ISO 13374: Tillståndsövervakning och diagnostik av maskiner – Databehandling, kommunikation och presentation
ISO 13374 är en av de mest inflytelserika standarderna inom industriell IoT och tillståndsövervakning programvara. Istället för att definiera hur en mätning ska utföras, tar den itu med ett helt annat problem: driftskompatibilitet — hur data från olika sensorer, insamlingshårdvara och analysplattformar kan samverka utan proprietära hinder. Den fastställer en standardiserad, öppen arkitektur för hur data från tillståndsövervakning ska bearbetas, lagras och utbytas, och är nära kopplad till MIMOSA-arkitekturen (Machinery Information Management Open Systems Alliance) som den bygger på. Målet är en “plug-and-play”-miljö för tillståndsövervakningsteknik, och kärnan i standarden är en funktionell modell i sex steg som spårar vägen från en rå sensorsignal till en tydlig underhållsrekommendation.
1. Sammanfattning: Vad ISO 13374 syftar till
När mätningsinriktade standarder anger vad vad som ska mätas och mot vilka gränsvärden, reglerar ISO 13374 hur informationen flödar och är uppbyggd när den väl har registrerats. Den kompletterar mät- och förfarandestandarderna snarare än att konkurrera med dem: en standard för vibrationsintensitet, såsom ISO 20816-1 (den moderna efterföljaren till ISO 10816) anger larmgränsvärdena, den allmänna standarden för övervakning ISO 13373-1 beskriver förfarandet för vibrationsövervakning samt de övergripande ISO 17359 fastställer den övergripande strategin för tillståndsövervakning, medan ISO 13374 definierar den öppna dataarkitekturen som överför resultaten mellan systemen. Standarden publiceras i flera delar och beskriver en skiktad informationsarkitektur; dess kärna utgörs av ett funktionellt blockdiagram med sex nyckelskikt som återger dataflödet i alla typer av system för tillståndsövervakning.
2. De sex funktionsblocken
Modellen kan bäst betraktas som en processkedja. Varje block tar emot utdata från det föregående blocket och genererar ett mer förädlat resultat – från råa spänningsvärden längst ner till ett konkret råd längst upp.
-
1. DA — Datainsamlingsmodul:
Detta är grundlagret, länken mellan den fysiska maskinen och det digitala övervakningssystemet. DA-modulen ansluts direkt till sensorer – till exempel accelerometrar, närhetsprober, temperaturgivare, eller tryckgivare — och läser av de råa, obearbetade analoga eller digitala signaler som de genererar. Den sköter alla lägre nivåers hårdvaruinteraktioner: den förser sensorerna med ström (till exempel IEPE-ström till accelerometrar), utför signalbehandling såsom förstärkning och filtrering för att ta bort oönskat brus, samt genomför analog-till-digital-omvandlingen (ADC). Dess utdata är en digitaliserad ström av rådata — vanligtvis en tidsvågform — vidarebefordras till nästa nivå.
-
2. DM - Data Manipulation Block:
Detta är övervakningssystemets beräkningsmotor. Den tar emot den obearbetade, digitaliserade dataströmmen (till exempel tidsvågformen) från DA-blocket och omvandlar den till mer meningsfulla datatyper som lämpar sig för analys. Dess huvudfunktion är standardiserad signalbehandling – framför allt Snabb Fouriertransform (FFT), som omvandlar signalen i tidsdomänen till en signal i frekvensdomänen spektrum. Andra uppgifter som ingår i detta block är bland annat beräkning av bredbandsmått såsom den totala RMS värden, genom att utföra en digital integration för att omvandla accelerationen till hastighet eller förflyttning, samt att köra mer avancerade processer såsom demodulering eller enveloppanalys för att upptäcka de karakteristiska högfrekventa stötarna som uppstår vid fel i rullager.
-
3. SD - State Detection Block:
Detta block markerar den kritiska övergången från datahantering till automatiserad tillståndsdetektering. Det tar de bearbetade data från DM-blocket (RMS-värden, specifika frekvensamplituder, spektralband) och tillämpar logiska regler för att fastställa maskinens drifttillstånd — det är här ett problem först “upptäcks”. Dess primära funktion är tröskelkontroll: den jämför de uppmätta värdena med fördefinierade larmgränser, t.ex. de zongränser som definieras i ISO 20816 (tidigare ISO 10816) eller användardefinierade procentuella förändringar från en baslinje. Utifrån detta tilldelas data ett specifikt tillstånd – ”Normal”, ”Acceptabel”, ”Varning” eller ”Fara” – vilket omvandlar rådata till användbar information som kan vidarebefordras för analys eller användas för att utlösa en omedelbar larm.
-
4. HA – Block för hälsobedömning:
Detta block fungerar som diagnostiksystemets “hjärna” och besvarar frågan “Vad är problemet?” Det tar emot tillståndsinformationen (till exempel en status “Varning”) från SD-blocket, tillsammans med de bearbetade data från DM-blocket, och använder analytisk intelligens för att hitta den specifika grundorsaken till avvikelsen. Här körs diagnostiklogiken — allt från enkla regelbaserade system till komplexa algoritmer för artificiell intelligens. Om SD-blocket till exempel flaggar hög vibration vid en frekvens som exakt är dubbelt så hög som axelns driftvarvtal (2X), skulle den regelbaserade logiken korrelera detta mönster och ge diagnosen “sannolikt axel feljustering.” Om varningen gäller en icke-synkron högfrekvent topp med karakteristiska sidband, skulle den diagnostisera en specifik lagerfel. Resultatet blir en konkret hälsobedömning av maskinkomponenten.
-
5. PA – Block för prognosbedömning:
Detta block utgör höjdpunkten av prediktivt underhåll, i syfte att besvara den avgörande frågan: ”Hur länge till kan den köras på ett säkert sätt?” Den hämtar den specifika feldiagnosen från HA-blocket och kombinerar den med historiska trend data för att förutsäga hur felet kommer att utvecklas. Detta är det mest komplexa lagret, där man ofta använder maskininlärningsmodeller eller modeller för felmekanismer för att extrapolera den aktuella försämringstakten och uppskatta Återstående livslängd (RUL) för komponenten. Om HA-modulen identifierar en lagerskada analyserar PA-modulen hur snabbt skadefrekvenserna har ökat under de senaste månaderna för att förutsäga när de kommer att nå en kritisk nivå. Resultatet är inte bara en diagnos utan även en tidsram för åtgärder – det är här prognos.
-
6. AG - Advisory Generation Block:
Detta är det sista och, ur användarens perspektiv, det viktigaste lagret, eftersom det omvandlar all underliggande data och analys till praktiskt användbar information. AP-modulen förmedlar resultaten från de underliggande lagren till operatörer, driftsäkerhetsingenjörer och underhållsplanerare – och presenterar rätt information för rätt person i rätt format. Det kan handla om intuitiva instrumentpaneler med färgkodade hälsoindikatorer, automatiskt genererade e-post- eller SMS-varningar, eller detaljerade diagnosrapporter med spektrum- och vågformsdiagram och, framför allt, tydliga underhållsrekommendationer. En effektiv AP-rapport anger inte bara att ett lager är defekt, utan ger en fullständig rekommendation, till exempel: ”Defekt i innerringen på motorns yttre lager har upptäckts. Återstående livslängd uppskattas till 45 dagar. Rekommendation: planera in byte av lagret vid nästa planerade driftstopp.”
3. Nyckelbegrepp
- Interoperabilitet: är det främsta syftet med ISO 13374. Genom att fastställa en gemensam ram och datamodell gör standarden det möjligt för ett företag att använda sensorer från leverantör A, ett datainsamlingssystem från leverantör B och analysprogramvara från leverantör C, och få alla dessa delar att fungera tillsammans.
- Öppen arkitektur: Standarden främjar öppna, icke-proprietära protokoll och dataformat, vilket förhindrar leverantörsberoende och främjar innovation inom hela branschen för tillståndsövervakning.
- MIMOSA: Standarden är starkt baserad på MIMOSA-organisationens arbete. Att förstå MIMOSAs C-COM (Common Conceptual Object Model) är nyckeln till att förstå den detaljerade implementeringen av ISO 13374.
- Från data till beslut: Sexblocksmodellen utgör en logisk väg från råa sensordata (datainsamling) till praktiska underhållsrekommendationer (rådgivningspresentation) och bildar den digitala ryggraden i ett modernt program för förebyggande underhåll samt en naturlig grund för tillståndsbaserat underhåll.
4. Hur standarden tillämpas i praktiken
ISO 13374 tar medvetet inte ställning till instrument och tröskelvärden, vilket är just det som gör standarden så kraftfull: den låter resten av verktygskedjan utvecklas självständigt. I ett typiskt tillförlitlighetsprogram kompletterar den de standarder som definierar vad som mäts och hur allvarlig Resultatet blir följande. Tröskelvärdena som matas in i DM-blocket härrör från allvarlighetsgrader och från dina egna referensvärden; prognosmodellerna i PA-blocket utgår från de data som arkitekturen noggrant har bevarat. Praktiska hjälpmedel passar perfekt in i denna bild — en Beräkningsverktyg för tillståndsövervakningsparametrar hjälper till att ställa in tröskelvärdena för larm och fara som SD-blocket ska tillämpa, en Väljare för metod för tillståndsövervakning hjälper till att välja vilka tekniker som DA- och DP-blocken ska implementera, och en RUL-prognosberäknare speglar arbetet i PA-blocket när det gäller att uppskatta återstående livslängd. För online-implementeringar ligger samma flöde med sex block till grund för onlineövervakning system och den infrastruktur telemetri som transporterar deras data.
5. Fältinstrumentet längst ner i stapeln
Varje lager i ISO 13374 är i slutänden beroende av tillförlitliga rådata från DA- och DM-blocken — om datainsamlingen eller bearbetningen är bristfällig hjälper ingen smart prognostik. Det är här ett kapabelt fältinstrument visar sitt värde. En portabel tvåkanalig analysator som Balanset-1A utför DA- och DM-rollerna i ett enda handhållet paket: den driver och läser sina accelerometrar, registrerar tidsvågformen, beräknar FFT-spektrum och total RMS samt presenterar resultatet för tillståndsdetektering. När en maskin som flaggats på SD- eller HA-nivån visar sig lida av obalans, samma instrument sluter cirkeln genom att fältbalansering rotorn i sina egna lager – en påminnelse om att dataarkitekturen finns till för att driva på konkreta åtgärder på verkstadsgolvet, inte bara för att fylla en översiktspanel.
6. Den officiella standarden
ISO 13374 publiceras i flera delar av Internationella standardiseringsorganisationen (ISO), där delen med allmänna riktlinjer fastställer funktionsblocken och de efterföljande delarna behandlar databehandling och presentationen av bearbetade data. Den giltiga, fullständiga texten – inklusive de formella definitionerna av varje block och den tillhörande datamodellen – kan köpas via den officiella ISO-butiken, där standarden finns listad under sitt ISO-referensnummer. Sammanfattningen ovan är avsedd att vara fristående för daglig teknisk användning, men den publicerade standarden förblir den definitiva källan för efterlevnad och detaljerad implementering.
