Ilmainen suunnittelutyökalu
Jäljellä olevan käyttöiän (RUL) ennustelaskuri
Syötä trendidatapisteet, valitse regressiomalli, aseta vikaantumiskynnys ja arvioi jäljellä oleva käyttöikä ISO 13381 -standardin mukaisella luottamustasolla.
Tulokset
Ennuste ISO 13381-1 -standardin mukaisesti
ISO 13381-1 määrittelee koneiden kunnonvalvonnan ja ennusteiden viitekehyksen. Ydinajatuksena on seurata kuntoindikaattoria ajan kuluessa, sovittaa siihen vaurioitumismalli ja ekstrapoloida se ennalta määriteltyyn vikaantumiskynnykseen.
Regressiomallit
Trenditietojen sovittamiseen tuetaan kolmea mallia:
- Lineaarinen: y(t) = a + b·t — soveltuu tasaiselle, vakionopeuksiselle hajoamiselle
- Eksponentiaalinen: y(t) = a·eb·t — soveltuu kiihtyvään degradaatioon (esim. laakerin kuluminen)
- Polynomi (2. kertaluku): y(t) = a + b·t + c·t² — soveltuu epälineaarisille trendeille, joissa on taitekohta
Sopivuuden hyvyys — R²
Määrityskerroin R² mittaa, kuinka hyvin malli sopii dataan:
- R² > 0,95 — Erinomainen sopivuus, korkea luottamustaso RUL-arviossa
- R² = 0,80–0,95 — Hyvä sopivuus, kohtalainen luottamus
- R² < 0,80 — Huono sopivuus, harkitse eri mallia tai enemmän dataa
Käytännön esimerkki
Annettu: Tärinäarvot päivinä 0, 30, 60, 90, 120 ja 150 ovat: 1,2, 1,8, 2,5, 3,4, 4,1 ja 5,0 mm/s. Hälytyskynnys = 7,1 mm/s.
Lineaarinen sovitus: y = 1,14 + 0,0253·t → kynnysarvo hetkellä t ≈ 236 päivää → RUL ≈ 86 päivää viimeisestä mittauksesta.
Eksponentiaalinen sovitus voi antaa lyhyemmän RUL:n, jos hajoaminen kiihtyy.
⚠️ Huomautus: Ennusteelliset arviot riippuvat vahvasti datan laadusta ja oletuksesta, että hajoamismekanismi pysyy muuttumattomana. Yhdistä aina tekniseen arvioon ja lisäkunnonvalvontatietoihin.
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.
Tällä sivulla kuvatut menetelmät on kehittänyt ja kenttätestannut Vibromera-tiimi Balanset-1A-laitteella, joka on kannettava kaksikanavainen tasapainotuslaite ja tärinäanalysaattori roottoreiden tasapainotukseen paikan päällä.
Ammattimaiset kunnonvalvonta- ja tärinäanalyysilaitteet. Ennusta viat ennen niiden tapahtumista. Käytössä yli 50 maassa.
Nikolai Shelkovenko
Nikolai Shelkovenko on värähtelyanalyysi-insinööri sekä Vibromeran perustaja ja toimitusjohtaja. Yli 15 vuoden ajan hän on tasapainottanut pyöriviä koneita kentällä eikä koepenkissä: silppureita, teollisuuspuhaltimia, murskaimia, linkoja, akseleita ja karoja. Juuri tästä työstä Balanset-laitteet ovat syntyneet — ne suunniteltiin työkaluksi, jonka asiantuntija voi kantaa koneen luo ja jota hän voi käyttää yksin paikan päällä, ei laboratoriolaitteiksi. Vibromera perustettiin vuonna 2017, ja vuodesta 2023 lähtien sen kotipaikka on ollut Porto Portugalissa. Balanset-sarjan kehitys, kokoonpano ja tuki tapahtuvat täällä. Lippulaivalaite on Balanset-1A, kannettava analysaattori yhden ja kahden tason tasapainotukseen sekä värähtelydiagnostiikkaan. Nikolai osallistuu henkilökohtaisesti asiakastukeen, vaikeiden tasapainotustapausten ratkaisemiseen ja ohjelmiston kehittämiseen. Hän palvelee asiakkaita ympäri maailmaa, millä tahansa kielellä.
