추세 분석 이해
추세 분석 의 체계적인 해석은 트렌드 진동 데이터를 사용하여 패턴을 식별하고, 변화율을 판단하고, 미래의 행동을 예측하고, 정보에 입각한 유지관리 결정을 내릴 수 있습니다. 중요한 차이점은 추세는 시간에 따른 측정값을 수집하고 플로팅하는 작업인 반면, 추세 분석은 이러한 플로팅에서 의미를 추출하는 분석 단계로, 변화가 중요한지, 기계 상태에 대해 무엇을 알려주는지, 어떻게 해야 할지를 결정합니다.
트렌드 분석이 잘 수행되면 원시 수치를 실행 가능한 인텔리전스로 전환하고 다음을 뒷받침합니다. 예측 유지 보수 안정성을 개선하고 비용을 관리하며 장애를 방지하는 전략입니다. 기계가 실제로 어떻게 고장 나는지에 대한 기술적 이해와 노이즈에 속지 않고 데이터 패턴을 읽는 데 필요한 통계적 판단력이라는 두 가지 기술을 동시에 활용합니다. 이는 모든 분석의 핵심입니다. 상태 기반 유지 관리 프로그램.
1. 시각적 패턴 인식
트렌드 분석의 기본은 데이터의 형태를 인식하는 것입니다. 몇 가지 표준 패턴이 대부분의 실제 기계에 적용됩니다.
- 안정적인 패턴: 포인트가 ±10-20%의 무작위 분산으로 일정한 값 주위에 모여 있습니다. 이는 건강하고 안정된 상태라는 신호이므로 일상적인 모니터링을 계속하는 것이 올바른 조치입니다.
- 선형 상승 추세: 거의 일정한 비율로 꾸준히 증가하는 것으로, 점진적인 마모 또는 성능 저하의 전형적인 징후입니다. 기울기를 추정하여 레벨이 어느 시점에 도달할지 예측할 수 있습니다. 알람 제한, 를 클릭하고 해당 기간 동안 유지 관리가 계획되어 있습니다.
- 기하급수적인 성장: 일반적으로 균열이나 균열이 커지는 것과 같은 활성 결함 전파로 인해 점점 더 빠른 속도로 증가하며 위쪽으로 곡선을 그리는 현상입니다. 고장이 임박했을 수 있으므로 긴급한 개입과 더 엄격한 모니터링이 필요합니다.
- 단계 변경: 두 수치 사이에 갑작스러운 점프가 발생하여 개별적인 이벤트가 발생했음을 나타냅니다. 첫 번째 작업은 실제 고장, 작동 변경 또는 단순한 측정 오류 등 원인을 찾아 새로운 수준에 따라 조치를 취하는 것입니다.
2. 통계 및 정량적 방법
평균 및 표준 편차
추세 기간 동안의 평균 수준과 표준 편차를 계산하면 중심값과 변동성을 모두 파악할 수 있습니다. 표준 편차가 높다는 것은 불안정한 운영을 의미하며, ±2σ 또는 ±3σ를 초과하는 편차를 표시하는 제어 차트 사고는 직감이 아닌 통계적 근거에 따라 경보를 발령할 수 있는 방어적인 근거를 제공합니다.
선형 회귀
데이터에 직선을 맞추면 변화율이 기울기로 정량화되고, R² 값은 선이 실제로 얼마나 잘 맞는지, 즉 추세가 얼마나 강하고 신뢰할 수 있는지를 나타냅니다. 이 선을 앞으로 투영하면 미래 값의 첫 번째 추정치를 얻을 수 있으며, 이는 간단한 예측의 기초가 됩니다. 한계점-교차 예측.
커브 피팅
성장이 비선형적인 경우, 지수, 다항식 또는 로그 적합은 직선보다 데이터를 더 잘 설명하며 선형 외삽은 한계에 도달하는 시간을 위험할 정도로 과소평가할 수 있는 가속 단층에 대해 훨씬 더 정확한 예측을 제공합니다.
변화율 분석
단위 시간당 변화(예: 월 mm/s)를 추적하고 현재 속도를 과거 속도와 비교하면 가속도를 직접 확인할 수 있습니다. 가속 속도는 그 자체로 경고이므로 절대값이 아직 크지 않더라도 과도한 변화율에 대해 경고를 보내는 것이 현명합니다.
3. 비교 분석
숫자는 비교를 통해 의미를 얻습니다. 저장된 데이터 대비 증가율 측정 기준선 는 기계가 알려진 정상 상태에서 얼마나 멀리 이탈했는지를 보여줍니다. 기계를 유사한 장치와 비교하면 주어진 레벨이 해당 유형의 정상인지, 다른 측정 지점을 비교하면 어떤 베어링이 더 나쁜지, 다른 매개 변수(전체 레벨 대 특정 스펙트럼 컴포넌트를 비교하면 발생 원인을 파악하는 데 도움이 됩니다. 각 비교는 원시 트렌드만으로는 제공할 수 없는 차원을 추가합니다.
4. 장애 예측 방법
임계값 초과 예측
가장 직접적인 예측은 적합 추세를 앞으로 추정하고 경보 임계값을 넘을 것으로 예상되는 시점을 식별합니다. 이 날짜는 계획을 위한 리드 타임을 제공하며, 새로운 측정값이 도착할 때마다 새로 고쳐야 하므로 장애가 가까워질수록 예측이 더 정확해집니다.
P-F 간격 추정
P-F 간격은 잠재적 장애(P)의 첫 번째 감지 가능한 징후부터 기능적 장애(F) 시점까지의 시간입니다. 분석가는 유사한 장애의 과거 데이터를 현재 추세 기울기에 따라 조정하고 장애 유형 및 심각도에 맞게 조정하여 해당 간격이 얼마나 남았는지 추정할 수 있습니다.
잔여 유효 수명(RUL)
추세 예측과 관련 알람 한도를 결합하면 다음과 같은 추정치를 얻을 수 있습니다. 남은 유효 수명 - 유지보수가 필요할 때까지의 시간입니다. 스케줄링에 대한 지속적인 업데이트는 전체 연습에서 가장 가치 있는 결과물 중 하나이며, 전용 진동 추세를 통한 RUL 추정기 를 사용하면 기울기와 한도를 몇 초 만에 예상 날짜로 변환할 수 있습니다.
5. 일반적인 과제
데이터 품질 문제
- 이상치: 측정 오류로 인한 오류 포인트를 선별하지 않으면 맞춤이 왜곡됩니다.
- 누락된 데이터: 모든 투영을 약화시키는 역사의 간극이 있습니다.
- 일관성 없는 조건: 실제로 비교할 수 없는 다른 부하 또는 속도에서 측정한 판독값입니다.
- 센서가 변경됩니다: 다른 트랜스듀서 유형 또는 설치 인위적인 단계를 도입하는 트렌드 중간 위치입니다.
통역의 어려움
- 높은 가변성: 노이즈 데이터에 숨겨진 진정한 트렌드를 발견하세요.
- 짧은 역사: 신뢰할 수 있는 예측을 하기에는 포인트가 너무 적습니다.
- 여러 개의 동시 변경: 예를 들어 분리하기 어려운 겹치는 효과는 불균형 베어링 결함과 동시에 발생합니다.
- 비선형 동작: 깔끔하고 예측 가능한 방식으로 진행되지 않는 결함.
6. 도구 및 소프트웨어
현대 진동 분석 소프트웨어 트렌드 및 플로팅 자동화, 통계 도구 내장, 트렌드에 대한 알람 관리, 스펙트럼 표시 폭포 플롯, 를 통해 추세 편차를 자동으로 보고합니다. CMMS와의 통합으로 이러한 추세를 작업 주문에 연결하고, 유지보수 계획자에게 경고하며, 과거 유지보수 내역과 상관관계를 파악하고, 비용과 ROI를 추적할 수 있습니다. 첨단 분석에서는 머신 러닝 패턴 인식, 과거 고장 데이터로 학습된 예측 모델, 진동을 온도, 부하 및 기타 매개변수와 융합하는 다변량 방법을 적용하여 자동화합니다. 진단 트렌드를 바로 확인하세요.
7. 현장 트렌드 분석
추세 분석은 영구 유선 플랜트만의 전유물이 아니며, 휴대용 계측기로 주기적인 경로 기반 판독을 수행할 때도 똑같이 강력합니다. 현장 엔지니어는 방문할 때마다 기계의 전체 레벨과 주요 스펙트럼 대역을 기록하고 연속적인 조사를 통해 의미 있는 추세를 구축할 수 있습니다. 그리고 발란셋-1A, 는 휴대용 2채널 분석기로 진폭을 캡처합니다, 단계 및 이러한 추세를 제공하는 스펙트럼 데이터, 그리고 추세가 가리키는 곳 불균형 드라이버로 동일한 기기가 수행합니다. 필드 밸런싱 를 통해 상승 추세를 감지하고 이에 대한 조치를 취하는 루프를 닫아 기계에서 벗어나지 않고도 이를 수정할 수 있습니다.
8. 분석을 의사 결정으로 전환하기
트렌드 분석의 궁극적인 산물은 결정입니다. 첫 번째는 타이밍입니다. 추세에 따라 잔여 수명이 낭비될 정도로 너무 이르거나 고장이 발생할 가능성이 높아질 정도로 늦지 않은 적절한 시기에 유지보수 일정을 잡고, 그 기간을 생산과 조율하여 위험과 기회 비용의 균형을 맞추는 것입니다. 두 번째는 리소스 할당으로, 추세가 가장 위협적인 장비의 우선순위를 정하고 안정적인 장비의 작업을 연기하며 그에 따라 예비 부품 재고의 규모를 조정합니다. 세 번째는 조사입니다. 추세가 가속화되면 근본 원인을 찾아 단순한 증상이 아닌 근본적인 문제를 해결하고 재발을 방지할 수 있도록 해야 합니다. 추세 분석은 시각적 패턴 인식, 통계적 방법, 노련한 공학적 판단을 통해 성공적인 상태 기반 유지보수 프로그램의 특징인 조기 고장 감지, 고장 예측, 최적화된 타이밍을 제공합니다.
