اسپیندلها. دستگاههای Balanset دقیقاً از دل همین کار بیرون آمدند — آنها بهعنوان ابزاری طراحی شدند که متخصص بتواند آن را تا کنار ماشین ببرد و بهتنهایی، در محل، از آن استفاده کند، نه بهعنوان تجهیزات آزمایشگاهی. Vibromera در سال 2017 تأسیس شد و از سال 2023 در پورتوی پرتغال مستقر است. توسعه، مونتاژ و پشتیبانی خط Balanset همگی همینجا انجام میشود. دستگاه شاخص، Balanset-1A است؛ یک آنالایزر قابل حمل برای بالانس تکصفحهای و دوصفحهای و برای تشخیص ارتعاش. Nikolai شخصاً در پشتیبانی مشتریان، در حل موارد دشوار بالانس و در توسعه نرمافزار مشارکت دارد. او با مشتریان در سراسر جهان و به هر زبانی کار میکند.