Manufaktur industri
Industri Internet of Things | bahan industri | Pemeliharaan dan Perbaikan Peralatan | Pemrograman industri |
home  MfgRobots >> Manufaktur industri >  >> Pemeliharaan dan Perbaikan Peralatan

6 Studi Kasus Analisis Prediktif

Perusahaan pembangkit listrik telah menerapkan rencana yang dikembangkan dengan baik untuk meningkatkan kinerja peralatan dalam hal ketersediaan, keandalan, efisiensi, dan kepatuhan. Namun, sebagian besar perusahaan telah mencapai puncak kinerja — melemahkan kemampuan mereka untuk mencapai tujuan, sasaran, dan strategi perusahaan.

Masalahnya diperburuk oleh peralatan yang menua; inisiatif "ukuran yang tepat"; pensiunnya pekerja kerah biru yang terampil; staf yang lebih muda dan tidak berpengalaman; dan perjanjian layanan OEM yang membatasi.

Hasilnya adalah kesenjangan kinerja peralatan yang menghambat kinerja perusahaan. Faktanya, ketika peralatan gagal bekerja sesuai harapan, hal itu mengirimkan gelombang kejut ke seluruh perusahaan — mengganggu operasi normal, prosedur pemeliharaan, dan kinerja keuangan.

Untuk perusahaan pembangkit listrik yang ingin menutup kesenjangan kinerja peralatan, solusi perangkat lunak EPI*Center SmartSignal memungkinkan operator meningkatkan keandalan, ketersediaan, efisiensi, dan kepatuhan peralatan di luar dataran mereka saat ini.

Tidak seperti alat pemantauan kondisi tradisional seperti pemantauan getaran, EPI*Center memberikan peringatan dini yang dapat ditindaklanjuti tentang kinerja abnormal di semua sistem kritis dan status pengoperasian.

Tantangan untuk Pabrik dengan Kinerja Terbaik

Untuk membantu memahami nilai analitik prediktif, berikut ini adalah contoh riwayat kasus EPI*Center yang diverifikasi pelanggan. Penting untuk dicatat bahwa semua perusahaan pembangkit listrik ini:

• Menerjunkan program pemeliharaan preventif yang ketat.

• Program pemantauan kondisi “canggih” yang diterapkan, mis. pemantauan getaran, termografi, dll.

• Memanfaatkan program “tren” yang konsisten dengan standar industri pada peralatan prioritas di seluruh armada mereka.

Terlepas dari program ini dan staf yang terlatih, operasi ini menemukan bahwa masalah peralatan terus terjadi secara tak terduga. Akibatnya, utilitas ini memutuskan untuk menambahkan Predictive Analytics dari EPI*Center untuk menerima peringatan dini yang dapat ditindaklanjuti dari kesalahan yang muncul.

Tindakan Analisis Prediktif

Setiap riwayat kasus berikutnya menggambarkan situasi di mana klien SmartSignal mengubah peringatan dini menjadi nilai yang dapat dibuktikan. Dalam setiap kasus, masalah yang muncul tidak diidentifikasi oleh pemantauan kondisi tradisional atau program yang sedang tren. Pengambilan sampel berfungsi untuk:

• Soroti berbagai peralatan penting yang menyediakan analisis prediktif EPI*Center.

• Berikan wawasan tentang tindakan umum yang dipicu oleh insiden EPI*Center WatchList.

• Detailkan nilai yang dihasilkan.

Terakhir, sejarah kasus berikut ini sengaja dipilih untuk menampilkan serangkaian peralatan dan masalah pembangkit bahan bakar fosil. Dalam semua kasus, klien SmartSignal Corporation telah memberikan persetujuan untuk mengungkapkan kejadian nyata ini tanpa merek.

Studi Kasus #1 — Masalah Bantalan Dukungan Pemanas Udara

Masalah:Pada tanggal 22 Desember, suhu bantalan pendukung pemanas udara tinggi mulai memposting insiden ke Daftar Pantau — daftar peralatan dan sistem berbasis pengecualian yang menunjukkan kinerja abnormal.

Lebih khusus lagi, suhu bantalan pendukung pemanas udara sekunder pabrik bahan bakar fosil meningkat 40 derajat Fahrenheit di atas apa yang dianggap normal untuk suhu sekitar berdasarkan analitik prediktif EPI*Center. Peningkatan ini tidak terlihat abnormal oleh sistem pembangkit lainnya, misalnya DCS, program pemantauan kondisi, dll.

Solusi:Operator menambahkan 3,5 galon minyak ke bantalan ini (kapasitas 25 hingga 30 galon) dan suhu kembali turun dan telah berjalan normal sejak saat itu.

Manfaat:Peringatan dini EPI*Center tentang suhu abnormal mengakibatkan penambahan oli, mencegah kemungkinan kerusakan bantalan. Bantalan ini memiliki rentang maksimum/menit oli yang sangat ketat dan telah menyusahkan pabrik di masa lalu. Sebelumnya, bantalan pendukung pemanas udara gagal pada bulan Juli.

Saat itu, butuh sembilan hari untuk memperbaiki masalah, yang mengakibatkan 138.804 MWH kehilangan pembangkitan. Kegagalan bantalan penopang serupa akan merugikan perusahaan antara $1,5 juta dan $4 juta pada pembangkitan yang hilang saja berdasarkan biaya pembangkitan yang hilang saat ini pada $10 hingga $30 per MWH.

Studi Kasus #2 – Peringatan Dini Korsleting Menyalakan Exciter

Masalah:Pembangkit berkapasitas dua unit, 1.500-plus-megawatt mulai memposting insiden ke Daftar Pantauan pada arus eksitasi tinggi. Penyimpangan awalnya 5 amp lebih tinggi dan kemudian meningkat menjadi 15 amp lebih tinggi dibandingkan perkiraan norma EPI*Center (yaitu, analitik prediktif).

Solusi:Berdasarkan informasi ini, staf teknik percaya bahwa peningkatan ampere eksitasi disebabkan oleh belokan pendek pada rotor. Faktanya, pabrik membutuhkan waktu sekitar dua minggu dari pemadaman yang direncanakan selama 80 hari lebih untuk mengganti sebagian besar turbin dan memundurkan generator — memberikan kesempatan yang ideal untuk memverifikasi diagnosis.

Pada pemeriksaan exciter selama pemadaman, ditemukan kerusakan fisik pada exciter dan juga ditemukan korsleting. Pabrik melanjutkan untuk memutar ulang exciter selama pemadaman.

Manfaat:Peringatan dini EPI*Center tentang belokan pendek pada exciter divalidasi oleh kerusakan fisik yang ditemukan selama inspeksi pemadaman exciter.

Studi Kasus #3 – Deteksi Dini Masalah Bearing yang Berkembang pada Generator Turbin Menghindari Potensi Pemadaman

Masalah:Pelanggan menjalankan stasiun pembangkit multi-unit dengan kapasitas 2.000-plus MW. Temperatur bantalan yang sangat tinggi terdeteksi pada bantalan turbin di salah satu unitnya — turbin uap General Electric 420 MW berbahan bakar gas — oleh model turbin tekanan rendah EPI*Center SmartSignal (salah satu dari beberapa dalam rangkaian solusi).

Model menandai ini sebagai perilaku abnormal meskipun peningkatan 14 derajat berada dalam ambang batas suhu normal. Pada hari yang sama, Pusat PM&D memberi tahu pabrik tentang ketidakteraturan dan pusat terus memantau situasi.

Enam hari kemudian, EPI*Center mendeteksi sedikit, tetapi signifikan, perubahan langkah dalam getaran untuk bantalan. Secara khusus, nilai sinyal sensor aktual adalah 1 Mil lebih besar dari "nilai perkiraan" SmartSignal selama 24 dari 36 sampel data. Dengan bukti yang menguatkan tentang kerusakan ini, spesialis PM&D Center merekomendasikan evaluasi bantalan yang lebih menyeluruh.

Solusi:Secara kebetulan, unit dijadwalkan untuk pemadaman terencana selama dua minggu untuk pemeliharaan dasar yang dimulai sekitar sebulan kemudian. Berdasarkan data dari Pusat PM&D, pabrik melakukan pemeriksaan mendalam pada bantalan selama pemadaman yang direncanakan.

Karena tidak terjadwal, pemeriksaan bantalan tidak akan menjadi bagian dari pemeliharaan pabrik normal tanpa analisis prediktif dari EPI*Center. Setelah diperiksa, bantalan rusak bersama dengan skor poros. Bahan babbit diganti di bantalan dan jurnal dihaluskan untuk memperbaiki masalah.

Manfaat:Tanpa peringatan dini EPI*Center SmartSignal tentang perilaku peralatan yang tidak normal, bantalan akan terus memburuk. Kemungkinan besar, ini akan mengakibatkan kegagalan layanan atau pemadaman paksa pada akhir April atau awal Mei, ketika permintaan mulai meningkat, yang mengarah ke musim panas. Deteksi dini juga menghindari dampak Peak Power Reliability Rating (PPRR) perusahaan.

Penghematan industri tipikal, minimal, berkisar dari sekitar $503.800 hingga $655.000 tergantung pada lamanya pemadaman. Jika pemadaman paksa terjadi selama permintaan periode puncak, biaya penggantian listrik akan meningkat secara dramatis.

Studi Kasus #4 – Peringatan Dini Kerusakan Bantalan Dalam Kapal pada Pompa Umpan Boiler

Masalah:Pelanggan memiliki pabrik bahan bakar fosil dengan kapasitas 800-plus MW. Peringatan dini diposting bahwa bantalan motor pada pompa umpan boiler mengalami kenaikan suhu. Peringatan ini terjadi tujuh hari sebelum pembacaan suhu mencapai tingkat yang tidak dapat diterima berdasarkan perangkat pemantauan tradisional.

Solusi:Pemadaman yang direncanakan segera dijadwalkan pada waktu yang paling sesuai untuk pabrik sehingga bantalan dapat diganti. Tindakan ini mencegah pemadaman paksa yang tidak direncanakan yang akan terjadi jika terjadi bencana pada pompa.

Manfaat:Pelanggan dapat menjadwalkan pemadaman yang direncanakan untuk penggantian bantalan pada waktu yang paling murah dalam hal pendapatan pembangkitan. Selain itu, pemadaman yang direncanakan dilakukan dalam jangka waktu yang jauh lebih singkat, karena persiapan tim pemeliharaan, dibandingkan dengan potensi perjalanan mesin.

Riwayat Kasus #5 – Deteksi Dini Kopling Lepas pada ID Fan D

Masalah:Pada tanggal 31 Januari, insiden ampere tinggi mulai diposting ke Daftar Pantauan. ID Fan D memposting insiden ke Daftar Pantauan, yang menunjukkan ampere motor tinggi.

Solusi:Berdasarkan analitik prediktif, personel pabrik memulai analisis lebih lanjut tentang pemuatan kipas. Pemuatan kipas ditemukan tidak lagi sesuai dengan pitch blade karena pekerjaan sebelumnya telah dilakukan pada kipas ini. Personil menduga ini mungkin karena masalah dengan Beck Drive, linkage kontrol, servo dan/atau blading.

Manfaat:Berdasarkan peringatan dini EPI*Center tentang arus abnormal pada kipas, pabrik memutuskan bahwa kipas ini dapat dihentikan layanannya dan masalahnya diselidiki sebelum pemadaman yang direncanakan. Sekerup kopling poros pada sisi kipas poros ditemukan longgar dan dikencangkan sebelum pemadaman. Jika kipas hilang, kemungkinan pengurangan beban akan terjadi.

Studi Kasus #6 – Peringatan Dini Masalah Pendinginan Bearing pada Pompa Air Sirkulasi

Masalah:Pembangkit pembangkit listrik satu unit dengan kapasitas 700-plus MW memiliki suhu bantalan yang mulai memposting insiden ke Daftar Pantauan SmartSignal pada awal Februari. Penyimpangannya adalah 20 hingga 80 derajat F lebih tinggi vs. EPI* Perkiraan norma pusat. Suhu belum melebihi kisaran operasi normal dan belum mengaktifkan alarm di sistem DCS.

Solusi:Peringatan dini EPI*Center tentang suhu abnormal memulai penyelidikan yang menemukan bahwa bantalan kekurangan air pendingin, karena air dialihkan ke pompa alternatif. Motor pompa air sirkulasi baru telah ditambahkan dan saluran pendingin telah dimodifikasi untuk bantalan pendinginan pada pompa baru.

Ditemukan bahwa ada pembatasan aliran air pendingin ke masalah pompa air yang bersirkulasi. Masalah ini segera diatasi dengan saluran pendingin sementara yang mengakibatkan suhu bantalan turun sekitar 20 derajat F. Beberapa bulan kemudian, saluran air pendingin baru dipasang selama pemadaman yang direncanakan.

Manfaat:Peringatan dini EPI*Center tentang suhu abnormal memulai penyelidikan tentang alasan peningkatan suhu pada pompa air yang bersirkulasi.

Tanpa penyelidikan dan penemuan pendinginan terbatas pada bantalan pompa, bantalan dan poros bisa rusak. Melepas pompa ini selama operasi musim dingin untuk perbaikan bantalan dan poros akan mengakibatkan peningkatan tekanan balik dan pengurangan beban karena aliran yang tidak mencukupi melalui kondensor.

EPI*Center adalah solusi perangkat lunak yang menyediakan analisis prediktif bagi pemilik dan operator menggunakan data peralatan yang ada. Dengan secara otomatis menganalisis semua data sensor yang relevan — proses, pemantauan kondisi, dan data sensor listrik — EPI*Center memberikan peringatan dini yang dapat ditindaklanjuti tentang masalah keandalan, efisiensi, throughput, dan kepatuhan (lingkungan dan keselamatan) yang muncul. Selanjutnya, EPI*Pusat:

1. memberikan peringatan dini tentang anomali peralatan yang tidak terdeteksi oleh sistem lain.

2. menyampaikan peringatan dini ini di semua peralatan dan rejimen operasi.

3. dikonfigurasi, disebarkan, dan memberikan nilai dengan cepat.


Pemeliharaan dan Perbaikan Peralatan

  1. Pemeliharaan Pihak Ketiga
  2. Penjelasan Pemeliharaan Prediktif
  3. Perbaiki atau ganti peralatan:Studi kasus
  4. IIoT dan Analisis Prediktif
  5. Penjelasan Analisis Prediktif
  6. Bagaimana Predictive Analytics dapat mendukung tim Pemeliharaan yang bekerja di Manufaktur?
  7. Apakah Pemeliharaan Pencegahan atau Pemeliharaan Prediktif Lebih Baik?
  8. Apa itu Pemeliharaan Prediktif?
  9. Analisis Prediktif dalam Manufaktur:Kasus Penggunaan dan Manfaat
  10. Pemeliharaan Peralatan Konstruksi