理解预测性维护中的预后
定义：什么是预后？
预后 （也称为剩余使用寿命估算或故障预测）是指估算检测到的故障在导致功能失效或需要干预之前还剩下多少时间的过程。预测如下： 故障检测 （发现问题存在） 诊断 （确定问题所在），通过分析回答关键问题“我们何时必须采取行动？” 振动 发展趋势、故障类型特征和设备运行条件。.
准确的预后是决定成败的关键。 预测性维护 真正具有预测性——它能够安排在最佳时间进行维护（既不会太早，浪费剩余寿命，也不会太晚，导致故障），采购长周期零件，进行资源分配，并协调生产计划。.
预后方法
1. 趋势外推
最常用且最实用的方法：
- 绘制历史振动数据随时间变化的曲线图
- 拟合趋势线（线性、指数等）
- 推断何时超过警报或故障阈值。
- 每次新的测量结果都会更新预测。
- 准确性： 中等（假设趋势持续）
- 要求： 足够的趋势历史数据（至少 6 个以上数据点）
2. 基于物理的模型
- 运用对失效物理学（裂纹扩展、剥落传播）的理解
- 模型根据压力、周期和环境预测进展
- 例如：裂纹扩展的巴黎定律，轴承L10寿命计算。
- 准确性： 如果模型参数已知，则效果良好。
- 要求： 详细设备和运行数据
3. 基于经验（历史数据）
- 根据以往类似设备的故障经验
- 历史上的典型进展率
- 经验关系（振动水平→失效时间）
- 准确性： 公平，针对特定设备
- 要求： 历史故障数据库
4. 统计/机器学习
- 利用历史进程数据训练算法
- 从许多类似案例中识别模式
- 概率预测
- 准确性： 如果数据充足，效果会非常好。
- 要求： 大型数据集、计算资源
影响预后准确性的因素
趋势数据质量
- 更多数据点 → 更清晰的趋势定义
- 一致的测量结果 → 可靠的趋势
- 充分的病史（至少数月）
- 清理数据（已识别异常值）
断层演化特征
- 可预测的进展： 更容易预测（轴承逐渐磨损）
- 加速发展： 更硬（承载剥落增长呈指数级）
- 不稳定的进展： 困难（松动、间歇性摩擦）
- 突发故障： 不可预测（裂纹导致轴断裂）
运行条件稳定性
- 稳定的条件 → 可靠的预测
- 负载/速度变化→预测结果准确性降低
- 流程变化可以加速或减缓进程
剩余使用寿命（RUL）估算
定义
- 从当前状况到失效或干预阈值所需的时间
- 以营业小时、天数或日历时间表示
- 随着新数据的收集，数据将持续更新。
置信区间
- RUL 是一个存在不确定性的估计值。
- 预计送达时间（30-90 天，置信度为 90%）
- 随着失效临近，不确定性降低（更多数据）
- 关键设备的保守估计
示例
- 在 2g 包络振幅下检测到轴承缺陷
- 历史变化趋势：60 天内从 2 克增加到 10 克（报警水平），典型值
- 目前速度：每周增加 0.5 克
- 预测：约10周后达到警报级别
- 建议：安排在 6-8 周内进行维护
应用
维护计划
- 当剩余使用寿命 (RUL) 指示最佳时机时，计划停机。
- 与生产计划协调
- 集中维修以最大限度减少停机时间
- 避免过早干预和过晚干预
零件管理
- 订购备件时需预留适当的交货时间
- 避免加急费用
- 降低安全库存需求
- 基于预测的即时供应
资源分配
- 在多台性能下降的机器中进行优先级排序。
- 将有限的资源分配给最紧迫的需求。
- 制定人员分配计划
- 工具和设备准备
挑战与局限性
预测不确定性
- 断层演变并非完全可预测
- 操作条件可能会发生变化
- 可能出现意外加速
- 始终保持安全余量。
数据要求
- 需要足够的趋势历史记录
- 断层发育早期，预测结果不太确定。
- 随着收集的数据增多，情况有所改善。
多种故障模式
- 预测一种模式而实际预测的是另一种模式，这会导致失败
- 全面监测有助于
- 必须考虑所有活性降解机制
提高预后准确性
提高测量频率
- 更多数据点 → 更清晰的趋势定义
- 更早检测到加速度
- 降低预测不确定性
多参数
- 振动+温度+油液分析
- 佐证指标增强信心
- 不同的参数可能需要不同的提前期
持续更新
- 根据每次新的测量结果修正预后。
- 不要依赖单一的早期预测
- 适应实际进度
预测是区分真正预测性维护与简单状态监测的关键要素。通过分析趋势数据和故障演进过程，预测可以估算剩余使用寿命和故障时间，从而优化维护时机，最大限度地提高设备利用率并保持可靠性——这正是基于状态的维护策略的最终目标。.
类别
EN 
AR 
AZ 
BG 
ZH 
HR 
CS 
DA 
NL 
ET 
FI 
FR 
DE 
KA 
EL 
HE 
HI 
HU 
ID 
IT 
JA 
KO 
LV 
LT 
MS 
NB 
FA 
PL 
PT_BR 
PT 
RO 
SR 
SK 
SL 
ES 
SV 
TH 
TR 
UR 
UK 
VI 