無料エンジニアリングツール #034
振動傾向から推定した残存寿命
振動の傾向データに基づいて残存耐用年数(RUL)を推定します。線形、指数関数、またはべき乗法則成長モデルを使用して、警報レベルおよび危険レベルまでの時間を予測します。
結果
予測される振動レベル
⚠️ 自信に関する注意: この推定値は、現在の成長パターンが今後も変化しないと仮定しています。実際の残存寿命は、故障メカニズム、動作条件、負荷変動、保守作業などによって異なります。計画策定のための目安としてご利用ください。保証値ではありません。データポイントの増加と測定条件の一貫性により、精度は向上します。
線形成長モデル
振動が一定の割合で増加すると仮定します。
線形モデルは、侵食や堆積による不均衡の増大などの段階的な摩耗プロセスに適しています。
指数関数的成長モデル
振動の増加率は現在のレベルに比例すると仮定します(損傷が加速します)。
指数モデルは、損傷がさらなる損傷を生み出すベアリングの劣化と疲労亀裂の伝播を最もよく表します。
べき乗法則モデル
線形以下と線形超の両方の成長を表現できる一般化モデル:
べき乗法則は、混合劣化モードに有効です。指数pは成長挙動を決定します。p<1の場合は減速、p=1の場合は線形、p>1の場合は加速となります。
どのモデルを選べばよいですか?
| モデル | 最適な用途 | 挙動 |
|---|---|---|
| 線形 | 徐々に摩耗、侵食、蓄積 | 一定の変化率 |
| 指数関数 | ベアリングの損傷、亀裂の進行 | 加速 — 最も保守的 |
| べき乗法則 | 混合/不明なメカニズム | 柔軟性 - データの形状に適応 |
計算例
条件: V_baseline = 2.5 mm/s、V_current = 4.2 mm/s、経過時間 = 90日、アラーム = 7.1 mm/s
指数モデル:
k = ln(4.2 / 2.5) / 90 = ln(1.68) / 90 = 0.5188 / 90 = 0.00577 /day 0.00577 /日
アラームまでの時間: t_alarm = ln(7.1 / 2.5) / 0.00577 = 1.0438 / 0.00577 = ベースラインから181日
残り = 181 – 90 = 91日間 今から警戒レベルまで
PF間隔: 検出可能な故障開始(P)から機能的故障(F)までの時間によって、警告の程度が決まります。転がり軸受の場合、PF間隔は通常1~9か月ですが、速度、負荷、潤滑条件によって異なります。
故障メカニズムが一定の進展パターンを示す場合、振動トレンドから妥当な推定が得られます。信頼性を左右する主な要因:
- 長期間にわたるデータ点が多いほど、精度が向上します
- 測定条件が一定であること(同じ測定点、方向、負荷、回転速度)
- 故障モードを理解すると、適切な成長モデルを選びやすくなります
- ベアリングの劣化は、通常、指数関数的に進行します
- 緩やかな摩耗(浸食、堆積)は、直線的に進行する傾向があります
推定値は、正確な予測ではなく、計画のための目安として扱ってください。常に安全側に判断してください。
直線的な成長:振動が一定の割合で増加します(例:月あたり+0.5 mm/s)。任意のレベルに達するまでの時間を予測しやすく、緩やかな摩耗の過程でよく見られます。
指数関数的な成長:増加率が時間とともに加速します。初期は変化が緩やかで、後期には急激に悪化します。ベアリングの損傷や疲労き裂の進展でよく見られます。
重要な理由:指数関数的な成長は、長い間安定しているように見えた後で急激に悪化することがあるため、より危険です。「ホッケースティック」型の曲線は、変化を検出できてから故障に至るまでの猶予が短い場合があることを意味します。
ISO 20816/ISO 10816の考え方に基づく一般的な指針:
- 振動がゾーンB/C境界(警報レベル)に達した場合、またはベースラインから50%増加した場合は、対応を計画する
- トレンドの予測で、次の計画停止期間内に警報レベルに達する見込みの場合は、保守を計画する
- 振動がゾーンC/D境界(危険レベル)に達した場合、またはベースラインの2倍になった場合は、緊急に対応する
- 危険レベルを超えた場合、または急なステップ変化が生じた場合は、直ちに停止する
基本原則:計画を立て、部品を調達し、安全に実行する時間が残っているうちに、是正措置を計画することです。
予測精度を低下させる要因:
- 一貫性のない測定:プローブの位置、取り付け方法、センサーの種類が異なる
- 運転条件の変動:測定ごとに負荷、回転速度、温度が変わる
- ステップ変化:ベースラインをずらす突発的な事象(衝撃、プロセスの乱れ)
- 誤った成長モデル:実際は指数関数的な成長なのに直線モデルを使う、またはその逆
- データ不足:データ点が3~4点未満では、トレンドの当てはめが信頼できません
- 複数の故障メカニズム:複数の故障が進行している場合、合成されたトレンドが単純なモデルに従わないことがあります
機械の重要度に応じた推奨測定間隔:
- 重要機械:常時オンライン監視(24時間常時)
- 重要度の高い機械:週次~月次の巡回測定
- 一般機械:月次~四半期ごと
トレンドが上昇している場合:
- ゾーンA→Bへの移行:週次に増やす
- 警報レベルに接近:日次に増やす、または一時的なオンライン監視を設置する
- 警報レベル超過:保守まで連続監視する
トレンドを確実に捉え、対応する時間を確保するため、測定間隔は、P-F間隔(検出可能な故障から機能故障までの時間)を少なくとも3で割った値より短くする必要があります。
このページで説明されている手順は、Vibromeraチームが、現場でのロータバランシング用ポータブル2チャンネルバランサー兼振動アナライザーであるBalanset-1Aを使用して開発し、実地試験を行ったものです。
トレンド分析とアラーム管理機能を備えたプロフェッショナルな振動モニタリング。故障を事前に予測します。50か国以上で導入されています。
Nikolai Shelkovenko
Nikolai Shelkovenkoは、振動解析エンジニアであり、Vibromeraの創業者兼CEOです。 15年以上にわたり、彼は試験台上ではなく現場で回転機械のバランシングを行ってきました——マルチャー、産業用ファン、クラッシャー、遠心分離機、シャフト、スピンドルなど。この経験から生まれたのがBalanset計測器であり、専門家が機械のもとへ持ち運び、現場で単独で使用できる道具として設計されています。実験室用の機器ではありません。 Vibromeraは2017年に設立され、2023年以降はポルトガル・ポルトを拠点としています。Balansetシリーズの開発、組み立て、サポートはすべてここで行われています。フラッグシップ機器はBalanset-1Aであり、単一平面および二平面バランシングと振動診断のための可搬式アナライザーです。 Nikolaiは、カスタマーサポート、困難なバランシング案件への対応、そしてソフトウェアの開発に自ら携わっています。世界中の顧客と、どの言語でも対応しています。