การบำรุงรักษาเชิงคาดการณ์และข้อมูลเซ็นเซอร์

กำไร:

• ความสามารถในการรับรู้แนวคิดของการบำรุงรักษาเชิงคาดการณ์ ตัวบ่งชี้การสั่นสะเทือน/อุณหภูมิ และโหมดความล้มเหลวทั่วไป
• ความสามารถในการกำหนดค่าการวิเคราะห์ความผิดปกติ แนวโน้ม และความถี่ลักษณะเฉพาะในอนุกรมเวลาของเซ็นเซอร์ด้วย AI
• ความสามารถในการตรวจสอบการตีความ AI ด้วยกลไกความล้มเหลวทางกายภาพ การสอบเทียบ และการตรวจสอบภาคสนาม

การบำรุงรักษาเชิงคาดการณ์เป็นหนึ่งในแอปพลิเคชันที่ให้ผลตอบแทนสูงสุดในโรงงานโดยการลดเวลาหยุดทำงานตามแผนและป้องกันการทำงานผิดพลาดที่ไม่คาดคิดโดยการตรวจสอบสภาพของเครื่องจักรอย่างต่อเนื่องและคาดการณ์ความล้มเหลวก่อนที่จะเกิดขึ้น แทนที่จะใช้แนวทางคลาสสิก "ซ่อมเมื่อเครื่องเสีย" หรือ "เปลี่ยนตามกำหนดเวลา" เราจะอ่านสถานะที่แท้จริงของเครื่องจากข้อมูลเซ็นเซอร์ เช่น การสั่นสะเทือน อุณหภูมิ กระแสไฟ และเสียง ปัญญาประดิษฐ์ (AI) มีประสิทธิภาพมากในด้านนี้: การตรวจจับความผิดปกติ (ความเบี่ยงเบนจากปกติ) ในข้อมูลอนุกรมเวลา การวิเคราะห์แนวโน้ม การตีความความถี่ข้อบกพร่องที่เป็นลักษณะเฉพาะ และการสร้างรายงาน แต่ “ความผิดปกติที่อาจเกิดขึ้น” ที่ได้รับจาก AI นั้นเป็นเพียงสมมติฐาน ไม่ใช่การวินิจฉัย เซ็นเซอร์อาจเสีย การปรับเทียบอาจปิดอยู่ ข้อมูลอาจมีสัญญาณรบกวน และ AI อาจกำหนดความหมายให้กับรูปแบบที่ไม่ใช่ทางกายภาพ การตีความ AI ก่อนตัดสินใจบำรุงรักษา ความถี่ความผิดปกติด้านคุณลักษณะควรได้รับการตรวจสอบข้ามด้วยการสอบเทียบเซ็นเซอร์ คุณภาพของข้อมูล และการตรวจสอบภาคสนาม ในหน่วยนี้ คุณจะได้เรียนรู้เกี่ยวกับการตีความข้อมูลเซ็นเซอร์อย่างปลอดภัยด้วย AI

ปริมาณที่วัดได้และโหมดความล้มเหลวทั่วไป

ความสมบูรณ์ของเครื่องจักรแบบหมุน (มอเตอร์ ปั๊ม พัดลม แบริ่ง เกียร์) อ่านได้จากปริมาณพื้นฐานเพียงเล็กน้อย ปริมาณแต่ละรายการมีความอ่อนไหวต่อโหมดความล้มเหลวบางอย่าง:

ขนาด

อ่อนไหวต่อสิ่งใด

โหมดความล้มเหลวทั่วไป

การสั่นสะเทือน (ความเร่ง/ความเร็ว)

ความไม่สมดุล การเยื้องศูนย์ แบริ่ง/เกียร์

ความไม่สมดุล การเยื้องศูนย์ แบริ่งเสียหาย

อุณหภูมิ

แรงเสียดทาน การสูญเสียการหล่อลื่น การโอเวอร์โหลด

ความร้อนของแบริ่ง, การเสื่อมสภาพของน้ำมัน

กระแสมอเตอร์

การเปลี่ยนแปลงภาระทางไฟฟ้าและเครื่องกล

โรเตอร์บาร์แตกหัก โหลดผิดปกติ

อะคูสติก / อัลตราซาวนด์

ตลับลูกปืนเสียหายก่อนกำหนด รั่วซึม

ฟิล์มน้ำมันเสื่อม แก๊สรั่ว

เครื่องมือพื้นฐานในการวิเคราะห์การสั่นสะเทือนคือสเปกตรัมความถี่: เราแยกสัญญาณเวลาออกเป็นส่วนประกอบความถี่ด้วยการแปลงฟูริเยร์ (FFT: กระบวนการทางคณิตศาสตร์ที่แยกสัญญาณออกเป็นความถี่ส่วนประกอบ) แต่ละโหมดความล้มเหลวจะสร้างจุดสูงสุดที่ความถี่เฉพาะ ตัวอย่างเช่น ความไม่สมดุลปรากฏที่ความถี่ในการหมุน (1X) การวางแนวแกนไม่ตรงส่วนใหญ่เกิดขึ้นที่ 2X และความเสียหายของตลับลูกปืนจะปรากฏที่ความถี่พิเศษ ขึ้นอยู่กับรูปทรงของตลับลูกปืน (เช่น BPFO, BPFI, BSF)

เคล็ดลับ: ก่อนที่จะให้ AI ตีความสเปกตรัม ให้แจ้งความเร็วการหมุน (RPM) และหมายเลขแบริ่งของเครื่อง ถ้ามี ไม่สามารถคำนวณความถี่ความผิดปกติที่เป็นลักษณะเฉพาะได้หากไม่มีข้อมูลนี้ หากไม่มีสิ่งเหล่านี้ การตีความ "ความล้มเหลวของตลับลูกปืน" ของ AI ก็ยังคงอยู่ในอากาศ

ความผิดปกติ แนวโน้ม และการเตือนที่ผิดพลาด

AI ทำสองสิ่งได้ดีในอนุกรมเวลา: การตรวจจับความผิดปกติ (การเบี่ยงเบนอย่างกะทันหัน) และการวิเคราะห์แนวโน้ม (การสลายตัวช้า) แต่มีสองกับดัก อย่างแรกคือผลบวกลวง: เสียงรบกวน การเปลี่ยนแปลงโหลดชั่วคราว หรือการสั่นของเซ็นเซอร์อาจดูเหมือนเป็นความผิดปกติที่แท้จริง ประการที่สองคือผลลบลวง: การเสื่อมสภาพอย่างช้าๆ ทีละน้อยอาจพลาดไปเนื่องจากยังอยู่ภายใน "ช่วงปกติ" การตรวจสอบที่ดียังติดตามการเปลี่ยนแปลงตามประวัติของเครื่อง (พื้นฐาน) มากกว่าเกณฑ์ที่แน่นอน

ข้อควรระวัง: เซ็นเซอร์อาจทำงานล้มเหลว แม้ว่าเซ็นเซอร์อุณหภูมิที่อยู่นอกการสอบเทียบอาจส่งสัญญาณเตือน "ร้อนเกินไป" แต่เครื่องก็ยังทำงานได้ตามปกติ หรือมาตรความเร่งที่หลวมทำให้เกิดการสั่นสะเทือนปลอม สิ่งที่ AI เห็นเป็นเพียงข้อมูล การควบคุมภาคสนามจะบอกคุณว่าแหล่งที่มาของข้อมูลเชื่อถือได้หรือไม่ “ตรวจสอบเซ็นเซอร์ก่อน” คือกฎข้อแรกของการบำรุงรักษาเชิงคาดการณ์

ทีละขั้นตอน: การตีความข้อมูลเซ็นเซอร์ด้วย AI

1. ให้บริบท ประเภทเครื่องจักร, รอบต่อนาที, ข้อมูลตลับลูกปืน/เกียร์, จุดตรวจวัด
2. ตรวจสอบคุณภาพข้อมูล ความถี่ในการสุ่มตัวอย่างเพียงพอหรือไม่ มีค่าผิดปกติหรือหายไปหรือไม่
3. กำหนดพื้นฐาน. สภาวะที่มีสุขภาพดีมีลักษณะอย่างไร?
4. แยกความผิดปกติ/แนวโน้มออก ทำเครื่องหมายความเบี่ยงเบนและแนวโน้มด้วย AI
5. ขอการตีความทางกายภาพ โหมดความล้มเหลวใด ความถี่ใด เพราะเหตุใด
6. ตรวจสอบในสนาม การสอบเทียบ การตรวจสอบด้วยสายตา/สัมผัส การวัดครั้งที่สอง หากจำเป็น

พรอมต์การตีความสเปกตรัม

บทบาท: ผู้เชี่ยวชาญด้านการวิเคราะห์การสั่นสะเทือน (การตรวจสอบสภาพ) บริบท: ปั๊มหอยโข่งหมุนที่ 1450 RPM, แบริ่งปลายไดรฟ์ 6206 ข้อมูล: ความถี่สูงสุดในสเปกตรัมความเร็วการสั่นสะเทือน [รายการ, Hz และแอมพลิจูด] งาน: เชื่อมโยงแต่ละจุดสูงสุดด้วยโหมดความล้มเหลวที่เป็นไปได้ (ความไม่สมดุล 1X, การวางแนวแกน 2X ที่ไม่ตรง, แบริ่ง BPFO/BPFI ฯลฯ) คำนวณความถี่แบริ่งลักษณะเฉพาะด้วย RPM และเรขาคณิต 6206 ระบุความถี่ที่คุณแสดง กฎ: นี่เป็นสมมติฐาน สำหรับความคิดเห็นแต่ละข้อ ให้เขียนว่าฉันตรวจสอบได้อย่างไรในช่อง

พร้อมท์การวิเคราะห์ความผิดปกติ/แนวโน้ม

วิเคราะห์อนุกรมเวลาของอุณหภูมิต่อไปนี้: [วันที่ รายการค่า]- อะไรคือเส้นฐาน (ช่วงปกติ)?- มีความผิดปกติ (เบี่ยงเบนกะทันหัน) เมื่อใด?- มีแนวโน้มเพิ่มขึ้นอย่างช้า ๆ ความชันคืออะไร? กฎ: ประเมินความเสี่ยงของผลบวกลวง; คุณจะแนะนำการตรวจสอบเพิ่มเติมอะไรบ้างเพื่อแยกแยะระหว่างข้อผิดพลาดของเซ็นเซอร์และความร้อนสูงเกินจริง

คุณภาพของข้อมูลและการตรวจสอบเซ็นเซอร์

ความถี่สุ่มตัวอย่างในการวัดความกระวนกระวายใจนี้คือ 2 kHz ความถี่ข้อผิดพลาดสูงสุดที่ฉันสนใจคือ ~ 800 Hz ตัวอย่างนี้เพียงพอแล้ว (Nyquist) แสดงความคิดเห็น อาการของการกระโดดและการตัดข้อมูลอย่างกะทันหันมีดังนี้: [คำอธิบาย] สิ่งเหล่านี้อาจเป็นสัญญาณจริงหรือข้อผิดพลาดของเซ็นเซอร์/การบันทึก ฉันจะแยกแยะได้อย่างไร

พร้อมท์ร่างการตัดสินใจการบำรุงรักษา

เขียนคำแนะนำในการบำรุงรักษาร่างตามข้อค้นพบต่อไปนี้: [ข้อค้นพบ] แบ่งคำแนะนำของคุณออกเป็นสามระดับ: หยุดทันที ตรวจสอบตามกำหนดเวลาการบำรุงรักษา ติดตามตรวจสอบต่อไป เขียนเหตุผลและการตรวจสอบภาคสนามสำหรับแต่ละระดับ กฎ: วิศวกรบำรุงรักษาที่มีความสามารถจะทำการตัดสินใจขั้นสุดท้าย ระบุสิ่งนี้

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

แรงสั่นสะเทือนนี้สูงมั้ย?

ไม่มีข้อมูลประเภทเครื่องจักร, รอบต่อนาที, หน่วยการวัด, เส้นพื้นฐาน และตลับลูกปืน AI ไม่สามารถพูดว่า "สูง/ต่ำ" ได้ แม้ว่าจะเป็นเช่นนั้น แต่ก็ไม่ได้รับการสนับสนุน

พรอมต์อันทรงพลัง:

ปั๊มหอยโข่ง 1450 RPM แบริ่ง 6206 ระบบสูบจ่ายที่ปลายไดรฟ์ ความถี่สูงสุดของสเปกตรัมความเร็วการสั่นสะเทือน: [รายการ] เชื่อมโยงจุดสูงสุดแต่ละจุดเข้ากับโหมดความล้มเหลวที่เป็นไปได้ คำนวณและแสดงความถี่แบริ่งที่เป็นลักษณะเฉพาะ ระบุว่าความคิดเห็นแต่ละข้อเป็นเพียงสมมติฐานและเขียนวิธีตรวจสอบลงในภาคสนาม พิจารณาความเป็นไปได้ที่จะเกิดข้อผิดพลาดของเซ็นเซอร์ด้วย

พรอมต์ที่สองประกอบด้วยบริบทของเครื่อง ข้อมูลสเปกตรัม และคำขอตรวจสอบ โดยวางตำแหน่งการตีความไว้เป็นสมมติฐาน

มินิเคสสามอัน (ตามตัวเลข)

กรณีที่ 1 - การตรวจสอบความถี่ลักษณะเฉพาะ ในปั๊มหนึ่ง AI ​​แสดงข้อความว่า "วงแหวนด้านในชำรุด (BPFI)" วิศวกรคำนวณ BPFI ด้วย 1450 RPM (24.2 Hz) และรูปทรงแบริ่ง 6206: ~131 Hz จุดสูงสุดในสเปกตรัมจริงๆ แล้วอยู่ที่ประมาณ ~ 130 Hz และมีฮาร์โมนิค การตีความสอดคล้องกับความถี่ลักษณะเฉพาะ วิศวกรจะแยกชิ้นส่วนตลับลูกปืนระหว่างการบำรุงรักษาตามแผน และพบว่ามีรูบนวงแหวนด้านใน การยืนยันจะเปลี่ยนสมมติฐานให้เป็นการวินิจฉัย

กรณีที่ 2 - สัญญาณเตือนที่ผิดพลาด เซ็นเซอร์วัดอุณหภูมิจะส่งสัญญาณเตือนถึง 95°C ในพัดลมตัวหนึ่ง โดย AI จะแจ้งว่า "แบริ่งร้อนเกินไป" ทีมงานภาคสนามทำการตรวจสอบด้วยตนเอง: เตียงอุ่นได้ปกติ การเชื่อมต่อเซ็นเซอร์หลวม การปรับเทียบเปลี่ยนไป อุณหภูมิจริง ~55°C เมื่อเซ็นเซอร์ถูกขันให้แน่นและปรับเทียบแล้ว สัญญาณเตือนจะหายไป หากปฏิบัติตามการตีความของ AI โดยสุ่มสี่สุ่มห้า เตียงแข็งก็จะถูกรื้อออกโดยไม่จำเป็น บทเรียน: ตรวจสอบเซ็นเซอร์ก่อน

กรณีที่ 3 - จับกระแสที่ช้า ไม่เกินเกณฑ์การสั่นสะเทือนสัมบูรณ์ในกระปุกเกียร์ แต่ AI แสดงแอมพลิจูดเพิ่มขึ้น ~6% ต่อสัปดาห์ในแนวโน้ม 8 สัปดาห์ จากการประมาณค่า คาดการณ์ว่าเกณฑ์จะเกินใน ~5 สัปดาห์ ในระหว่างการหยุดตามแผน ทีมงานจะวิเคราะห์น้ำมัน ค้นหาอนุภาคโลหะ และเปลี่ยนเกียร์ในลักษณะที่ได้รับการควบคุม มีการป้องกันการหยุดโดยไม่คาดคิด บทเรียน: แนวโน้มเตือนก่อนถึงขีดจำกัดสัมบูรณ์

ข้อผิดพลาดทั่วไป

• การขอความคิดเห็นโดยไม่มีบริบท: การตีความสเปกตรัมโดยไม่มีข้อมูล RPM และข้อมูลแบริ่ง
• ไม่ตรวจสอบเซ็นเซอร์: ความผิดพลาดในการสอบเทียบ/การเชื่อมต่อถือเป็นความผิดปกติอย่างแท้จริง
• การเข้าใจผิดสมมติฐานในการวินิจฉัย: การแปลการตีความ AI ให้เป็นการตัดสินใจในการบำรุงรักษาโดยไม่มีการควบคุมภาคสนาม
• เมื่อดูที่เกณฑ์สัมบูรณ์เท่านั้น: พลาดแนวโน้มของการเสื่อมสลายอย่างช้าๆ
• การสุ่มตัวอย่างน้อยเกินไป: การละเลยกฎ Nyquist และมองข้ามข้อผิดพลาดความถี่สูง
• ปฏิกิริยาที่มากเกินไปต่อผลบวกลวง: การเข้าใจผิดว่าเสียงดังเกิดจากการทำงานผิดปกติจริงและการหยุดเครื่องจักรที่แข็งแรง

โดยสรุป

• การบำรุงรักษาเชิงคาดการณ์จะอ่านสถานะของเครื่องจักรจากเซ็นเซอร์ เช่น การสั่นสะเทือน อุณหภูมิ และกระแสไฟฟ้า และคาดการณ์ความล้มเหลวล่วงหน้า
• ในสเปกตรัมการสั่นสะเทือน แต่ละโหมดความล้มเหลวจะสร้างจุดสูงสุดที่ความถี่เฉพาะ ความคิดเห็นต้องใช้ RPM และความรู้แบริ่ง
• การตีความข้อผิดพลาดที่กำหนดโดย AI เป็นเพียงสมมติฐาน ความถี่ลักษณะเฉพาะต้องได้รับการตรวจสอบโดยการสอบเทียบและการตรวจสอบภาคสนาม
• ตัวเซ็นเซอร์เองอาจล้มเหลว "ตรวจสอบเซ็นเซอร์ก่อน" คือกฎข้อแรก
• แนวโน้มมีความสำคัญพอๆ กับเกณฑ์สัมบูรณ์ การย่อยสลายช้าจะแจ้งเตือนล่วงหน้า การตัดสินใจในการบำรุงรักษาเป็นของวิศวกรผู้มีความสามารถ

งานสมัคร

เลือกเครื่องหมุน (ปั๊ม พัดลม มอเตอร์) จดบันทึก RPM และหมายเลขแบริ่งของเครื่อง หากมี ใช้อนุกรมเวลาของสเปกตรัมการสั่นสะเทือน/อุณหภูมิที่เกิดขึ้นจริงหรือตัวอย่าง แล้วให้ AI ตีความตามบริบท สำหรับสมมติฐานความล้มเหลวแต่ละข้อที่ AI แสดง: ตรวจสอบความถี่ลักษณะเฉพาะด้วยตนเอง (ตรวจสอบการคำนวณ BPFO/BPFI หากมีแบริ่ง) ประเมินความเป็นไปได้ของความล้มเหลวของเซ็นเซอร์ และเขียนว่าคุณจะตรวจสอบอย่างไรในภาคสนาม สุดท้าย กลั่นผลการค้นพบออกเป็นคำแนะนำสามระดับ (หยุดทันที / ตรวจสอบตามกำหนดเวลา / ติดตามตรวจสอบต่อไป) และระบุว่าเหตุใดการตัดสินใจในการบำรุงรักษาขั้นสุดท้ายจึงยังคงอยู่กับวิศวกรที่มีคุณสมบัติ

รายการตรวจสอบ

• [ ] จะให้บริบทของเครื่องจักร (ประเภท, RPM, แบริ่ง/เกียร์, จุดตรวจวัด)
• [ ] ตรวจสอบคุณภาพข้อมูลและความถี่ในการสุ่มตัวอย่าง (Nyquist)
• [ ] ความถี่ความผิดปกติที่แสดงโดย AI ได้รับการตรวจสอบโดยการคำนวณความถี่เฉพาะ
• [ ] ประเมินความเป็นไปได้ของข้อผิดพลาดในการสอบเทียบ/การเชื่อมต่อเซ็นเซอร์
• [ ] นอกจากเกณฑ์ที่แน่นอนแล้ว ยังมีการตรวจสอบแนวโน้มด้วย
• [ ] ความคิดเห็นยืนยันโดยการตรวจสอบภาคสนาม; การตัดสินใจในการบำรุงรักษาตกเป็นหน้าที่ของวิศวกรผู้มีความสามารถ