工厂设备故障的预测分析” 

工厂设备故障的预测分析：从被动维修到资产管理的转变

引入工厂设备故障预测分析可以将计划外停机时间减少 40-50%，并在运营第一年将维护成本减少 25-30%。在实践中我们看到，俄罗斯和独联体国家的大多数工业企业仍然按照“坏了就修”的原则或按照硬性的时间表进行工作，这往往与单位的实际情况不符。这导致可维修部件被过早更换，并且关键故障恰恰发生在峰值负载时刻。预测分析通过使用来自振动、温度和电流传感器的数据来预测节点的剩余寿命，准确度高达 90%，从而改变了这种模式。如果您经营的生产设施一小时的生产线停机成本超过了工程师的月薪，那么这项技术就不再是一种选择，而是成为企业生存的问题。

我们不会抽象地谈论“数字化转型”。让我们看看具体的机械过程、信号处理算法和经济模型，它们使这种方法成为一种工作工具，而不是一种营销口号。经验表明，一个成功的项目不是从购买昂贵的软件开始，而是从对关键资产的审计并了解其破坏的物理原理开始。

为什么传统的 MRO 策略在现代经济中失败

传统的基于时间的维护模型有一个根本缺陷：它假设设备以线性、可预测的方式磨损。事实上，70% 的故障是由于意外或由于无法在纸质时间表中说明的操作条件而发生的。我们在一家水泥厂遇到过一个案例，该厂严格按照制造商的说明每 12 个月更换一次磨机齿轮箱。打开后发现，60% 的轴承还有剩余运行 8 至 10 个月的寿命。该工厂因购买备件和支付劳动密集型工作来更换仍能运行的设备而损失了数百万卢布。

另一方面，运行至故障策略仅适用于安全裕度较低且更换成本较低的非关键设备。对于涡轮机、压缩机或输送线的主驱动器来说，这种方法是灾难性的。我们的一位客户是一家包装制造商，由于伺服驱动器故障而损失了三天的生产。原因很简单：由于散热器污染导致绕组过热。安装了温度传感器，但只有在严重超出标准、绝缘层已经开始恶化时才起作用。分析温度随时间增长趋势的预测系统会在事故发生前两周发出警告。

反应式方法的关键问题是多米诺骨牌效应。一个部件的故障常常会导致相邻部件的连锁损坏。轴承座圈的损坏会导致轴跳动，从而损坏密封件，导致润滑剂泄漏以及磨料粉尘进入机构。在这种情况下，维修成本呈指数级增长。工厂设备故障的预测分析旨在在缺陷的初始阶段识别缺陷，消除缺陷所需的资源最少。

统计数据证实，改用基于状态的维护策略平均需要 14-18 个月即可获得回报。然而，重要的是要了解仅仅安装振动传感器是不够的。需要一个数据解释系统来区分正常的过程波动和正在形成的缺陷的迹象。

实施的经济模型

效率计算基于三个指标：降低备件成本、降低维修人员的人工成本以及防止停机损失。如果生产线一小时的停机成本为 50,000 卢布，那么每年仅预防两起重大事故就完全涵盖了监控和分析系统的成本。此外，将昂贵资产的使用寿命延长20-30%直接影响企业的资产负债表和折旧政策。

技术堆栈：从传感器到数字孪生

预测分析系统的架构由四个级别组成，每个级别都对最终结果至关重要。任何一个阶段的错误都会导致整个链条变得毫无用处。让我们从物理数据收集层开始。

第 1 级：传感和数据收集。主要信息来源是直接安装在轴承箱上的振动传感器（加速度计）。对于低速设备（低于 60 rpm），标准压电传感器可能无效；这需要速度或位移传感器。还使用用于温度控制的热电偶、油压传感器和电机电流分析仪。一个重要的细微差别：采样频率必须与缺陷出现的频率范围相对应。为了识别滚动轴承的缺陷，需要进行高达 10-20 kHz 的频谱分析，而 1 kHz 足以检测转子不平衡。我们建议在难以到达的区域使用自供电无线传感器，因为在现有生产设施中铺设电缆线路通常是不可能的或在经济上不可行。

第2级：工业网关和数据传输。来自传感器的原始数据使用 OPC UA、Modbus TCP 或 MQTT 协议通过工业网关（边缘网关）传输。这是进行主要噪声过滤和数据聚合的地方。确保网络上所有设备的时间同步至关重要，否则事件的关联分析将变得不可能。网关必须有一个内存缓冲区，以便在与服务器失去通信时保存数据，从而使设备历史记录中不存在“盲点”。

第 3 级：分析平台和机器学习。这是系统的“大脑”。它使用快速傅立叶变换 (FFT) 算法将信号从时域转换到频域。在频谱中隐藏了特定缺陷的特征：轴转速、轴承滚珠通过频率、齿轮啮合频率。现代系统使用经过数千小时的功能和缺陷设备记录训练的神经网络。他们能够检测 ISO 10816 参考文献中未描述的异常情况。例如，早在频谱中出现明显峰值之前，该算法就可以注意到信号包络形状的变化，表明疲劳裂纹的发展。

第 4 级：用户界面和 CMMS 集成。分析结果应以具体请求的形式发送到维护管理系统（CMMS）：“在 14 天内更换 P-102 泵上的轴承。”工程师不应该浪费时间研究原始图表。系统应提出明确的建议，指出优先级和可疑原因。

数字孪生的作用

对于复杂的技术流程，创建了数字孪生 - 物理安装的虚拟副本。它实时模拟热过程和机械过程。通过将实际传感器的读数与模型的计算值进行比较，可以识别不是由机械磨损引起的偏差，而是由于违反技术制度而引起的偏差（例如，由于泵送介质的粘度变化而导致泵中的气蚀）。这样可以在操作人员和首席机械师的服务之间划分责任。

典型缺陷诊断：工程师实用指南

如果员工不了解过程的物理原理，预测分析就毫无用处。让我们考虑一下通过振动声学分析方法成功检测到的四种最常见的缺陷类型。

1、转子不平衡。这是振动的最常见原因。它表现为轴速度（1x RPM）振幅的增加。在我们的实践中，我们见过这样的情况：更换发动机后，由于制造商风扇叶轮平衡不良，振动增加了3倍。这种不平衡会在轴承上产生循环载荷，导致轴承加速磨损。解决方案是现场动平衡，无需拆卸设备。重要的是要记住：不平衡不仅可以是静态的，也可以是瞬时的，这需要在两个平面上安装传感器。

2.轴不对中。联轴器安装错误或地基沉降会导致不对中。在频谱中，这表现为转速的 2x 和 3x 谐波增加，以及出现高轴向振动。我们遇到过这样的情况：每年更换输送机上的联轴器并没有解决其不断损坏的问题。分析显示，由于框架在负载下变形，导致了 2 度的角度错位。安装补偿垫片后，联轴器的使用寿命从3个月增加到2年。忽视不对中还会导致轴承过热和密封件失效。

3、滚动轴承的缺陷。这是最危险的缺陷类型，因为从初始阶段发展到完全破坏可能需要几周到几个月的时间。在早期阶段，出现高频脉冲，通过频谱包络法（包络检测）记录这些脉冲。缺陷频率（BPFO、BPFI、BSF、FTF）是根据轴承的几何参数计算的。轴承选择中的错误（例如，在振动条件下使用常规轴承而不是强化轴承）会立即反映在频谱中。我们建议维护所有已安装轴承的频率特性数据库，以进行自动诊断。

4.齿轮缺陷。齿轮磨损、齿崩裂或啮合误差在啮合频率周围以侧条纹的形式出现。信号调制指示特定牙齿的局部缺陷。在一家糖厂的一个案例中，系统在故障发生前 3 周检测到扩散器驱动器的大齿轮中存在正在形成的齿缺陷。这使得在计划停机期间计划齿轮更换成为可能，避免损坏变速箱壳体和轴。

实施算法：工业企业的分步战略

预测分析系统的实施是一个组织项目，而不仅仅是硬件购买。我们开发了一种方法，可以最大限度地降低风险并确保快速启动。

1. 资产关键性审计（RCM 分析）。您无法同时监控所有内容。有必要根据RCM（以可靠性为中心的维护）方法对设备进行分类。选择A级设备，该设备的停机将导致整个工厂的停机或人员的安全。通常，这占机队总数的 10-15%，但它们产生了 80% 的风险。使用这些单元开始您的试点项目。许多公司犯的错误是试图覆盖整个工厂，这浪费了资源并延迟了获得第一个结果。
2. 测量点的选择和传感器的安装。对于每个选定的单元，将确定安装传感器的最佳位置。根据 ISO 10816，必须在最靠近轴承的支撑件上的三个平面（水平、垂直、轴向）进行测量。安装表面必须清洁至金属，并确保接触可靠。磁性支架仅允许用于临时测量；为了连续监测，需要将传感器粘合安装或插入外壳中。检查维护点的可达性并保护电缆免受机械损坏。
3. 设置基线和阈值。系统必须了解“规范”。在 2-4 周的时间内，收集有关设备在各种技术模式下运行的背景信息。根据这些数据，形成动态警报阈值。当负载变化时，静态阈值（例如，“振动不超过 4.5 mm/s”）通常会发出错误警报。算法必须考虑发动机的当前转速和负载。如果您没有历史数据，请使用 ISO 20816 指南作为起点，但请务必对其进行调整以适应您的流程的具体情况。
4. 与 MRO 业务流程集成。最困难的阶段是改变维修服务的文化。来自系统的信号应自动在 CMMS 系统中创建一个票证，指示诊断和建议的操作。可靠性工程师必须每天审查报告并安排工作。如果没有这个阶段，系统就变成了数据收集的“玩具”。培训您的员工，使他们了解如何解释数据以及收到警报时应采取哪些行动。
5. 验证和缩放。运营前 3-6 个月后，进行绩效审核。将预防的事故数量与系统成本进行比较。分析误报并微调算法。只有在关键设备上成功完成试点后，才能继续扩展到其他车间。在这个阶段不要害怕承认错误：调整系统是一个迭代的过程。

真实案例：各行业实施经验

理论很重要，但现实生活中的数字更能说明问题。让我们看一下我们与俄罗斯企业合作的两个例子。

案例1：冶金厂（轧机）。
问题：轧机机架支撑辊的轴承经常出现故障。平均使用寿命为 3 个月，而不是标准的 12 个月。停机时间使公司每小时损失约 500 万卢布。
解决方案：引入了在线振动和温度监测系统，轮询频率为每分钟1次。频谱分析表明框架结构存在共振频率，该共振频率在一定的轧制速度下被激发。此外，还发现密封件安装存在系统错误，导致润滑剂污染。
结果：在阻尼谐振区并改变安装程序后，轴承寿命延长至 10 个月。计划外停靠次数已从每年 8 次减少到 1 次。第一年的经济效应就超过4000万卢布。

案例2：炼油厂（离心泵）。
问题：原油接收泵上存在大量气蚀，导致叶轮腐蚀和机械密封失效。视觉控制和压力表没有提供有关过程开发的操作信息。
解决方案：在吸入管路上安装声学传感器和压力传感器。分析算法实时监控气蚀噪声水平并将其与控制阀位置相关联。
结果：当接近空化区时，系统自动向操作员发出信号以打开阀门。这使得消除泵以不可接受的模式运行成为可能。叶轮的使用寿命提高了2.5倍。泵站的维修成本下降了 35%。

这些例子表明，预测分析不能单独发挥作用，而是需要与准备对数据采取行动的有能力的工程师一起发挥作用。此类系统的可靠性直接取决于主要技术设备的质量。例如，在炼油和能源行业，关键元件是在极端条件下运行的热交换器和余热锅炉。公司简介无锡凯盛电力石化设备有限公司专门从事此类高负载设备的开发和生产。他们的产品，包括钛管壳式换热器、ASME 标准容器和由特殊合金（316 不锈钢、C46400 船用黄铜、N06625 镍合金）制成的波纹管束，具有高耐腐蚀性和耐高压和高温性能。使用无锡凯盛等制造商的认证设备可以降低与材料结构缺陷相关的突发故障的可能性，使后续状态监测更加有效和可预测。

常见问题解答

是否需要完全停止生产才能安装传感器？

在 90% 的情况下，安装无线传感器不需要停止设备。 15-20 分钟内即可在工作装置上完成安装。将传感器固定在磁性底座或特殊胶水上，然后立即开始传输数据。仅当插入式传感器处于高压系统或需要焊接套管的极端温度区域时才需要停止。我们建议在计划的工艺中断期间进行安装，以确保人员安全，但在技术上可以即时进行安装。

如何区分真正的缺陷和工艺过程干扰？

这是分析算法的主要任务。现代系统使用上下文分析：它们将振动水平与当前负载、转速和环境温度进行比较。如果振动与负载成比例地增加，则这是一种技术特征。如果振动随着恒定负载而增加，则这是一个正在发展的缺陷。此外，波形分析和倒谱分析用于区分周期性影响（轴承缺陷的迹象）和随机过程噪声。但是，初始验证应始终由现场专家进行。

实施这样一个系统的投资回报率是多少？

投资回收期取决于设备的关键程度。对于特殊装置，其停机时间会导致整个工厂关闭，在预防一次重大事故后（通常 6-12 个月）即可收回投资。对于辅助设备，通过优化备件库存和降低人工成本，交货时间可以达到 18-24 个月。重要的是不仅要考虑直接节省，还要考虑间接效益：提高安全性、遵守环境法规（防止泄漏）以及增加资产的剩余价值。

该系统可以与现有的SCADA集成吗？

是的，整合是可能的，也是必要的。大多数预测分析平台都支持行业标准协议（OPC UA、Modbus、MQTT）。设备状态数据可以以状态位（“正常”、“警告”、“警报”）或振动水平数值的形式传输到 SCADA 系统。这使得过程操作员可以在单一界面中查看设备的技术状况并做出一致的决策。深度集成还允许您在存在严重缺陷时阻止设备启动。

结论：服务的未来就在眼前

工厂设备故障的预测分析不再是未来的技术。如今，它已成为任何寻求运营效率的企业的行业标准。从直观修复到数据驱动管理的转变需要文化、人员技能和组织结构的改变，但这些努力的回报比成本大很多倍。该设备不会突然发生故障——它会在灾难发生之前很久就发出信号。工程师的任务是学会聆听这些信号。

不要等到下一次重大事故发生才开始改变您的方法。审核设备群的当前状态并制定实施监控系统的路线图是实现可靠性的第一步。今天联系我们讨论在您的企业开展试点项目的可能性并估算潜在的节省费用。

为了更深入地了解该主题，我们建议您学习有关的材料旋转设备的振动诊断以及状态监测的 ISO 标准。