构建机器运行状况矩阵:基线和趋势数据
利用工业物联网(IIoT)的应用程序,工厂管理人员可以收集和分析设备生命周期数据,以排除缺陷和故障。
出于必要,许多工厂运行拼凑的策略来维护系统,依靠运行到故障策略或计划的预防性校准,以及对容易出现故障的组件的定期故障排除。
除了用新设备改装整个工厂外,还有一种适用于几乎所有工厂的工业物联网(IIoT)策略:引导基于条件的程序来识别异常情况。
这种策略采用与智能手机和云连接的无线连接的手持测试仪器。然后,管理人员、工程师和技术人员可以使用软件将数据组织到机器健康矩阵中,以及相关的分析工具,帮助进行预防性和预测性维护。这种基于条件的程序还可以帮助排除故障和确定根本原因。
以下控制应用程序受益于基线和趋势分析:
- 变频驱动器(vfd)和相关的旋转设备(电机,泵等)
- 控制回路
- 可编程自动控制器(pac)和可编程逻辑控制器(plc)
- 气动元件。
工厂中产生的大量数据可能会构成挑战,内部存储可能会因硬盘损坏、火灾或其他灾难而导致数据丢失。此外,有哪家公司没有为如何组织所有数据并安全地向需要这些数据的人提供访问而苦苦挣扎过呢?随着时间的推移,软件不断发展,数据存储也在不断发展。
即使有了计算机化的维护管理系统,也很难分析由典型技术范围(电压、温度、电流和振动)收集的数据。为所有设备资产组装故障模式的整体视图是一项耗时的任务。
例如,在关键线路上未能隔离PLC输入上的间歇电压峰值的来源,可能会导致故障排除团队通过建议更换整个设备来过度补偿,而只有一个元件出现故障。然而,这仍不能解决根本问题。
考虑到技术先进和无线连接的工具,如热成像仪、电能质量分析仪、数字万用表、手持示波器、电阻测试仪等,将如何实现沿线的系统数据收集。
目标:
- 然后,在正常运行期间建立关键设备的基线
- 随着时间的推移继续捕获相同的测量值,以便在发生故障时,可以使用该数据确定故障模式模式。
如何使用连接的测试仪器创建基线
一个团队被指派在基于web的软件上创建和编目每个单独设备的测试点,在电机和附近的皮带上绘制目标,在PLC上进行红外图像,电压输入和输出,电机耦合器,以及压缩机的电源。这些测试点与软件中各自的设备相关联。
然后,技术人员配备了测试仪器——振动计、红外摄像机、电压或电流模块、手持示波器——甚至电能质量分析仪——以及可以组织、存储和关联多个测试点和多个设备的数据的软件。
当线路在正常工况下运行时;技术人员使用连接的测试仪器在每个测试点进行基线测量,并沿着线向下移动。初始测试样本可以在同一应用程序中操作的几个相同设备上求平均,以创建标准偏差(1 σ)。
技术人员将数据保存到特定的测试点和机器,并通过智能手机自动将测试仪器的数据上传到云端。(在某些情况下,工程师可能会选择记录测量,例如,使用电压模块或电能质量分析仪,在较长的时间内。)这些测量结果也可以立即通过应用程序或基于网络的桌面软件在任何地方共享。
在一个地方捕获数据的四个技巧
- 每个测试点都与用于在线识别的设备相关联,来自单个设备的所有数据都存储在基于云的安全数据服务器中。
- 在指定的时间,技术人员在PLC和其他连接的设备上的同一点上进行相同的测量。为了获得最佳的比较结果,测量是在一致的、可重复的操作条件下进行的,理想情况下是在一天的同一时间进行。
- 当生产线上出现问题时,不仅要记录被测设备的测量值,还要记录可能影响该设备的其他机械的测量值。
- 在软件中,使用分析工具来比较一段时间内的测量和资产性能,并使用该信息来做出更明智的预测决策。
对比分析
- 检查状态变化和超过的阈值设置,并检查与基线相比的状态变化。
- 比较测量趋势,识别任何异常情况,如过流或与系统压力条件相关的事件。
- 使用该软件的能力来比较来自各种技术的数据,并将其与PLC和相关设备发生的特定事件相关联。
回答以下问题:
- PLC输出的电压波形是否畸形?
- 红外检测测试点是否有温度峰值?
- 输送电机的振动水平增加了吗?
随着时间的推移,从多个测试仪器中创建带有时间戳的数据矩阵有助于发现系统中故障的根本原因。与查看一台机器上的测量数据不同,数据可以与来自单个机器的多种类型的测量数据进行关联和分析,也可以与同一系统中的其他关键设备进行比较。
无线测试工具和基于云的软件
- 聚合所有数据,而不会出现手动数据收集或与收集和组织数据相关的人工成本容易出错的情况。
- 收集历史性能数据并建立有价值的性能基线。
- 在一个屏幕上查看所有数据,尽量避免管理多个软件。
- 关联多个数据点,如电压、电流和热图像,以便快速发现不规则现象。
- 获得多个数据点和趋势图来比较每件设备,这有助于预防性维护计划和满足正常运行时间目标。
- 从现场获取资产状态的即时更新,因为技术人员可以使用他们的手机将可疑设备的状态从正常更改为有风险。
- 无论哪个班在处理一个问题,每个技术人员都会一致地收集系统特征和支持信息。
从长远来看,在一个容易访问的地方访问这种智能数据文件将对团队中的每个人都有帮助。下面这些问题都是可以回答的:这种情况以前发生过吗?之前有人调查过吗?
格伦·加德纳是福禄克公司的业务发展经理,杰夫·布莱克是福禄克公司的全球内容执行主编。石油与天然气工程,eeissler@cfemedia.com.
关键概念
- 创建一个由多个测试仪器随时间推移的时间戳数据组成的矩阵,以方便查找系统中故障的根本原因。
- 工厂中产生的大量数据可能会构成挑战,内部存储可能会因硬盘损坏、火灾或其他灾难而导致数据丢失。
考虑一下这个
你们目前是如何收集机械数据的?有效吗?
在线额外
-查看下面链接的关于云计算和工业物联网(IIoT)的其他报道。
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献,并获得你和你的公司应得的认可。点击在这里开始这个过程。