Alat Kejuruteraan Percuma
Kalkulator Prognostik Baki Jangka Hayat Berguna (RUL)
Masukkan titik data trend, pilih model regresi, tetapkan ambang kegagalan dan anggarkan baki hayat berguna dengan tahap keyakinan mengikut ISO 13381.
Keputusan
Prognostik mengikut ISO 13381-1
ISO 13381-1 mentakrifkan rangka kerja untuk pemantauan keadaan dan prognostik mesin. Idea terasnya adalah untuk menjejaki penunjuk kesihatan dari semasa ke semasa, menyesuaikan model degradasi dan mengekstrapolasi kepada ambang kegagalan yang telah ditetapkan.
Model Regresi
Tiga model disokong untuk pemadanan data trend:
- Linear: y(t) = a + b·t — sesuai untuk degradasi yang stabil dan berkadar malar
- Eksponen: y(t) = a·eb·t — sesuai untuk mempercepatkan degradasi (cth. haus galas)
- Polinomial (peringkat ke-2): y(t) = a + b·t + c·t² — sesuai untuk trend tak linear dengan infleksi
Kebaikan Kesesuaian — R²
Pekali penentuan R² mengukur sejauh mana model tersebut sepadan dengan data:
- R² > 0.95 — Padanan yang sangat baik, keyakinan tinggi dalam anggaran RUL
- R² = 0.80–0.95 — Padanan yang baik, keyakinan sederhana
- R² < 0.80 — Padanan yang lemah, pertimbangkan model yang berbeza atau lebih banyak data
Contoh Praktikal
Diberi: Bacaan getaran pada hari ke-0, 30, 60, 90, 120, 150 ialah: 1.2, 1.8, 2.5, 3.4, 4.1, 5.0 mm/s. Ambang penggera = 7.1 mm/s.
Padanan linear: y = 1.14 + 0.0253·t → ambang pada t ≈ 236 hari → RUL ≈ 86 hari dari pengukuran terakhir.
Padanan eksponen mungkin memberikan RUL yang lebih pendek jika degradasi semakin meningkat.
⚠️ Nota: Anggaran prognostik sangat bergantung pada kualiti data dan andaian bahawa mekanisme degradasi kekal tidak berubah. Sentiasa gabungkan dengan pertimbangan kejuruteraan dan data pemantauan keadaan tambahan.
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.
Prosedur yang diterangkan pada halaman ini telah dibangunkan dan diuji di lapangan oleh pasukan Vibromera menggunakan Balanset-1A, iaitu pengimbang dua saluran mudah alih dan penganalisis getaran untuk pengimbangan rotor di tapak.
Instrumen pemantauan keadaan dan analisis getaran profesional. Ramalkan kegagalan sebelum ia berlaku. Digunakan di lebih 50 buah negara.
Nikolai Shelkovenko
Nikolai Shelkovenko ialah jurutera analisis getaran serta pengasas dan Ketua Pegawai Eksekutif (CEO) Vibromera. Selama lebih 15 tahun, beliau telah mengimbangi peralatan berputar terus di lapangan berbanding di bangku ujian: mulcher, kipas industri, penghancur, sentrifug, aci dan gelendong. Kerja inilah yang menjadi asal usul instrumen Balanset — ia direka sebagai alat yang boleh dibawa oleh pakar terus ke mesin dan digunakan bersendirian, di tapak, bukan sebagai peralatan makmal. Vibromera diasaskan pada 2017 dan telah berpangkalan di Porto, Portugal, sejak 2023. Pembangunan, pemasangan dan sokongan siri Balanset semuanya dijalankan di sini. Instrumen unggulan kami ialah Balanset-1A, penganalisis mudah alih untuk pengimbangan satu dan dua satah serta diagnostik getaran. Nikolai terlibat secara peribadi dalam sokongan pelanggan, menyelesaikan kes pengimbangan yang sukar, dan dalam pembangunan perisian. Beliau bekerja dengan pelanggan di seluruh dunia, dalam apa jua bahasa.
