Hvad du skal lede efter i vibrations sensorer for prædiktiv vedligeholdelse

Valg af de rigtige sensorer til prædiktiv vedligeholdelse kan være en jungle. Dette blogindlæg giver dig råd om, hvad du skal kigge efter, og hvordan du kan komme i gang på din rejse. Vi vil også se på typiske faldgruber, og hvad du skal være opmærksom på som kunde for at få de rigtige sensorer, der passer til din produktion.

Prædiktiv Vedligeholdelse

Prædiktiv vedligeholdelse i dets kerne, forsøger at finde det optimale tidspunkt mellem at udnytte komponenter fuldt ud, men samtidig sørge for, at der forekommer en vedligeholdelse, inden et nedbrud opstår.

Hvis du er interesseret i at vide mere om hvis det er værd at reducere uplanlagt nedetid med prædiktiv vedligeholdelse bør du læse dette tidligere blogindlæg.

Et af de første spørgsmål, der opstår, når du starter på din prædiktive vedligeholdelsesrejse, er hvilke sensorer, du skal vælge? Hvad er vigtigt at kigge efter, når du ønsker sensorer til prædiktiv vedligeholdelse? Sammen vil vi gennemgå de vigtigste aspekter at se efter, men først skal vi tale om P-F interval.

P-F intervallet og hvilke sensorer du bør vælge

Som vi tidligere har blogget omkring P-F intervallet og Prædiktiv Vedligeholdelse, beskriver P-F intervallet tiden der går mellem tegn på en potentiel fejl opdages, og den funktionelle fejl opstår. Et eksempel er fra når vi ser røg, indtil aktivet går i stykker. Som du sandsynligvis ved, er denne periode temmelig kort, men hvad med temperatur kontra vibrationer? Er den ene type måling bedre end den anden, når man prøver at overvåge for potentielle fejl så tidligt som muligt?

Som du kan se fra diagrammet ovenfor er røg og højere temperaturer de sidste symptomer, der viser ændringer i en komponenttilstand før et nedbrud opstår. Disse kan give dig indikationer på, at fejlen snart vil ske.

Støj er muligt at opdage før dette og vil være i stand til at opdage fejlen dage til uger før et nedbrud vil finde sted. Men dette kræver højt kvalificerede vedligeholdelsesarbejdere, der ved, hvornår deres komponenter har en normal eller unormal lyd.

Olieanalyse kan opdage problemer uger i forvejen og kan være et godt supplement til andre typer sensorer.

Vibrationer og ultralydsensorer kan registrere symptomerne på potentielle fejl måneder i forvejen, hvilket giver dig den længste reaktionstid og det bedste P-F-interval.

Alle disse resultater er baseret på forskning udført af forskellige parter, både industrielle og universiteter. Vi laver i øjeblikket forskningsprojekter i neurospace for at validere disse fund, specifikt hvor gode forudsigelser vi kan få med vibrations- og ultralydsensorer inklusive forskellen mellem dem.

Vibrations sensorer

Vibrationssensorer er vidt tilgængelige og findes i næsten alle former og størrelser, du kan tænke på. Når vi måler vibrationer, bruger vi faktisk accelerometre, der kan sige noget om bevægelse i en eller flere retninger, og vibrationer er bare bevægelse.

Type

Vibrationssensorer findes i forskellige typer, og du skal være opmærksom på deres forskelle. Piezoelektrisk afhænger af ændringer i elektrisk strøm på grund af bevægelse. De har ofte et meget bredt frekvensrespons, en god følsomhed, har lave støjniveauer, men kan være dyre. Piezoelektriske accelerometre er blevet bygget i mange år, og derfor er der mange forskellige modeller tilgængelige til forskellige anvendelser. MEMS eller mikroelektromekaniske systemer er ofte små sensorer, som ofte bruges i IoT-bedrag til at detektere vibrationer. Disse sensorer er ofte billigere end Piezoelektriske. Du har sandsynligvis en inde i din smarttelefon, der bruges til forskellige accelerometeropgaver, såsom at registrere bevægelse. Både piezoelektriske og MEMS-accelerometre kan bruges til at overvåge lav- og højfrekvensvibrationer.

Frekvensrespons

Frekvensresponsen for de sensorer, du vælger, er meget vigtig. Du kan se det som specifikationen for, hvor meget der er muligt for dig at se med hensyn til Hz i en vibration. For eksempel, hvis du har en sensor, der kun kan registrere 1 til 10Hz vibrationer, og den potentielle fejl, du leder efter, er til stede ved 100Hz, vil du aldrig se den. Generelt, jo højere frekvensrespons på sensoren, jo bedre, da dette giver dig mere mulighed til at detektere potentielle fejl. En anden tommelfingerregel er, at vibrationer på grund af nedbrydning af et leje først vil være synlige som høje frekvenser og derefter senere bevæge sig ned til lavere frekvenser. Hvis du kan finde sensorer med en frekvensrespons på mellem 10 til ~ 8500Hz i x, y og 5000Hz i z, er disse gode nok til at forudsige vedligeholdelse. Leder du efter de bedste sensorer på markedet, kan du endda komme op på omkring 1,5Hz til 12kHz på 3-akser.

Akser

Et accelerometer kan måle vibrationer i op til tre akser, ofte benævnt X-, Y- og Z-aksen. En vibration kan detekteres som bevægelse fra side til side, frem/tilbage og op/ned. For at kunne se vibrationernes fulde bevægelse, anbefaler vi at du køber en sensor der er 3-Akset i modsætning til 1-Akset sensorer. Da akserne alle registrerer en del af vibrationen og sammen er de stærkt korrelerede, hvilket gør det lettere at opdage potentielle fejl, når man har en 3-akset sensor.

Sample længde og Interval

Det sidste stykke i puslespillet er sample længden og interval. Intervallet definerer, hvor ofte sensoren starter og sampler. Længden definerer, hvor længe sensoren sampler, f.eks. 1 sekund eller 10 sekunder? Dette har ofte at gøre med, hvis sensorerne er batteridrevet, da dette vil være en begrænsningsressource, og hvis du skulle sample hele tiden, ville batteriet sandsynligvis dø i løbet af få uger. Hvis sensoren har et strømkabel, kan det stadig have begrænsninger, da nogle sensorer stadig bruger trådløse protokoller til transmission af dataene, og dette vil være den begrænsende ressource. Den vigtige del er at se mindst ~ 10 rotationer af udstyret, hver gang en sampling foretages. Dette betyder, at den rigtige prøvelængde afhænger af RPM for dine aktiver. Et interval på mindst en gang i timen er et godt sted at starte, men vi har set lovende resultater ved at gøre det med et hyppigere interval.

Vær opmærksom på, at hvis du sampler ofte og har en stor sample længde med en højfrekvenssensor, vil du modtage største mængder data over tid. Generelt er det bedre at oversample end at undersample, da det er let at slette data eller filtrere dem, men det er umuligt at opfinde data, som aldrig blev indsamlet.

Konklusion

Det er ikke trivielt at vælge den rigtige vibrationssensor og kræver, at du undersøger dine RPM’s aktiver og sensorer der er tilgængelige. Vibrationsovervågning, der kører kontinuerligt, genererer en stor mængde data, uanset hvilket interval og længde du vælger, men det afhænger af disse valg. På grund af datastørrelsen og den lille ændring i vibrationer anbefaler vi, at du bruger maskinlæring til at finde ud af mønstrene og ikke foretage øvre og nedre kontrolgrænser, da disse sandsynligvis vil misse ændringerne for en længere periode. Vi kalder ofte maskinlærings metoden for prædiktiv vedligeholdelse og øvre og nedre kontrolgrænser for tilstandsbaseret vedligeholdelse.

Hvis du vil vide mere om forskellen mellem tilstandsbaseret vedligeholdelse og prædiktiv vedligeholdelse og hvorfor øvre og nedre kontrolgrænser kan give en falsk følelse af sikkerhed eller overalarmere, opfordrer vi dig til at læse dette blogindlæg.

Det nuværende sensormarked med al den nye fremgang, især inden for IoT inden for vibrationsovervågning, er en jungle, og vi håber, at dette blogindlæg har hjulpet dig med at forstå det, der er vigtigt at se efter, når du vælger en løsning, der skal hjælpe dig med at digitalisere din vedligeholdelse.

Hvis du har nogen spørgsmål angående dit næste projekt, er du altid velkommen til at kontakte os det er, og vil altid være, gratis.

// Rasmus Steiniche, CEO @ neurospace