
對(duì)于關(guān)鍵資產(chǎn),被動(dòng)的“先拆后修”維護(hù)方法并不奏效,因?yàn)檫@會(huì)使企業(yè)面臨長期停機(jī)和監(jiān)管行動(dòng)的風(fēng)險(xiǎn)。旨在預(yù)測(cè)未來問題的預(yù)防性維護(hù)策略得到更頻繁的應(yīng)用。
但如果你不僅可以預(yù)測(cè)資產(chǎn)退化和故障,還可以獲得量身定制的建議以完全避免問題,那會(huì)怎樣?這正是新一代規(guī)范性維護(hù)系統(tǒng)所承諾的。
什么是規(guī)定性維護(hù)?
規(guī)定性維護(hù)(縮寫為 RxM)是一種利用條件、操作和環(huán)境資產(chǎn)數(shù)據(jù)來預(yù)測(cè)資產(chǎn)故障并提供防止性能下降和優(yōu)化性能的建議的策略。
通過分析大量數(shù)據(jù)儲(chǔ)備,規(guī)范性維護(hù)系統(tǒng)可提供建議,以防止意外停機(jī)、優(yōu)化維護(hù)計(jì)劃、調(diào)整操作條件以及采取其他糾正措施。這樣,您就可以確保資產(chǎn)的高可靠性、可用性、可維護(hù)性和安全性。規(guī)范性維護(hù)系統(tǒng)通過將預(yù)測(cè)分析與運(yùn)營建模、優(yōu)化和模擬算法以及決策的定量方法相結(jié)合來計(jì)算最 佳行動(dòng)方案。
該系統(tǒng)可以超越單個(gè)資產(chǎn)故障分析,著眼于更廣泛的組織影響。例如,它可以評(píng)估上游資產(chǎn)的故障如何影響相關(guān)的下游資產(chǎn)。它還可以顯示公司范圍內(nèi)資產(chǎn)管理計(jì)劃中的錯(cuò)誤習(xí)慣和低效率。在采礦業(yè)的 RxM 采用者中,有 90%表示其對(duì)資產(chǎn)管理和停機(jī)時(shí)間的積極影響是顯著的。
一般來說,規(guī)范維護(hù)系統(tǒng)具有以下技術(shù)組件:
l傳感器和物聯(lián)網(wǎng)設(shè)備不斷匯總有關(guān)資產(chǎn)健康狀況、運(yùn)行參數(shù)和環(huán)境影響的信息,以提供分析數(shù)據(jù)。
l配備高清攝像機(jī)和無損檢測(cè)有效載荷的工業(yè)檢查無人機(jī)可以收集有關(guān)資產(chǎn)外部和內(nèi)部缺陷的額外信息。
l數(shù)據(jù)管理系統(tǒng)充當(dāng)由多個(gè)系統(tǒng)(如物聯(lián)網(wǎng)、資產(chǎn)管理平臺(tái)、SCADA 平臺(tái)和無人機(jī))生成的所有條件、操作和環(huán)境數(shù)據(jù)的中央存儲(chǔ)庫。
l機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法使用收集的數(shù)據(jù)來模擬不同的操作場(chǎng)景并分析大量的“if”和“else”語句,定義最優(yōu)的維護(hù)方法。
l計(jì)算機(jī)化維護(hù)管理系統(tǒng) (CMMS)根據(jù)規(guī)定的建議自動(dòng)執(zhí)行維護(hù)計(jì)劃。
規(guī)范性維護(hù) (RxM) 是預(yù)測(cè)性維護(hù) (PdM)的下一步。PdM 揭示了可能發(fā)生的情況,而 RxM 則指導(dǎo)您應(yīng)該做什么。這兩種策略緊密相連,盡管它們有明顯的差異。
第 一個(gè)區(qū)別是分析范圍。預(yù)測(cè)性維護(hù)就是預(yù)測(cè)未來的風(fēng)險(xiǎn)和故障。規(guī)范性維護(hù)將預(yù)測(cè)與數(shù)據(jù)支持的糾正建議結(jié)合起來。此類系統(tǒng)會(huì)經(jīng)歷多個(gè)“假設(shè)”故障場(chǎng)景,模擬其結(jié)果,并提供量身定制的預(yù)防策略。
因此,PdM 旨在通過預(yù)測(cè)設(shè)備何時(shí)可能發(fā)生故障來最 大限度地減少計(jì)劃外停機(jī)時(shí)間。RxM 通過規(guī)定可以延長設(shè)備壽命和優(yōu)化其性能的措施來提高運(yùn)營效率。
技術(shù)要求是第二個(gè)重要區(qū)別。預(yù)測(cè)性維護(hù)和規(guī)范性維護(hù)系統(tǒng)都需要獲取充足的狀態(tài)監(jiān)測(cè)數(shù)據(jù)、機(jī)器運(yùn)行記錄和維修數(shù)據(jù)。區(qū)別在于后續(xù)的數(shù)據(jù)分析。
預(yù)測(cè)性維護(hù)系統(tǒng)主要依賴于監(jiān)督機(jī)器學(xué)習(xí)方法和統(tǒng)計(jì)方法,如線性回歸或生存分析。規(guī)范系統(tǒng)利用統(tǒng)計(jì)、優(yōu)化和模擬算法以及強(qiáng)化學(xué)習(xí)。
下面是一個(gè)匯總表,比較了預(yù)測(cè)性維護(hù)和規(guī)范性維護(hù)最常用的分析方法。
規(guī)范性維護(hù)旨在簡化一些“最后一英里”的運(yùn)營任務(wù),如工作訂單生成、計(jì)劃協(xié)調(diào)和備件訂購等。人工智能的快速發(fā)展也為自主決策提供了機(jī)會(huì)。
理論上,規(guī)范系統(tǒng)可以根據(jù)預(yù)估的干預(yù)措施采取“自我修復(fù)”措施,向現(xiàn)場(chǎng)邊緣設(shè)備或連接設(shè)備發(fā)送命令,不斷調(diào)整其性能。然而,在實(shí)踐中,很少有運(yùn)營商有信心部署如此程度的自主性。
規(guī)范性維護(hù)仍是一個(gè)發(fā)展中的領(lǐng)域。ML 和 DL 模型需要在工業(yè)環(huán)境中進(jìn)行大量驗(yàn)證,以確保在不同條件下的準(zhǔn)確性能。法規(guī)也抑制了一些熱情。
盡管如此,許多公司逐漸在維護(hù)過程中引入規(guī)范性做法,并取得了很大成功。以下是 RxM 已經(jīng)產(chǎn)生切實(shí)影響的四種情況。
公司擁有大量的狀態(tài)監(jiān)測(cè)數(shù)據(jù)。物聯(lián)網(wǎng)傳感器可跟蹤資產(chǎn)溫度、振動(dòng)、運(yùn)動(dòng)、壓力、濕度和腐蝕性化學(xué)物質(zhì)的存在。
無損檢測(cè)設(shè)備可讓您深入了解表面缺陷和材料退化模式。例如,Voliro T 有六種 NDT 有效載荷可供選擇,可盡早發(fā)現(xiàn)資產(chǎn)損壞。UT 有效載荷可進(jìn)行 A 掃描,測(cè)量厚度損失高達(dá) 2-150 毫米/0.08 – 5.9 英寸,這表明即將出現(xiàn)開裂和腐蝕。我們的PEC 有效載荷可檢測(cè)絕緣層下腐蝕 (CUI),絕緣層厚度高達(dá) 100 毫米。
問題在于,使用傳統(tǒng)策略,大部分信息都未得到充分分析,僅在損壞明顯后才用于糾正性維護(hù)。規(guī)范系統(tǒng)可以幫助您將分散的檢查報(bào)告和獨(dú)立的維護(hù)記錄轉(zhuǎn)換為資產(chǎn)健康狀況的快照視圖。算法可以將異常與潛在故障機(jī)制聯(lián)系起來,并指向可能的觸發(fā)因素。然后建議最 佳的維修或性能優(yōu)化方法。
SesnseHawk 為太陽能發(fā)電場(chǎng)運(yùn)營商開發(fā)了一個(gè)數(shù)字可觀測(cè)性平臺(tái)。一家太陽能工程、采購和施工 (EPC) 公司使用 SesnseHawk 可觀測(cè)性平臺(tái)來識(shí)別施工最后階段的熱缺陷。OBSERVE 使用專有算法分析無人機(jī)收集的圖像,根據(jù)原因或嚴(yán)重程度對(duì)逆變器損壞進(jìn)行分類,并在資產(chǎn)的數(shù)字模型上疊加熱圖。借助這些數(shù)據(jù),EPC 可以加快問題解決速度并提高預(yù)期能源產(chǎn)量。
通過利用大量歷史和實(shí)時(shí)數(shù)據(jù),規(guī)范系統(tǒng)可以識(shí)別可能預(yù)示即將發(fā)生故障的缺陷特征和資產(chǎn)性能變化。
例如,操作員可以根據(jù)聲波信號(hào)接收警報(bào),這些信號(hào)表明應(yīng)力腐蝕開裂或檢測(cè)到溫度峰值,表明存在拉伸應(yīng)力。早期問題識(shí)別可讓您的團(tuán)隊(duì)做好準(zhǔn)備:獲取必要的備件、安排實(shí)地考察,并通知受影響的團(tuán)隊(duì)或客戶計(jì)劃停機(jī)時(shí)間。
這就是 Pan American Energy 采取的主動(dòng)響應(yīng)。該公司的 Aspen Mtell 維護(hù)系統(tǒng)發(fā)出警報(bào),稱由于鼓風(fēng)機(jī)電機(jī)出現(xiàn)裂縫,一臺(tái)蒸汽渦輪機(jī)即將發(fā)生軸向位移故障。在 60 天的通知期內(nèi),PAE 工程師有足夠的時(shí)間規(guī)劃、安排和更換煉油廠的一臺(tái) 60 立方公里/小時(shí)的主鼓風(fēng)機(jī)。
另一個(gè)案例更像是一個(gè)警示故事。一家歐洲煉油廠的真空底部泵發(fā)生了幾次密封和軸承故障。在分析了具有故障特征的歷史數(shù)據(jù)后,Aspen Mtell 估計(jì)了下一次事故的時(shí)間表:密封故障為 28-31 次,軸承相關(guān)故障為 10-28 次。不幸的是,該團(tuán)隊(duì)沒有根據(jù)這些預(yù)見采取行動(dòng),他們的設(shè)備在規(guī)定的時(shí)間點(diǎn)發(fā)生了故障。
定期進(jìn)行資產(chǎn)完整性檢查,并持續(xù)進(jìn)行基于狀態(tài)的監(jiān)控和定期進(jìn)行糾正性維護(hù),可以延長資產(chǎn)的使用壽命。如果您按部就班地做每件事——按時(shí)涂上保護(hù)涂層、潤滑組件并更換磨損的零件——資產(chǎn)的使用壽命將會(huì)更長。然而,問題在于,所有這些“最 佳實(shí)踐”都必須與其他因素(如資產(chǎn)使用率、環(huán)境暴露、使用歷史等)相結(jié)合來執(zhí)行。
規(guī)范分析系統(tǒng)根據(jù)多種壽命因素(包括制造商規(guī)格、行業(yè)標(biāo)準(zhǔn)、過去類似設(shè)備使用經(jīng)驗(yàn)以及當(dāng)前資產(chǎn)狀況)提出維護(hù)建議。實(shí)際上,您可以獲得針對(duì)每項(xiàng)資產(chǎn)的定制維護(hù)計(jì)劃,并隨著新信息的出現(xiàn)不斷更新。
Cutsforth, Inc. 公司的 Preston Johnson 展示了該系統(tǒng)如何用于數(shù)字泵維護(hù)。該公司安裝了傳感器來監(jiān)測(cè)振動(dòng)水平、電機(jī)電流、潤滑、溫度、壓力和流量。數(shù)據(jù)分析有助于定義變化率、平均平均變化以及與泵傳感器性能的相關(guān)性。然后,系統(tǒng)根據(jù)嚴(yán)重程度和緊急程度對(duì)異常進(jìn)行分類,并推薦最 佳維修窗口。借助該系統(tǒng),該公司可以準(zhǔn)確估計(jì)數(shù)字泵的剩余壽命,并最 大限度地減少對(duì)運(yùn)營流程的干擾。
通過規(guī)范維護(hù)工具,資產(chǎn)管理人員可以模擬多種“假設(shè)”場(chǎng)景來預(yù)測(cè)故障、估計(jì)其確切發(fā)生時(shí)間并選擇補(bǔ)救策略。
這樣,您就能解決問題的根本原因,而不僅僅是癥狀。根據(jù)資產(chǎn)壓力源,您可以在不停止運(yùn)營的情況下限制它,也可以在預(yù)先計(jì)劃的維修過程中消除它。無論哪種方式,結(jié)果都是可以防止意外停機(jī)。
Augury開發(fā)了一個(gè)由人工智能驅(qū)動(dòng)的機(jī)器健康評(píng)估平臺(tái)。一旦連接到數(shù)據(jù)源,該算法將檢測(cè)性能異常,解釋其因果關(guān)系,并建議下一步的緩解措施。該系統(tǒng)擁有很高的準(zhǔn)確性,因?yàn)樗鼘@得的數(shù)據(jù)與超過 10 萬條之前監(jiān)測(cè)的類似資產(chǎn)性能記錄的數(shù)據(jù)庫進(jìn)行比較。這些建議基于公司雇用的 20 多名 Cat III 和 IV 振動(dòng)分析師的經(jīng)驗(yàn)。
在一個(gè)案例中,Augury 的解決方案在早期就檢測(cè)到了客戶設(shè)備的故障,并預(yù)先計(jì)算了潛在的停機(jī)時(shí)間——3 周。Augury 的主動(dòng)警告讓維護(hù)人員有時(shí)間訂購備件并進(jìn)行更換。因此,客戶通過消除潛在的停機(jī)時(shí)間節(jié)省了近620 萬美元。
擁有成熟預(yù)測(cè)性維護(hù)計(jì)劃的公司將規(guī)范性維護(hù)視為下一個(gè)前沿。盡管許多 RxM 用例在算法上已經(jīng)可行,但數(shù)據(jù)可用性是一個(gè)主要障礙。
工業(yè)檢查無人機(jī)可以彌補(bǔ)手持式無損檢測(cè)設(shè)備和傳感器網(wǎng)絡(luò)部署的局限性。Voliro T是一款緊湊、機(jī)動(dòng)性強(qiáng)的無人機(jī),專為近距離結(jié)構(gòu)檢查而設(shè)計(jì)。我們?cè)O(shè)計(jì)了六個(gè)可互換的無損檢測(cè)有效載荷,用于在飛行過程中(從字面和比喻意義上)獲取精 確讀數(shù)。火炬煙囪檢查只需 2 小時(shí)即可完成(而使用起重機(jī)則需要 72 小時(shí))。大型工廠的全外部柱和管道檢查可在 3 天內(nèi)完成,而使用傳統(tǒng)方法則需要 8 天。
Voliro 可幫助盡早發(fā)現(xiàn)缺陷,可定位最小 2 毫米(0.08 英寸)的壁厚變薄和最 大 0-1.5 毫米/0-60 密耳的涂層變薄。通過將無人機(jī)收集的數(shù)據(jù)與規(guī)范分析相結(jié)合,您可以更好地了解材料降解模式、預(yù)測(cè)維修需求并應(yīng)用正確的糾正策略。
公眾號(hào) 掃碼咨詢
![]() | 上海市閔行區(qū)中春路4999號(hào)莘莊商務(wù)樓1326室 |
![]() | service@covond.com |
![]() | www.jxetj.com |
![]() | 交換機(jī):18017588179(孫經(jīng)理) 無人機(jī):13311882358(孫總) |