Nieplanowana awaria rzadko pojawia się bez żadnego sygnału. Zmieniająca się temperatura, nietypowe zachowanie łożyska czy wzrost poziomu drgań mogą być informacją, że stan urządzenia zaczyna się pogarszać. Wyzwaniem jest jednak wychwycenie tych zmian odpowiednio wcześnie i odróżnienie rzeczywistego problemu od naturalnych zmian parametrów pracy.
Właśnie temu służy Condition Monitoring System (CMS) – system ciągłego monitorowania stanu urządzeń, który zbiera dane z czujników i pozwala śledzić ich zmiany w czasie. W przypadku maszyn wirujących szczególne znaczenie ma diagnostyka drgań. Pozwala ona nie tylko obserwować poziom wibracji, ale również analizować charakter sygnału i jego zmiany.
Drgania mogą wskazać więcej niż sam alarm
Wzrost wartości drgań jest sygnałem ostrzegawczym, ale sam w sobie nie musi jeszcze mówić, co dzieje się z maszyną. Znaczenie ma m.in. częstotliwość, charakter i dynamika zmian sygnału. Na tej podstawie można identyfikować wzorce charakterystyczne dla określonych problemów.
- W diagnostyce drganiowej nie chodzi wyłącznie o sprawdzenie, czy poziom wibracji przekroczył ustaloną granicę. Znacznie więcej informacji daje analiza charakterystycznych wzorców sygnału. Na ich podstawie można rozróżniać m.in. niewyważenie, niewspółosiowość czy poluzowanie elementów. To właśnie dlatego dane o drganiach mogą być wykorzystane nie tylko do wygenerowania alarmu, ale również do wskazania prawdopodobnej przyczyny nieprawidłowości - mówi Krzysztof Gut, ekspert w dziedzinie wibrodiagnostyki, Inżynier Projektu w ifm electronic.
Takie podejście zmienia rolę czujnika. Nie jest on już wyłącznie urządzeniem, które przekazuje jedną wartość do systemu sterowania. Współczesne czujniki drgań mogą dostarczać wielu parametrów diagnostycznych, a system CMS może gromadzić je i analizować w sposób ciągły.
Kiedy danych jest więcej niż człowiek może przeanalizować
Stały monitoring oznacza jednak również rosnącą ilość danych. Przy kilku urządzeniach ich ręczna analiza może być możliwa. W większym zakładzie, gdzie monitorowane są dziesiątki lub setki punktów pomiarowych, śledzenie wszystkich zmian i zależności staje się znacznie trudniejsze. To właśnie tutaj coraz większe znaczenie ma automatyzacja analizy danych i wykorzystanie AI.
- W przypadku dużej liczby monitorowanych urządzeń samo zbieranie danych nie wystarcza. Potrzebny jest mechanizm, który potrafi rozpoznać, że zachowanie maszyny zaczyna odbiegać od dotychczasowego wzorca. W moneo Insights wykorzystujemy do tego m.in. automatyczne wykrywanie anomalii i zmian strukturalnych w danych. System może również analizować trendy i prognozować pozostały czas eksploatacji komponentu. Dzięki temu służby utrzymania ruchu nie muszą przeglądać całego zbioru danych, żeby znaleźć pojedynczy sygnał ostrzegawczy – mogą skoncentrować się na tych przypadkach, które rzeczywiście wymagają uwagi - wyjaśnia Krzysztof Gut, ekspert ifm electronic.
Takie podejście zmienia rolę danych w condition monitoringu. Zamiast jedynie rejestrować parametry pracy urządzeń, system wykorzystuje je do rozpoznawania zmian zachodzących w czasie i wskazywania tych, które mogą mieć znaczenie dla kondycji maszyny.
CMS nie kończy się na wykryciu nieprawidłowości
Wartością systemu monitorowania stanu nie jest samo wygenerowanie alarmu. Istotne jest to, co można zrobić z informacją o wykrytej zmianie – ocenić jej znaczenie, poszukać przyczyny i zdecydować, czy oraz kiedy potrzebna jest interwencja. To właśnie szersze podejście do kondycji aktywów, określane jako Asset Health, pozwala łączyć dane z różnych źródeł i obserwować stan urządzeń w dłuższej perspektywie.
W praktyce oznacza to odejście od oceny maszyny na podstawie pojedynczego parametru czy pomiaru. Dane o drganiach mogą być zestawiane z innymi informacjami o pracy urządzenia, a ich zmiany analizowane w czasie. Dzięki temu condition monitoring staje się elementem szerszego procesu oceny kondycji aktywów, a nie tylko systemem alarmowym.
Od alarmu do konkretnej decyzji
Rozwój CMS wspieranych przez AI zmienia sposób, w jaki wykorzystywane są dane z monitoringu. Nie chodzi już wyłącznie o ustawienie wartości granicznej i wygenerowanie alarmu, ale o analizę zmian zachodzących w czasie oraz rozpoznawanie wzorców, które mogą wskazywać na pogarszający się stan urządzenia. Dla utrzymania ruchu oznacza to przede wszystkim większą możliwość reagowania na podstawie rzeczywistego stanu maszyny. Zamiast czekać na przekroczenie wartości alarmowej lub awarię, można obserwować rozwój nieprawidłowości i odpowiednio wcześniej zdecydować o dalszej diagnostyce, przeglądzie czy wymianie komponentu.
W tym kierunku zmierza dziś condition monitoring: od samego pomiaru, przez ciągłą obserwację parametrów, po automatyczną analizę danych i wsparcie człowieka w interpretacji sygnałów. Wibrodiagnostyka pozostaje jednym z ważnych źródeł tych informacji, ale jej wartość rośnie wtedy, gdy dane mogą być analizowane w szerszym kontekście stanu maszyny.
Źródło: ifm electronic
Więcej na www.ifm.com
