condition-monitoring پایش وضعیت CM

دانلود رایگان کتاب «نگهداری و تعمیرات پیش بینانه پمپھا با پایش وضعیت»

نگهداری و تعمیرات پیش بینانه پمپھا با پایش وضعیت

 تألیف: Raymond S.Beebe ترجمه: غلامرضاکاظمی نشر : 1393 

 

کتاب نگهداری و تعمیرات پیش بینانه پمپھا

کتاب نگهداری و تعمیرات پیش بینانه پمپھا

کتاب «نگهداری و تعمیرات پیش بینانه پمپھا با پایش وضعیت» توسط آقای «ریموند اس بیبه» تهیه شده است. ترجمه این کتاب را مهندس فرهیخته آقای غلامرضا کاظمی در سال 1393 انجام دادند و آن را نیز به صورت الکترونیکی منتشر کردند. این کتاب الکترونیکی را ایشان از طریق سایت ام پدیا منتشر و در اختیار علاقه مندان نگهداری و تعمیرات قرار داده است.

لیست فصل های این کتاب  ارزشمند «نگهداری و تعمیرات پیش بینانه پمپھا با پایش وضعیت» در ادامه آمده است.

 فصل اول:  پایش وضعیت و سهم آن در نگهداری و تعمیرات (نت)

فصل دوم:  عملکرد پمپ و اثر سایش

فصل سوم:  آنالیز عملکرد و تست پمپها برای مراقبت وضعیت

فصل چهارم: آنالیز عملکرد و کاربرد آن برای بهینه کردن زمان تعمیرات اساسی

فصل پنجم:  روش های دیگر آنالیز عملکرد برای پایش وضعیت پمپ

فصل ششم:  آنالیز ارتعاش پمپ‌ها پایه

فصل هفتم:  آنالیز ارتعاش پمپ‌ها متدهای پیشرفته

فصل هشتم:  دیگر استفادههای اطلاعات پایش وضعیت

فصل نهم:  روشهای دیگر مراقبت وضعیت

فصل دهم:  پمپهای جابجایی مثبت

فصل یازدهم:  موردکاوی در پایش وضعیت پمپها

این کتاب را از لینک زیر دانلود کنید.

دانلود کنید

 در فصل اول کتاب نگهداری و تعمیرات پیش بینانه پمپھا آمده است:

هدف نت

هدف بنیادی نت در هر تجارتی فراهم کردن ظرفیت لازم برای تولید در پایینترین قیمت است. باید کارکرد نت را از نقطه نظر قابلیت اطمینان سنجید، نه به عنوان کارکردی تعمیراتی.

“تولید” دلیل وجود هر سازمانی است. تولید برای کارخانه های تولیدی یا فرآیندی آشکار است، اما سازمانهای دیگری نظیرساختمان سازی، بیمارستان، ارتش و حمل و نقل، نیاز به اندازهگیری خروجی یا بهبود موثر خاص خودشان دارند یعنی همان شاخصهای کلیدی عملکرد  (KPI) کار نت عبارتست از تعویض ماشین اصلی یا ارتقا آن، که اغلب واقعا پروژه های کاری اصلی به شمار میروند.

قابلیت اطمینان آنچه ماشین باید انجام بدهد  در وقتی که لازم است را اندازه گیری میکند.  از نظر آماری، قابلیت اطمینان احتمالی است که ماشین آنچنانکه برای دوره زمانی مورد نظر لازم است در خط تولید باقی بماند که تابعی از طراحی ماشین،  مواد اولیه مورد استفاده، کیفیت طراحی، کیفیت ساخت و فلسفه نت است.

قابلیت اطمینان بالاتر، هزینه بالاتر ساخت ماشین و احتمالا هزینه بالاتر نگهداشت آن در سرویس را به دنبال خواهد داشت اما نقطه بهینه مشخصی وجود دارد. کوتاه سخن اینکه، قابلیت اطمینان پایینتر یعنی افزایش هزینه تولید، یا ناتوانی در رسیدن به تقاضای مورد نیاز، مگر با هزینه بیشتر.   به عبارت دیگر، با افزایش قابلیت اطمینان و در نهایت تولید و با به تعویق انداختن هزینه های اصلی کارخانه در نهایت میتوان به صرفه جویی رسید.

میتوان هدف بنیادی نت را به عنوان مشارکت در رسیدن به تولید و اهداف سودمند سازمان با نگهداشت قابلیت اطمینان در سطح مطلوب، به همراه ایمنی نفرات و کارخانه بیان کرد. نت ابزار استراتژیکی برای تجارت تا رسیدن به امتیاز رقابتی به حساب میآید. بیان شده است که تنها 10 تا 20 درصد ماشینها به عمر طراحیشان میرسند، لذا کار وسعت زیادی دارد!

 

حسگرهای اندازه گیری

حسگرهای اندازه گیری انبساط حرارتی expansion sensors

Picture5   انبساط حرارتی در توربوماشین های بخار منجر به جابجایی نسبی آنها نسبت به فونداسیون می شود که اصطلاحاً انبساط مطلق پوسته نامیده می گردد. برای کارکرد صحیح ماشین بسیار مهم است که این پدیده به صورت منظم و در یک وضعیت ثابت و یکنواخت و بدون بی نظمی انجام گیرد. اهمیت این موضوع باعث شده است که این پارامتر به صورت پیوسته در توربوماشین های سایز متوسط و بزرگ اندازه گیری و بررسی گردد. امروزه سنسورهای القایی برای این کار مورد استفاده قرار می گیرند. در مقایسه با پتانسیل سنج های خطی که قبلاً برای اینکار مورد استفاده قرار می گرفتند، سنسور های القایی بدون اصطکاک جابجایی را به پارامتر اندازه گیری شده تبدیل می کنند و سیستم از رطوبت و وجود روغن و …. محافظت می شود. معمولا دو سنسور که در دو طرف بدنه در سمت چپ و راست قرار داده می شود، هر انحراف و جابجایی موقعیت بدنه  شناسایی می کند.

سیستم های حسگر انبساط مربوط به بدنه معمولاً روی فونداسیون در انتهای مخالف از جایی که بدنه توربین به فوندانسوین متصل است نصب می گردد و اطلاعاتی در مورد رشد اندازه بدنه ماشین نسبت به فوندانسوین به ما می دهد. انبساط بدنه پارامتری است که باید توسط جفت حسگر اندازه گیری شود و اطلاعاتی در مورد لغزش پایه روی بدنه ماشین تولید می کند.

پارامتری که توسط این سنسور اندازه گیری می شود می تواند مشخص کند بدنه ماشین و روتور هر دو با سرعت تقریباً یکسانی رشد دمایی دارند. سرعت رشد دمای متفاوت بین بدنه و روتور باعث می شود که بخش دوار و ساکن ماشین دچار سایش شود.  

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

سيستم آناليز روغن (OCM)

نمونه گیری در سیستم آنالیز روغن (OCM)

OCM Sampling Mpedia

 

مولفین: احسان سلیمی و سید مجتبی حسنیان

5 موضوع مهم پیرامون نمونه گیری جهت آنالیز روغن را در ادامه پست مطالعه فرمائید:

1-     انتخاب مناسب ماشین برای آنالیز روغن

با توجه به اینکه نمونه گیری برای آنالیز روغن هزینه بر است، لذا نمونه گیری از همه تجهیزات و ماشین آلات موجود در کارگاهی که صدها ماشین در حال کار می باشد مقدور نیست. بهترین روش برای رسیدن به این هدف انتخاب ماشین آلاتی است که آنالیز روغن در آنها ضروری است. بر ای این منظور باید میزان حساسیت نهایی ماشین (Overall Machine Criticality)  و میزان نهایی حساسیت روغن (Overall Lubricant Criticality) که براساس شکست روانکار و ماشین تعریف می شوند برای هریک از ماشین ها و روانکار مورد استفاده در آن تعیین شود. نکته کلیدی و حائز اهمیت این است که گاهی فقط پیدا کردن آثاری از سایش در ماشین آلات حساس می تواند هزینه پروسه آنالیز روغن را توجیه کند.

2-     ابزار و ظروف تمیز و مناسب برای نمونه گیری

یکی از اصلی ترین موضوعات در فرآیند نمونه­گیری حداقل کردن آلودگی­های محیطی در نمونه­ها می­باشد. لذا استفاده از ابزار مناسب نمونه گیری و اطمینان یافتن از تمیز بودن تجهیزات امری حیاتی است. بطری­های نمونه گیری باید در یکی از سطوح نظافتی تمیز(Clean)، خیلی تمیز (Superclean) و فوق العاده تمیز (Ultraclean) طبقه بندی گردد. همچنین مسیر انقال نمونه از ماشین به ظرف نیز باید عاری از هرگونه آلودگی باشد. زیرا در آنالیز روغن وجود مقادیر بسیار کم آلودگی هم می تواند باعث ایجاد نگرانی در خصوص سلامت تجهیز شود و اگر در فرآیند نمونه گیری نمونه در معرض آلودگی قرار گیرد، نتایج آنالیز می تواند به اشتباه بیانگر سطح بحرانی برای تجهیز گردد که این مساله می تواند باعث صرف هزینه های زیادی برای تعویض قطعات و روانکار شود.

3- انتخاب صحیح محل های نمونه گیری و فرکانس نمونه گیری

محل دقیق نمونه گیری باید با دقت و بررسی کافی انتخاب شود تا نتایج آزمایش بتواند بیانگر تمام نواحی روانکاری شود، از سوی دیگر لازم است تا بازه زمانی نمونه گیری نیز به درستی انتخاب شود؛ زیرا انتخاب بازه زمانی کوتاه برای نمونه گیری و آنالیز روغن هزینه اضافه به سازمان تحمیل میکند، و بازه زمانی طولانی هم نمی تواند به موقع هشدار لازم جهت اقدام اصلاحی یا پیشگیرانه را فراهم کند و نمی تواند باعث جلوگیری از بروز افت توانایی تجهیزات و یا توقف اضطراری دستگاه گردد. لذا هم محل مناسب نمونه گیری و هم پریود زمانی مناسب نمونه گیری در فرآیند نمونه گیری کارآمد تاثیرگذار هستند.

4- روش نمونه گیری مناسب

در حین فرآیند نمونه گیری نمونه روغن می تواند به طرق مختلف آلوده گردد یا دچار تغییر شود؛ استفاده از بهترین روش حفظ و نگهداری نمونه روغن از ابتدای فرآیند نگهداری تا انتهای فرآیند بسیار حائز اهمیت است. لذا لازم است این فرآیند به صورت سیستماتیک اجرا شود و ضروریست این پروسه به صورت یک فرآیند استاندارد تعریف و تبیین شود و همواره از آن پیروی کرد.

5-  ارسال سریع نمونه روغن به آزمایشگاه

روغن و و سایر روان کننده های درون ماشین آلات همواره در بردارنده اطلاعات زیادی از وضعیت گذشته، کنونی و آینده تجهیز هستند، لذا ممکن است بدون بروز علائم و آثار آشکار در روند کاری ماشین آلات خرابی یا شکست در ماشین آلات در حال آغاز باشد که نیاز به رسیدگی و اقدام فوری دارد؛ آنالیز روغن می تواند هشدار به موقع جهت جلوگیری از افت عملکرد یا خواب تجهیز را بدهد. لذا ضروریست در اولین فرصت پس از تهیه نمونه روغن اقدام به ارسال نمونه به آزمایشگاه نمود تا در صورت نیاز با توجه به نتایج آزمایشات اقدام اصلاحی با پیشگیرانه متناسب را اجرا نمود و بدین طریق از هزینه های احتمالی که می تواند در صورت خرابی دستگاه وارد شود، شامل هزینه های مربوط به تعمیرات و هزینه های ناشی از توقف، جلوگیری کرد.

 

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

پیش بینی در نگهداری و تعمیرات

اتوماسیون تصمیم گیری های نگهداشت و تعمیرات با روش های هوش مصنوعی

   امروزه مرز دانش به سطحی از پیشرفت دست یافته است که ایجاب می کند بیشتر تصمیم گیری ها و اعلام نظرها با تکیه بر روشهایی انجام شود که در کمترین زمان بهینه ترین و دقیق ترین جواب را اعلام می کنند. صنعت رو به سمتی پیش می رود که در آن تجربیات و دانش اندوخته شده افراد متخصص به صورت مجموعه ای از اطلاعات پایه گردآوری شده و با در نظر گرفتن تمام جوانب امر یک تصمیم دقیق و کامل و بهینه اعلام گردد.Molecular Thoughts

   تصمیم گیری های تشخیص و پیش بینی در مقوله نگهداشت و تعمیرات از این قاعده مستثنی نبوده و در سال های اخیر تلاش های فراوانی برای به کارگیری روش های مختلف هوش مصنوعی در این زمینه صورت گرفته است. تکنیک های هوش مصنوعی به صورت گسترده ای برای تشخیص و یا پیش بینی خرابی های ماشین های دوار به کار گرفته شده اند و نتیجه بهتری نسبت به روش های مرسوم قدیمی از طریق آنها بدست آمده است. نکته حائز اهمیت در به کارگیری تکنیک های هوش مصنوعی، داشتن یک اطلاعات پایه ای به عنوان داده های آموزش می باشد که معمولاً در عمل به دلیل عدم وجود این داده ها، به کار گیری تکنیک های هوش مصنوعی به چالش کشیده می شود.

   در ادبیات فن تکنیک های معروف در زمینه هوش مصنوعی شامل شبکه های عصبی مصنوعی، سیستم های منطق فازی،شبکه های عصبی فازی، و الگوریتم های اکتشافی و …. می باشد. برای نمونه روش شبکه های عصبی مصنوعی یک مدل محاسباتی است که بر اساس ساختار و عملکرد مغز انسان طراحی شده است. در این روش لایه ها و نورون هایی که مصداق کار نورون های واقعی مغز را دارند تعیین و طراحی می شود تا این شبکه مصنوعی بتواند به بهترین نحو و بر اساس داده های آموزش مانند مغز انسان یک تصمیم گیری دقیق را انجام دهد.  

   مقوله به کارگیری روش های هوش مصنوعی در این زمینه بسیار گسترده می باشد و نمی توان به یک توضیح متخصر در مورد آن اکتفا کرد. در واقع صنعت به سمت آینده ای پیش می رود که تمام دانش و تجربه افراد متخصص و اطلاعاتی که از ساختار ماشین آلات به دست آمده برای گرفتن بهترین و دقیق ترین و کامل ترین تصمیم در زمینه تشخیص و پیش بینی خرابی، به کار گرفته شوند و در انتها یک تصمیم صحیح برای کار نگهداشت بر پایه پایش وضعیت اعلام گردد.

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

نگهداشت و تعمیرات در CBM

تصمیم گیری نگهداشت و تعمیرات در CBM

   مرحله آخر در یک برنامه نگهداری و تعمیرات بر پایه پایش وضعیت decision-makingCBM  ،تصمیم گیری تعمیراتی و نگهداشت می باشد. تصمیمات مفید و تاثیر گذار برای اعمال عملیات نگهداشت و تعمیرات بسیار تعیین کننده است. تکنیک های نگهداشت و تعمیرات در هر برنامه CBM به دو شاخه اصلی تقسیم می شوند که شامل تشخیص و پیش بینی می باشند.

   همان طور که در پست های قبلی بدان اشاره شد، مفهوم  تشخیص بر روی کشف، تفکیک و شناسایی خرابی هایی که به وقوع پیوسته تاکید دارد. اما در پیش بینی تلاش بر این است تا خرابی و از کار افتادگی پیش از وقوع تشخیص داده شود. واضح است که کار پیش بینی به کار تشخیص تقدم دارد. اما هیچ وقت پیش بینی نمی تواند جای تشخیص را بگیرد، چرا که بعضی از خرابی ها قابل پیش بینی نیستند. همچنین همیشه به طور 100% نمی توان اعلام کرد که یک خرابی در حال وقوع می باشد. از سوی دیگر کار تشخیص از این نظر که می تواند داده های مناسبی برای ساختن مدل مناسب برای کار پیش بینی باشد بسیار سود مند بوده و مکمل آن خواهد بود.

   پس به طور خلاصه می توان CBM را به مراحل: داده برداری، پردازش داده و در نهایت تصمیم گیری نگهداشت و تعمیرات تقسیم بندی نمود. البته امروزه با پیشرفت تکنولوژی و به روی کار آمدن روش های هوشمند، مفهموم تشخیص خرابی شامل  کار داده برداری ، پردازش داده، استخراج ویژگی و کلاس بندی داده ها می باشد و در مفهوم پیش بینی خرابی علاوه بر موارد اشاره شده عمر مفید باقی مانده را نیز تخمین زده می شود.

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

نت بر اساس پایش وضعیت

پردازش داده در نت بر اساس پایش وضعیت

downloadاولین مرحله از کار پردازش داده (Data processing) پاک سازی داده (Data cleaning) میباشد. این مرحله، بسیار مهم است از این نظر که داده به خصوص داده های رخداد (Event Data) معمولا شامل خطا و نویز می باشند. این داده های پاک سازی شده می توانند برای تحلیل های بعدی و مدل سازی مورد استفاده قرار بگیرند. خطای موجود در داده ها می تواند شامل خطای شخص در وارد کردن داده ها به صورت دستی باشد ( که در داده های رخداد خیلی به وقوع می پیوندد) و خطای موجود در داده های پایش وضعیت که می تواند شامل خطای اندازه گیری مربوط به سنسور ها باشد. فیلتر سازی داده ها از نویز و خطاهای دستی موضوع بسیار گسترده ای است که در مباحث تخصصی تر بدان پرداخته خواهد شد. مرحله بعدی در پردازش داده، تحلیل داده (Data analysis) نام دارد. مدل ها، الگوریتم ها و ابزار متنوعی برای تحلیل داده به جهت درک و تفسیر بهتر در پیشینه پژوهشی مورد استفاده قرار می گیرد. این روش ها و انتخاب آنها بستگی به نوع داده های جمع آوری شده دارد. داده های پایش وضعیت که در مرحله جمع آوری داده بدست آمده اند، متنوع بوده و به سه دسته کلی تقسیم می شوند:

داده از نوع مقدار (Value Type): داده های که در بازه های زمانی مشخصی اندازه گیری می شوند و تنها شامل یک مقدار می باشند، مانند داده های تحلیل روغن، دما، فشار و رطوبت

داده از نوع شکل موج (Waveform type): داده هایی که در بازه های زمانی مشخصی اندازه گیری می شوند و به صورت سری های زمانی می باشند و شکل موج زمانی هم نامیده می گردند. مانند داده های ارتعاشی، داده های آکوستیک و …

داده از نوع چند بعدی (multi dimension type):داده هایی که در بازه های زمانی مشخصی اندازه گیری می شوند و به صورت چند بعدی می باشند مانند داده های تصوری (Image data) که می توانند شامل ترموگرافی مادون قرمز، تصویر حاصل از اشعه X و … می باشند.

پردازش داده برای داده های شکل موج و داده های چند بعدی، پردازش سیگنال (signal processing) نیز نامیده می شود. روش های پردازش سیگنال بسیاری برای پردازش داده ها جهت استفاده های آتی با اهداف تشخیص و پیش بینی عیوب مورد استفاده قرار می گیرند. به پروسه استخراج اطلاعات مفید از سیگنال های خام استخراج ویژگی (Feature extraction) می گویند. البته روش های پردازش سیگنال مربوط به داده های چند بعدی بسیار پیچیده تر از داده های شکل موج می باشد. در زمینه پردازش داده های چند بعدی از روش پردازش تصویر (Image processing) برای استخراج ویژگی های مفید استفاده میشود. در ادبیات فن سه حوزه اصلی برای تحلیل داده های شکل موج ( سری زمانی) وجود دارد که شامل: تحلیل حوزه زمان (Time domain analysis) تحلیل حوزه فرکانس (Frequency domain analysis) تحلیل حوزه زمان- فرکانس (Time- frequency domain analysis) می باشد.

 

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

داده برداری در نت بر اساس پایش وضعیت

   داده برداری به پروسه جمع آوری و ذخیره سازی داده های مفید ( اطلاعات) از دارایی های فیزیکی هدف دار (targeted physical asset) بهdata-collection منظور انجام کار تعمیرات بر اساس پایش وضعیت CBM گویند. داده برداری جزو لاینفک هر برنامه CBM در تشخیص و پیش بینی خرابی های ماشین الات به حساب می آید. داده هایی که برای هر برنامه تعمیرات بر اساس پایش وضعیت CBM جمع آوری می شود، به دو دسته کلی تقسیم می شود: داده های رخداد، داده های پایش وضعیت.

   داده های اتفاق یا رخداد شامل اطلاعات مربوط به چیزی است که اتفاق افتاده است ( مانند نصب، از کار افتادگی، تعمیرات اساسی و … و دلایل مربوط به آن) و همچنین چیزی که انجام شده است ( مانند تعمیرات کوچکتر، تعمیرات پیشگیرانه، تعویض روغن و …) که بر روی دارایی های فیزیکی هدف گذاری شده انجام گرفته است.

   داده های مربوط به پایش وضعیت دارای ابعاد زیادی هستند. این داده ها شامل داده های ارتعاشی، داده های آکوستیک، داده های آنالیز روغن ، دما، فشار، بخار، رطوبت، داده های آب و هوی محیطی و .. می باشد. سنسورهای متعددی از جمله سنسورهای میکرو، سنسورهای آلتراسونیک، سنسور های انتشار آکوستیک ( صدا) و …برای جمع آوری انواع مختلف داده طراحی شده اند. هر دو نوع داده های رخداد و داده های پایش وضعیت به نوبه خود در کار CBM اهمیت زیادی دارند.

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

نت بر اساس پایش وضعیت (CBM)

تشخیص (Diagnostics) و پیش بینی (Prognostics)

نت بر اساس پایش وضعیت (CBM) یک برنامه تعمیراتی است که اقدامات تعمیراتی را بر اساس اطلاعاتی انجام می دهد که از طریق پایش وضعیت دستگاه به دست آورده است. تلاش CBM   بر این است تا از تعمیرات غیر ضروری اجتناب کند به نحوی که این اقدامات تنها زمانی که شواهدی از تغییرات فیزیکی در سیستم مشاهده شد صورت بگیرد. یک برنامه CBM اگر به طور صحیح مستقر شده و به صورت مؤثر اعمال گردد می تواند هزینه های تعمیرات را با کاهش تعداد تعمیرات غیر­ضروری در برنامه ریزی تعمیرات پیشگیرانه ، کم کند.

یک برنامه CBM شامل سه مرحله اصلی است:

1)  مرحله داده برداری ( جمع آوری اطلاعات) برای یافتن وابستگی سلامت سیستم به داده های جمع آوری شده

2)  مرحله پردازش داده ( استخراج اطلاعات) : برای استخراج ویژگی و تحلیل داده ها و یا سیگنال هایی که در مرحله اول جمع آوری شده است تا بتوان مسئله را بهتر درک و تفسیر کرد.

3)  مرحله تصمیم گیری تعمیراتی ( تصمیم گیری) : برای ارائه خط­مشی سودمند تعمیراتی

تشخیص Diagnostics و پیش بینی prognostics دو مقوله مهم در برنامه CBM می باشند. تشخیص زمانی زمانی صورت می گیرد که یک خرابی به وقوع پیوسته باشد. این شناسایی سه مرحله دارد:

1)کشف: detection

بر این نکته تاکید دارد که چیزی در ماشینی که مورد پایش قرار گرفته درست کار نمی کند.

2)جداسازی: Isolation

مشخص کردن محلی که قسمت خراب ماشین در آنجا قرار دارد.

3)شناسایی: Identification

تعیین اساس خرابی که در مرحله اول کشف شده است

اما موضوع پیش بینی Prognostics وجود خرابی احتمالی را پیش گویی می کند. پیش بینی خرابی یعنی اینکه تعیین شود گه آیا خرابی قریب الوقوع است یا نه و همچنین تخمین زده شود که تا چه زمانی و به چه صورتی خرابی اتفاق خواهد افتاد

در واقع Diagnostics یک تحلیل بعد از وقوع حادثه و Prognostics یک تحلیل قبل از وقوع حادثه می باشد. با این وجود کار تشخیص در بطن کار پیش بینی نیز مورد نیاز خواهد بود.

 در واقع چارچوب کلی سیستم تشخیص به خصوص به صورت علمی شامل سیستم داده برداری (data collection system)، پردازش سیــــگنال (signal processing) ، مرحله استخـــــراج ویژگی (Feature extraction) و اطلاع داشتن در مورد اساس خرابی هاست که می تواند از اندوخته های اشخاص متخصص و خبره، از مدل فیزیکی و همچنین از روند تغییرات داده های سیستم در گذشته استخراج گردد. در حالی که در مقوله پیش بینی prognostics چند مرحله دیگر علاوه بر مواردی که برای تشخیص ذکر شد مورد نیاز خواهد بود. در پیش بینی علاوه بر مرحله استخراج ویژگی و داشتن اطلاع از پیشینه و گذشته کاری دستگاه، ارزیابی عملکرد ماشین و همچنین مدل های فروپاشی ماشین (degradation models) ، تحلیل خرابی (failure analysis) و در نهایت پیش گویی(prediction)  برای اجرای کار پیش بینی مورد نیاز است. مدل های فروپاشی دستگاه و ارزیابی عملکرد آن می تواند بیان کند که شرایط سلامت ماشین چگونه است و مدلی که قرار است ماشین پیرو آن مدل از هم بپاشد را تعیین می نماید. الگوریتم های پیشگویی اکثراً از روشهای علم آمار یا تئوری های تحلیل سری های زمانی و یا از تکنولوژی هوش مصنوعی استخراج شده اند. با تحــــلیل خرابی failure analysis و مدیریت سلامت health management می توان تعیین کرد که ماشین چه زمانی به حد غیر قابل قبولی از لحاظ نحوه عملکرد تنزل کرده است.

در نتیجه سوالاتی که در روش پیش بینی  Prognosticتلاش می شود تا پاسخ داده شود به ترتیب زیر است:

  • اکنون ماشین “چگونه” کار می کند؟(ارزیابی عملکرد دستگاه) How
  • ماشین “چه زمانی” فرو پاشیده و کاملاً متوقف می شود؟(محاسبه عمر مفید باقی مانده) When
  • “چه نوع” خرابی های اولیه ای وجود دارد که منجر به از کار افتادگی دستگاه می شود؟  What
  • “چرا”  خرابی به وقوع می پیوندد؟  Why

 لذا برای اعمال استراتژی پیش بینی در تعمیرات چهار سوال اساسی مطرح است:

چگونه- چه زمانی- چه نوع- چرا

آیا شما به عنوان متخصص پایش وضعیت و قابلیت اطمینان این سوالات را از خود می پرسید؟

Picture5

نت بر پایه پایش وضعیت

نت بر پایه پایش وضعیت (Condition Based Maintenance: CBM)

پایش وضعیت ماشین آلات (Machine condition monitoring)  مهم ترین بخش از تعمیرات بر پایه پایش وضعیت(Condition Based Maintenance: CBM) می باشد که به عنوان سودمند ترین استراتژیبرای اعمال کارهای تعمیراتی در سطح وسیعی از صنایع مختلف شناخته شده و مورد استفاده قرار می گیرد.

photo_2015-10-26_22-14-17

در ابتدا ماشین آلات به صورت کارکرد تا توقف (Run to Break) مورد استفاده قرار می گرفتند که در این نوع استراتژی تعمیراتی، با وجود اینکه بیشترین فاصله زمانی بین زمان توقف(Shutdowns)  دستگاه ها به وجود می آمد، اما از طرف دیگر همین استراتژی موجب خرابی های فاجعه باری می شد که صدمات جبران ناپذیری از نظر امنیت جانی، خسارات تولید و هزینه تعمیراتی به همراه داشت.

اولین واکنش برای جلوگیری از این خسارات، اجرای تعمیرات پیشگیرانه(Preventive maintenance)  بود که در آن تعمیرات در بازه های زمانی مشخصی صورت می گرفت. این بازه های زمانی به گونه ای انتخاب می شدند که تنها احتمال به وقوع پیوستن خرابی های کوچکی در آن بازه وجود داشته باشد. اما این استراتژی هم از طرف دیگر باعث می شد که تعمیرات بیشتر از حدی که لازم است انجام می گرفت و گاهاً دستگاه ها بدون اینکه نیاز به تعمیرات داشته باشند تعویض می شدند که البته از نظر اقتصادی برای صنایع به صرفه نبود.

دلایل و شواهد زیادی وجود دارد که نشان می دهد CBM باعث پیشرفت های اقتصادی در صنایع مختلف شده است. در تحقیقات فراوانی  CBM به عنوان روشی معرفی شده که می تواند کارهای تعمیراتی را به یک مرکز سود دهی برای صنایع تبدیل کند. طبق این تحقیقات ماشین آلات متعددی با اتخاذ تصمیم های تعمیراتی بر اساس استراتژی CBM توانسته اند نگهداری و از خرابی کامل و از رده خارج شدن محافظت گردند.

 تعمیرات بر پایه پایش وضعیت(Condition Based Maintenance: CBM) چیست؟

چگونه می توان استراتژی  CBMرا در واحد های مختلف صنعتی به مرحله اجرا در آورد؟

چه مراحلی برای اجرای استراتژی CBM باید طی شود؟

تعمیرات بر پایه پایش وضعیت (CBM) یک برنامه تعمیراتی است که تصمیمات تعمیراتی بر پایه اطلاعات بدست آمده از پایش وضعیت را پیشنهاد می کند. این نوع تعمیرات شامل سه مرحله می باشد: داده برداری، پردازش داده و در انتها تصمیم گیری تعمیراتی. تشخیص (Diagnostics) و پیش بینی (Prognostics) دو جنبه مهم از برنامه تعمیرات بر پایه پایش وضعیت محسوب می شوند. در سال های اخیر تحقیقات در مورد CBM به صورت فزاینده ای رو به رشد می باشد. مقالات متعددی شامل تئوری و کاربردهای این روش در مقالات علمی، کنفرانس ها و در گزارشات فنی به چاپ رسیده است. در این دانشنامه تلاش بر این خواهد بود که به توضیح در مورد مراحل مختلف اجرای استراتژی CBM هم از دید علمی و هم از دید صنعتی پرداخته شود.

 

شما می توانید با ذکر نام منبع (سایت دانشنامه نت) و لینک سایت (www.mpedia.ir) این مطلب را باز نشر دهید.

نگهداری و تعمیرات مبتنی بر وضعیت (Condition Based Maintenance) چیست؟

فروم نت مبتنی بر پایش وضعیت CBM

معرفی فروم نت مبتنی بر پایش وضعیت CBM

CBM forumامروز شما را دعوت می کنم به بازدید از فروم تخصصی نت بر اساس وضعیت یا به قول طراح فروم «انجمن تخصصی مهندسی نگهداری وتعمیرات بر اساس وضعیت».

بروی لینک زیر کلیک کنید، ان شا ا.. که مفید باشد و بتوانید از بحث و تبادل نظر با کارشناسان این مبحث جذاب بهره لازم را ببرید.

فروم «انجمن تخصصی مهندسی نگهداری وتعمیرات بر اساس وضعیت» = CBMSchool Forums