ROTATING_MACHINES_DIGITAL_TECHNOLOGIES_TO_ENABLE_PREDICTIVE

ROTATING MACHINES: DIGITAL TECHNOLOGIES TO ENABLE PREDICTIVE MAINTENANCE March 1, 2018

对于旋转机械的预测性维护正在获得重视。由于工厂运作者采纳了分析和学着如何接近其运转的基准。

旋转设备比如马达，压缩机，泵和涡轮对于工厂运转都是极重要的元件，且必须在所有时间可靠地且有效地运行。但是，由于这些设备运转处的高的压力和恶劣的环境，设备的失效实在是太平常了。

为了将设备运转至最可能长的时间，企业仍必须在维护上面投资。在过去，这些维护任务的许多方面都不是理想的，但是少许的替换方案的确存在了。在许多情况下，简单的视觉检查是用来确定设备的条件。通常,工厂经理就是运转设备直到失效出现，而不是执行预防性维护。这种回应式的维护方法产生了未经计划的停机，更高的劳动成本和资产和更快的恶化。

为了避免这些昂贵的场景，许多公司开始采用预防性维护。有了预防性维护策略，统计的趋势数据和分析被用来确定保养的最佳周期。这种方法最大的挑战是基于时间的。设备是在固定的周期被检查和处理，而不管真实的所识别到的需要来这样做。继而有可能通过比实际所需而更加频繁地摆弄设备而招致的失效。在某些情况下，设备在未评估其剩余寿命或当前的性能就被更换掉了。这些挑战中的一些通过高级的能更好预测和诊断不良设备行为的数字技术而被解决（如图1）。表一汇总了通常用在化学处理产业中的维护方法的演变。

本文章考查了预测性维护策略用于旋转设备的优势，且也提供了为旋转设备配置数据分析平台和组织操作基准的指南。要想知道更多的关于数据分析，请阅读“将数据分析置于工程师手中”

表1：标准的维护法方法

1,维护性策略
1.1 回应式
1.2 预防式
1.3 预测式

2，维护方法

3.1 高成本，生产的丢失
3.2 有效的资源规划，但是由于不论设备是否需要而进行的设备的经常接触,有可能招致失效设备的失效。

图1：数字化和互联的前进帮助了引进更多的主动的维护性策略

用巨大的计算能力和低成本传感器的出现，预防性的维护正过渡到预测性的维护。预测性,或基于状态的维护，正如其所称呼的那样, 在它们出现严重的风险给工厂运营或工作人员之前，识别设备的问题。在预测性维护方法中，工厂经理使用故障的证据来确定如何维护设备，或甚至在什么时候更换它。精确的设备状态信息使能了企业来最小化失效风险，降低维护成本且最大化资产有效性。

关键的设备在失效发生时会导致一个停机或生产的损失，它们通常都配备有仪表，比如连续性的振动探头，加速度计，位移换能器，相位检测仪和速度探测器（图2），它们也配备了压力和温度传感器来测量改变得更加缓慢的状态，比如轴承温度或油压。

图2: 当配置有线的和无线的仪表在不同类别的旋转机器的时候，有多个重要因素的考量。

由于轴承对于旋转设备来讲是极其重要的部件，传感器们是经常直接安装至轴承上面来测量振动和轴承的表面温度。其它传感器装在机器外壳上,来采集整体的振动，如果是电气马达就测量关键的电气参数,比如电压和电流。

有线的仪表也用在不是那么重要的设备上面，但这是不经济的，所以监测通常只限于高和中等重要的设备。有线传感器允许了连续的设备监测，无线传感器周期性地（比如每小时一次）测量设备状态。有线的仪表能更好地保护设备，无线传感器对于整体机器状态的监测是不错的。还有，有线传感器能够采集到无线方式不能达成的某些种类的信号和信息。

但是，并不像过去的年头，无线传感器的成本极大地降低了，且它们变得容易安装，所以它们现在提供了合适的解决方案给不是那么重要的设备。最常用的传感器测量振动（加速度），表面温度和磁场.在无线技术之前，获得这些信号的唯一方法就是安装特定的探头在电子的馈线上面，但这是昂贵的，继而对于不重要的设备是不常见的。

旋转设备通常在1至10000转/分钟之间运转，且承受高的压力和温度。这些因素，综合离心力和向心力，增加了损耗，不可避免地导致失效。这就意味着数日或数周的生产的损失和数佰万美元的停机时间和维修成本。为了表达清楚这一点，一个燃气轮机风险评估的研究（如表2）显示了涡轮子系统失效展示出严重停机的恶劣的风险[1]压缩机，燃烧室和涡轮子系统的22%的失效率导致了每次失效的平均停机时间是24小时。但是每个单一的失效会导致10至100小时停机时间，造成了极大的生产损失。

表2，旋转机械失效的后果

行:
1，子系统
2，每年的实际失效率
3，失效率范围
4，每次失效的实际停机时间
5，失效后果停机时间小时范围
6，总的风险
列:

1，压缩机，燃烧室，涡轮机
2，防火设备
3，发电机
4，润滑油
5，燃料气
6，负荷装置
7，振动监测
8，控制系统

在旋转设备中预测性维护所使用最常见的技术是红外热成像法，超声分析，马达电流特征分析，油分析，局部放电和振动分析。所有的这些方法都采用失效证据来确定维护要求。表3提供了这些技术的细节。

表3：用于旋转设备[2]的预测性维护方法

1，红外热成像法：使用一个红外摄像头来检测高温，能识别即将到来的失效或过早地降级。
2，超声分析：随着轴承的疲劳，它们变形。这些不规则的表面产生超声波来增加其幅度。

3，马达电流特征分析（MCSA）：分析三相感应马达电流来检测失效，而不用将马达脱机离线。
4，油分析：通过物理测试，灰尘分析和频谱分析来检测机器润油的异常。
5，局部放电监测：在电缆,变压器，开关柜和大型马达绕组上面检查绝缘的损坏。
6，振动分析：通过评估机械振动来确定一个机械系统在不同的运转条件下的状况,在特定频率一个振动幅度的改变能指示出状况的变化。

尽管预测性维护精确地提供了及时维护活动的信息，它有局限。使用一个手持式设备（通常的做法）来获取数据是耗人力的，且将人们从其它更高效的活动中调走。这样的话，在从人难以到达的区域收集设备的信息也是困难的，或者是对采集数据的人员造成了一个危险的区域。

但是，无线技术的发展(包括在布局成本上的一个大的下跌)和安全的无线通信使得工程师能遥控地监测设备（图3）。数据能够甚至从最难以进入的区域自动地采集，且从世界上的任何一个地方进行遥控地监测。

由于工作人员不再需要花有价值的时间来专人地巡视以及和每台资产互动而采集数据，这就代表了一个巨大的成本降低的机会。在安全上面也有正面的影响，因为遥控地监测使得工作人员避开了工厂中危险的区域.

图3：手持式设备使能了更加高效的遥控监测计划，在CPI中正变得更加广泛地使用

远程监测是一个令人激动的提升，强有力的数据收集和分析使得预测性维护真正的强大。数据分析使能了导致设备失效的状况和因子的精确建模，继而允许工厂工程师处在问题产生之前。下述是当前用在一些CPI工厂的遥控监测和数据分析的一个等级。

1，现场的水平：传感器收集设备上的基本的数据，比如电流，温度和扭矩，然后传送它们至一个现场的边界设备。一个边界设备比如一个路由器或多路复用器，做为进入核心网络的一个入口。

2，边缘设备：来自传感器的数据流由复杂的软件算法所汇总和分析，来识别，分类和优化问题.工厂范围的解决方案用于状态性的监测被执行。实现了实时优化的洞察力。

3，云：来自不同场地的数据被聚集进入远程服务中心，且被内容专家使用，来提供高级的服务给各个场所。这就允许了工厂总部和供应商之间的协作，形成了更加消息灵通的决策。信息也被用来支持现场服务。

布局远程监控是有挑战的，想出办法来如何应对所有的数据会是更具挑战性。供应商用遥控监测的数据使生产者应接不暇，但是抽取有用且指导的信息并展示它作为一个容易理解的数据分析用于适当的行动）是困难的。一个强壮的数据分析平台是必要的，用洞察力来提供给用户,来在其成为难题之前解决问题。且必须是一个更大的设备和服务的网络的一部分（图4）。下面的问题将是被一个设计良好的数据分析平台所解决的：

2，它们将被如何分类和显示？以致于用户能快速地将原始信息转化成行动

图4：一个有效的预测性维护策略包括许多操作水平和设备之间的互联

这些同样的技术可以运用到旋转设备之外的其它设备类型。对于非重要的资产，预测性分析能力被更多地用来重新思考维护周期；例如，基于实际的设备使用而不是基于时间周期地来多久执行相当的维护活动频率。由于在一个典型的CPI工厂的相当大数量的设备，这些看起来小的改变能证明是非常有价值的。通过乘以数千台资产，这些在维护成本上的节约很快就变得重要。更加重要的是避免了停机时间，保持生产的运转，毛利的增加和订单的满足是生重要的

数据分析平台必须自动地识别，分类和优化KPI，以致于严重性和危急性的最重要的问题由运转决策者首先处理。表4提供了旋转设备特定KPI的一些举例。

表4:用于离心机和轴向气体压缩机的KPI

1，偏移：当压缩机测量值从工厂设定值偏离的监测。
1.1 来自预期的头(?)的偏移：在所交付的压力（或头？）的一个降低，在压缩机能源消耗上面有一个负面的影响，且能导致机械应力并损害设备。
1.2 来自预期的流量的偏移:在所交付的流量的一个降低，在压缩机的能量消耗上面有一个负的影响，这会导致不可预期的浪涌事件，严重地损坏压缩机。

2，污染：在硬表面上监测不想要的材料的聚集，这会影响设备功能

2.1 污垢:用于测量在一个燃气轮机压缩机上的污垢的系统和方法,包括一个传导电阻传感器置于一个压缩机的进气口。压缩机污染的程度是和传导电阻传感器测得的阻值的变化相关，测得的阻值变化转变或污垢的指示器，用来触发对压缩机的清洁。

3，浪涌范围：对假如压缩机是否太近工作在浪涌极限的监测，导致不想要的防浪涌控制系统的激活或过度的气体再循环。

3.1 浪涌：浪涌发生在压缩机和峰头(?)能力到达且流动降低的时候。当一个压缩机接近其浪涌极限，它的某些元器件（比如扩散器和推进器）会开始运转在停运模式。

4.1 粘附：分析阀的响应时间，来评估该阀对一个快速浪涌的事件，是否能够保护压缩机。假如检测到粘附的话，阀门的保养是必要的。
4.2 泄露检测：检测不想要的泄漏，能导致一个压缩机的功耗的极度增加。

4.3 过度的阀的移动：评估阀是否控制不当，导致过度的机械应力，这会产生对阀本身突然的损坏，使压缩机不能进行对一个快速浪涌事件的保护。

4.4 不足的阀的尺寸：检测一个防浪涌阀是否有不正确的尺寸，一个不恰当的尺寸(如果太大的话)会产生压缩机的功耗的极大增加，或者(如果太小的话)在一个浪涌事件时的压缩机的不合适的保护。

5，压缩机控制运转：监测压缩机控制器（防浪涌，性能控制和负载分享控制）是适当地工作，且能确保其所设计时的保护水平。
5.1 振荡控制器:检测控制器在和其它相互干扰时,在过程和机器本身导致过度的振荡

5.2 调试问题:控制器是不恰当的调试时的检测，导致慢或太快的响应。对于步点改变能导致不良的响应。

目的是给操作人员一个清楚的视觉，到底哪一个问题需要立刻的关注，哪一个能够被监测，哪一个不是那么重要，但是需要在稍后的时间提供关心。这样的话，在少许的快速观察，操作人员能看见严峻的问题，且采取重要的决定来如何解决它们。在这种场景下，KPI是被分成了四组：
1，过程：工艺过程设备的热动力性能的信息
2，机械：关于旋转设备的机械状况的信息
3，电气：电气设备包括辅助系统,比如开关柜和变压器的状态的信息
4，控制：关于机械控制系统包括仪表和激励器性能的信息。

操作人员能从这些系统中获得的是关于一个时间序列的分析，显示了激增（比如在下午2:30和3:30之间防浪涌系统的控制改变），指示出了从最佳控制极限的一个高的偏移。该信息提示操作人员来更加紧密地观察，来确定偏移的根本原因，且采取必要的行动。

在KPI超过极限时，数据分析系统也将通过邮件或文本报警给工厂运营。即使他们不在工厂的时候，帮助他们保持对问题的消息灵通。这就促进了对问题的更快地解决方案，提升了设备的状态且更高的过程性能。

取决于KPi触发报警的类型，数个行动可以采取：
1，假如KPi能够触发一个机械或电气服务，比如一个维修的呼叫，继而维护工程师发行一个请求给现场工程师去验证和执行该维修。

2，假如KPI是和机械的控制系统相关，典型的行动就是验证控制系统的状态且重新调试它。
3，假如KPI是和设备的处理性能相关，行动就落在了制程工程师和操作人员上，他仍会决定最佳的办法来确保设备周边的过程的最佳性能。

给旋转设备搭建一个预测性维护计划，要求一个系统的且有条理的方法，考虑到维护策略，包括远程监测，强壮的数据分析，更重要的是，合格的工作人员能将信息转化成可执行的洞察力，继而导向更低的成本，提升的生产效率和更高的整体工厂性能。

1，旋转设备的风险矩阵模型。
2，无线传感器用于研究用反应堆的旋转设备预测性维护。

作者：Diego Pareschi是ABB公司的石油，天燃气和化学市场的旋转设备产品和服务的全球产品经理（荷兰）。在该职位，他管理气体压缩机，泵，涡轮和电气马达的解决方案产品系列。包括数字技术的使用来确保可预测的，安全和高效的运转。Pareschi在2010年加入ABB，在瑞士，意大利和荷兰研发部,产品开发和市场部承担了数个角色。他有意大利米兰理工大学自动化和控制工程硕士学历。

视频 #水电站是如何工作的# 考查其器件且展示出水是如何驱动涡轮机来发电给电网的.外面看不见发电机,涡轮发电机,压力管道,螺旋形箱,侧门,转轮,励磁机,自动励磁调压器,转子,定子,绕组,旋转磁场,电极和其磁场,接线端子,同步,更大的转矩角,三相交流电输出.

Axzon无源(免电池),无线RFiD传感器标签技术原理:读写器端无线供电给传感器,传感器采集这个来自远端(至19米)读写器的RF能量,产生电能,传感器开始工作,测试物体接触表面,传感器返回iD号和温度(水份,压力,接近,湿度,气体...)数据给读写器