无传感器预测性维护，立即开始使用设备故障数据

您是否曾经在收到报价后停下来查看预测？当考虑单位振动传感器、收集设备和分析系统时，成本很快就会变得令人望而却步。很多网站都忽略了评论，并说“还为时过早”。与此同时，故障仍在继续发生。

然而，远见并不是从安装传感器的那一刻开始的。当你开始正确构建你的简历的那一刻是的。

在本文中，我们将指导您如何在没有昂贵传感器的情况下根据故障历史数据来预测故障，以及您应该针对哪些故障应用预测技术。

基于传感器的预测难以启动的实际原因

还有一些传感器无法检测到的故障类型。

当故障缓慢进展时，传感器会读取它留下的信号。当轴承磨损时，振动逐渐增加，当电机承受应变时，温度升高，并且随着润滑剂变质，油中的金属颗粒增加。当可以定量测量这些故障迹象时，传感器就很有用。

相反，如果在没有警告的情况下发生故障，则没有信号可供读取。这种情况可能发生在由于瞬时过载而导致轴断裂、由于异物而导致链条断裂、或者由于电压波动而导致控制板损坏的情况。即使有信号，如果从检测到失效的时间极短，也无能为力。

在每台设备上安装传感器是不现实的。

覆盖将传感器设备以及收集和分析系统连接到所有应用程序的成本并不容易。引入后还需要专业人员对数据进行监测和分析。在某些情况下，根据公司安全或网络策略，采用本身可能很困难。

这不仅仅是预算问题。 ISO 17359 是机器状态监测的国际标准，它还指导您在引入状态监测之前通过评估变更的重要性来选择目标。全尺寸传感不仅在现实中存在困难，而且国际标准也不推荐。

仅根据历史预测失败的两个案例

① 根据零件更换历史预测下一次故障

整理了输送机电机轴承12个月的更换历史后，揭晓了更换的时机。第0天、第87天、第181天、第272天。间隔时间分别为87天、94天、91天，平均90天左右，偏差小于4天。

小偏差意味着轴承会在使用过程中磨损，并同时失效。换句话说，仅根据历史就可以预测“该轴承将在大约90天内失效”。经理将6个月的定期更换改为80天的先发制人更换，此后非计划故障明显减少。包含 0 个传感器。

但80天更换是基于平均90天的安全裕度，因此早期丢弃仍可使用的部件仍然存在浪费。为了减少这种浪费，需要读取各个设备状态的传感器，但这个例子表明，即使没有传感器也可以充分防止故障。

② 通过分析故障模式进行预测

即使故障间隔不规则，仍然有东西可读。当我整理液压机油缸密封泄漏的历史时，这三个案例都集中在6月至8月期间。虽然三个案例并不算多，不足以下结论，但足以怀疑夏季油温升高是原因。事实上，当我们检查那段时间的液压油温度时，发现它超出了管理标准。

该工厂仅在夏季加强冷却系统，并将密封件更换提前至五月。不是差距什么时候会发生故障？我看到了这个。通过查找条件重叠的点（例如季节、特定产品的生产或工作人员），您可以找到原因。

应该从哪个版本应用历史分析？

优先级是故障频率哇停止时受到打击，可以通过比较两个轴来确定。

停车时经常发生故障并造成严重损坏是重中之重。历史积累很快，马上就可以开始分析，改善效果也是最大的。这包括前输送机轴承。

故障经常发生，但即使停止，影响也很小。也有待分析。即使不紧急，也可以通过匹配更换周期来减少不必要的零件成本和维护工时。

它很少出故障，但一旦停机，整个工厂就会停顿下来。仅历史是有局限性的。因为要达到同样的可靠性需要数年时间。这是一个需要回顾传感器状态监测而不是等待历史积累的领域，也是需要进行上述 ISO 17359 重要性评估的点。

故障很少见，即使停止，损失也很小。发生故障后才做出反应更为合理。管理成本可能超过收益。

但是，我们必须有历史记录才能知道我们的设备对应于该表的哪一列。在历史成为预测材料之前，它是决定使用何种维护策略的基础。

我应该建立多少历史以及以什么形式？

通常建议建立大约 6 到 12 个月的历史记录，但这可能会根据每种情况的故障数量而有所不同。对于经常发生故障的零件（例如上面的输送机轴承示例），九个月内仅发生四次故障就创建了有意义的模式，但对于不经常发生故障的大型部件，可能需要几年时间才能达到相同的可靠性。病例数越少，预测范围越宽。四个案例不是结论，而是方向，准确性随着历史的积累而增加。

在建立历史时，无论谁记录，都必须保留相同的信息。如果记录没有按单位分组，或者每个负责人的表述不同，那么无论有多少个案例，都很难区分故障是否相同。以下是必须记录的信息。

• 设备·零件标识符

• 更换或维修日期

• 故障现象及动作细节

• 使用的零件

但这个条件单靠负责人的诚意是很难做到的。这是因为在现场完成操作和返回办公室并根据记忆输入信息之间会发生遗漏。最近，还有面向移动设备的CMMS（综合管理系统），可以让您轻松地在现场立即记录历史。如果您扫描设备上附带的二维码并当场填写指定项目，即使负责人不同，也会自动留下标识符和日期，并累积相同形式的历史记录。

传感器是在历史累积之后。

基于历史数据的预测不能完全取代基于传感器的监测。传感器是确定个人当前所处状态的唯一方法。

但是，如果顺序颠倒，则不起作用。如果先安装传感器，数据将会累积，但无法确定该信号是否是故障的先兆。预测模型是在与过去失败的情况、时间和方式的记录配对时进行训练的。这就是为什么从维护历史不佳的传感器开始的项目无法取得成果。

一位大公司负责转换科学的经理在讨论故障预测项目时这样总结，他说，首要任务是持续记录现场的故障历史。 “前提是工厂必须做好变更记录。这样数据才能积累。”

最后，答案就是你从今天开始构建的历史。

无论是否安装传感器，起点都是历史。传感器只能检测到有限数量的故障，并且无法在所有情况下修复它们。

即使确定哪种转换需要传感器也只能通过历史记录来完成。

历史不是次优解决方案，而是远见的起点。如果您还没有准备好预算或人力也没关系。

从今天开始，只要保留适当的记录，远见就已经开始了。

好文章，接下来要读

如果您将历史记录存储在 Excel 中但未对其进行分析 👉 【设备管理历史记录，为什么在Excel中不能正常累计？ 【我们先看一下结构】

如果你想计算当设备停止一次时你损失了多少，👉 【停机成本计算器及节省方法汇总】

如果您对适合我们工厂的预测方法感到好奇，申请咨询生物技术专家这也是可能的。

参考资料

1. ISO 17359:2018, Condition monitoring and diagnostics of machines — General guidelines