oil-cbm

سيستم آناليز روغن (OCM)

نمونه گیری در سیستم آنالیز روغن (OCM)

/0 دیدگاه/در /توسط

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.

نت بر اساس پایش وضعیت

پردازش داده در نت بر اساس پایش وضعیت

/0 دیدگاه/در , , , , , , , , /توسط

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

/0 دیدگاه/در , , , , , , , , , /توسط

   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.