Apakah Prognosis? Ramalan Hayat Baki • Pengimbang mudah alih, penganalisis getaran "Balanset" untuk penghancur pengimbang dinamik, kipas, sungkupan, gerimit pada gabungan, aci, emparan, turbin dan banyak lagi rotor Apakah Prognosis? Ramalan Hayat Baki • Pengimbang mudah alih, penganalisis getaran "Balanset" untuk penghancur pengimbang dinamik, kipas, sungkupan, gerimit pada gabungan, aci, emparan, turbin dan banyak lagi rotor

Memahami Prognosis dalam Penyelenggaraan Ramalan

Portable balancer & Vibration analyzer Balanset-1A

Vibration sensor

Optical Sensor (Laser Tachometer)

Balanset-4

Dynamic balancer “Balanset-1A” OEM

Definisi: Apakah Prognosis?

Prognosis (juga dipanggil anggaran hayat berguna yang tinggal atau ramalan kegagalan) ialah proses menganggar berapa lama masa yang tinggal sebelum kerosakan yang dikesan akan menyebabkan kegagalan fungsi atau memerlukan campur tangan. Prognosis berikut pengesanan kesalahan (mengenal pasti masalah wujud) dan diagnosis (mengenal pasti apa masalahnya), menjawab soalan kritikal "Bilakah kita mesti bertindak?" melalui analisis getaran arah aliran kemajuan, ciri jenis kerosakan, dan keadaan pengendalian peralatan.

Prognosis yang tepat adalah apa yang membuat penyelenggaraan ramalan benar-benar ramalan—ia membolehkan penyelenggaraan penjadualan pada masa yang optimum (tidak terlalu awal, membazirkan baki hayat, mahupun terlambat, berisiko kegagalan), perolehan bahagian plumbum panjang, peruntukan sumber dan penyelarasan penjadualan pengeluaran.

Kaedah Prognostik

1. Ekstrapolasi Trend

Kaedah yang paling biasa dan praktikal:

  • Plot data getaran sejarah berbanding masa
  • Garis arah aliran sesuai (linear, eksponen, dll.)
  • Ekstrapolasi untuk meramalkan apabila ambang penggera atau kegagalan melepasi
  • Kemas kini ramalan dengan setiap ukuran baharu
  • Accuracy: Sederhana (andaikan arah aliran berterusan)
  • Keperluan: Sejarah aliran yang mencukupi (minimum 6+ mata data)

2. Model Berasaskan Fizik

  • Gunakan pemahaman fizik kegagalan (pertumbuhan retak, penyebaran spall)
  • Model meramalkan perkembangan berdasarkan tekanan, kitaran, persekitaran
  • Contoh: Undang-undang Paris untuk pertumbuhan retak, yang mengandungi pengiraan hayat L10
  • Accuracy: Baik jika parameter model diketahui
  • Keperluan: Peralatan terperinci dan data operasi

3. Berasaskan Pengalaman (Data Sejarah)

  • Berdasarkan kegagalan masa lalu peralatan serupa
  • Kadar perkembangan biasa dari sejarah
  • Hubungan empirikal (tahap getaran → masa untuk gagal)
  • Accuracy: Adil, khusus peralatan
  • Keperluan: Pangkalan data kegagalan sejarah

4. Pembelajaran Statistik/Mesin

  • Latih algoritma pada data perkembangan sejarah
  • Pengecaman corak daripada banyak kes yang serupa
  • Ramalan kebarangkalian
  • Accuracy: Boleh menjadi sangat baik dengan data yang mencukupi
  • Keperluan: Set data yang besar, sumber pengiraan

Faktor-faktor yang Mempengaruhi Ketepatan Prognosis

Kualiti Data Arah Aliran

  • Lebih banyak titik data → definisi aliran yang lebih baik
  • Pengukuran yang konsisten → trend yang boleh dipercayai
  • Sejarah yang mencukupi (minimum bulan)
  • Data bersih (luar dikenal pasti)

Ciri Kemajuan Kesalahan

  • Kemajuan Boleh Diramal: Lebih mudah untuk diramalkan (kehausan galas secara beransur-ansur)
  • Mempercepatkan Kemajuan: Lebih keras (menanggung eksponen pertumbuhan spall)
  • Kemajuan tidak menentu: Sukar (kelonggaran, sapuan sekejap-sekejap)
  • Kegagalan mengejut: Tidak dapat diramalkan (patah aci daripada retak)

Kestabilan Keadaan Operasi

  • Keadaan stabil → ramalan yang boleh dipercayai
  • Beban/kelajuan boleh ubah → ramalan kurang pasti
  • Perubahan proses boleh mempercepatkan atau memperlahankan perkembangan

Anggaran Baki Kehidupan Berguna (RUL).

Definisi

  • Masa dari keadaan semasa kepada kegagalan atau ambang intervensi
  • Dinyatakan dalam waktu operasi, hari atau masa kalendar
  • Dikemas kini secara berterusan apabila data baharu dikumpul

Selang Keyakinan

  • RUL adalah anggaran dengan ketidakpastian
  • Nyatakan sebagai julat (30-90 hari dengan keyakinan 90%)
  • Ketidakpastian berkurangan apabila kegagalan menghampiri (lebih banyak data)
  • Anggaran konservatif untuk peralatan kritikal

Contoh

  • Kecacatan galas dikesan pada amplitud sampul surat 2g
  • Perkembangan sejarah: 2g → 10g (paras penggera) dalam 60 hari biasa
  • Kadar semasa: meningkat 0.5g seminggu
  • Ramalan: Tahap penggera dalam ~10 minggu
  • Cadangan: Jadualkan penyelenggaraan dalam masa 6-8 minggu

Aplikasi

Penjadualan Penyelenggaraan

  • Rancang gangguan apabila RUL menunjukkan masa yang optimum
  • Menyelaras dengan jadual pengeluaran
  • Pembaikan kumpulan untuk meminimumkan masa henti
  • Elakkan kedua-dua campur tangan pramatang dan lewat

Pengurusan Bahagian

  • Pesan alat ganti dengan masa memimpin yang sesuai
  • Elakkan mempercepatkan kos
  • Kurangkan keperluan stok keselamatan
  • Peruntukan tepat pada masa berdasarkan prognosis

Peruntukan Sumber

  • Utamakan di antara pelbagai mesin yang merendahkan maruah
  • Memperuntukkan sumber terhad kepada keperluan yang paling mendesak
  • Rancang tugasan tenaga kerja
  • Pementasan alatan dan peralatan

Cabaran dan Had

Ketidakpastian Ramalan

  • Perkembangan kerosakan tidak dapat diramal dengan sempurna
  • Keadaan operasi mungkin berubah
  • Pecutan yang tidak dijangka mungkin
  • Sentiasa mengekalkan margin keselamatan

Keperluan Data

  • Perlukan sejarah aliran yang mencukupi
  • Pada awal pembangunan kerosakan, ramalan kurang pasti
  • Diperbaiki apabila lebih banyak data dikumpul

Mod Kegagalan Berbilang

  • Meramalkan satu mod manakala satu lagi menyebabkan kegagalan
  • Pemantauan menyeluruh membantu
  • Mesti mempertimbangkan semua mekanisme degradasi aktif

Meningkatkan Ketepatan Prognostik

Tingkatkan Kekerapan Pengukuran

  • Lebih banyak titik data → definisi aliran yang lebih baik
  • Kesan pecutan lebih awal
  • Kurangkan ketidakpastian ramalan

Pelbagai Parameter

  • Analisis getaran + suhu + minyak
  • Penunjuk yang menyokong meningkatkan keyakinan
  • Parameter yang berbeza mungkin mempunyai masa petunjuk yang berbeza

Kemas Kini Berterusan

  • Semak semula prognosis dengan setiap ukuran baharu
  • Jangan bergantung pada ramalan awal tunggal
  • Sesuaikan dengan kadar kemajuan sebenar

Prognosis ialah elemen ramalan yang membezakan penyelenggaraan ramalan sebenar daripada pemantauan keadaan mudah. Dengan menganggarkan baki hayat berguna dan garis masa kegagalan daripada data trend dan pemahaman perkembangan kerosakan, prognosis membolehkan masa penyelenggaraan yang dioptimumkan yang memaksimumkan penggunaan peralatan sambil mengekalkan kebolehpercayaan—matlamat utama strategi penyelenggaraan berasaskan keadaan.


← Kembali ke Indeks Utama

WhatsApp