Memilih sensor pemeliharaan prediktif yang paling sesuai

Pemantauan berbasis kondisi (CbM) melibatkan pemantauan mesin atau aset menggunakan sensor untuk mengukur kondisi kesehatan saat ini. Pemeliharaan prediktif (PdM) melibatkan kombinasi teknik seperti CbM, pembelajaran mesin, dan analitik untuk memprediksi kegagalan mesin atau aset yang akan datang. Saat memantau kesehatan mesin, sangat penting untuk memilih sensor yang paling sesuai untuk memastikan kesalahan dapat dideteksi, didiagnosis, dan bahkan diprediksi. Ada banyak sensor yang saat ini digunakan untuk mendeteksi dan mendeteksi kesalahan, pada mesin yang berputar dan bebannya, dengan tujuan akhir untuk menghindari waktu henti yang tidak direncanakan. Membuat peringkat setiap sensor sulit karena teknik PdM diterapkan pada banyak mesin yang berputar (motor, roda gigi, pompa, dan turbin) dan mesin yang tidak berputar (katup, pemutus sirkuit, dan kabel).

Banyak motor industri dirancang untuk bekerja hingga 20 tahun dalam aplikasi produksi berkelanjutan seperti pabrik pengolahan bahan kimia dan makanan serta fasilitas pembangkit listrik, tetapi beberapa motor tidak mencapai masa pakai yang diproyeksikan. ¹ Hal ini dapat disebabkan oleh pengoperasian motor yang tidak memadai, program perawatan yang tidak memadai, kurangnya investasi dalam sistem PdM, atau tidak adanya sistem PdM sama sekali. PdM memungkinkan tim pemeliharaan untuk menjadwalkan perbaikan dan menghindari waktu henti yang tidak direncanakan. Prediksi awal kesalahan alat berat melalui PdM juga dapat membantu teknisi pemeliharaan mengidentifikasi dan memperbaiki motor yang berjalan tidak efisien, sehingga memungkinkan peningkatan kinerja, produktivitas, ketersediaan aset, dan masa pakai.

Strategi PdM terbaik adalah strategi yang secara efisien menggunakan teknik dan sensor sebanyak mungkin untuk mendeteksi kesalahan lebih awal dan dengan tingkat kepercayaan yang tinggi, jadi, tidak ada solusi satu sensor yang cocok untuk semua. Artikel ini berusaha mengklarifikasi mengapa sensor pemeliharaan prediktif sangat penting untuk deteksi dini kesalahan dalam aplikasi PdM, serta kekuatan dan kelemahannya.

Garis Waktu Kerusakan Sistem

Gambar 1 menunjukkan kronologi kejadian yang disimulasikan dari pemasangan motor baru hingga kegagalan motor bersama dengan jenis sensor perawatan prediktif yang direkomendasikan. Ketika motor baru dipasang, itu masih dalam garansi. Setelah beberapa tahun, garansi akan kedaluwarsa, dan pada titik inilah resimen inspeksi manual yang lebih sering akan diterapkan.

Gambar 1:Kesehatan mesin vs. waktu. (Sumber:Perangkat Analog)

Jika kesalahan muncul di antara pemeriksaan pemeliharaan terjadwal ini, ada kemungkinan waktu henti yang tidak direncanakan. Yang menjadi sangat penting dalam hal ini adalah memiliki sensor perawatan prediktif yang tepat untuk mendeteksi potensi kesalahan sedini mungkin dan, untuk alasan ini, artikel ini akan fokus pada sensor getaran dan akustik. Analisis getaran umumnya dianggap sebagai titik awal terbaik untuk PdM. ²

Sensor Pemeliharaan Prediktif

Beberapa sensor dapat mendeteksi kesalahan tertentu, seperti kerusakan bantalan, jauh lebih awal daripada yang lain, seperti yang ditunjukkan pada Gambar 1. Pada bagian ini, sensor yang paling umum digunakan untuk mendeteksi kesalahan pada saat sedini mungkin dibahas, yaitu akselerometer dan mikrofon. Tabel 1 menunjukkan daftar spesifikasi sensor dan beberapa kesalahan yang dapat dideteksi. Sebagian besar sistem PdM hanya akan menggunakan beberapa sensor ini, jadi sangat penting untuk memastikan potensi kesalahan kritis dipahami dengan baik bersama dengan sensor yang paling cocok untuk mendeteksinya.

Tabel 1. Sensor Populer yang Digunakan untuk CbM (Sumber:Perangkat Analog) klik untuk gambar lebih besar

Pertimbangan Kesalahan Sensor dan Sistem

Lebih dari 90% mesin berputar dalam aplikasi industri dan komersial menggunakan bantalan elemen gelinding. ³ Distribusi komponen motor yang gagal ditunjukkan pada Gambar 2, di mana terlihat jelas bahwa, ketika memilih sensor PdM, penting untuk fokus pada pemantauan bantalan. Untuk mendeteksi, mendiagnosis, dan memprediksi potensi kesalahan, sensor getaran harus memiliki noise rendah dan kemampuan bandwidth lebar.

Gambar 2. Persentase kejadian komponen motor yang gagal. ⁴ (Sumber:Perangkat Analog)

Tabel 2 menunjukkan beberapa kesalahan paling umum yang terkait dengan mesin berputar dan beberapa persyaratan sensor getaran yang sesuai untuk digunakan dalam aplikasi PdM. Untuk mendeteksi kesalahan sedini mungkin, sistem PdM biasanya memerlukan sensor kinerja tinggi. Tingkat kinerja sensor pemeliharaan prediktif yang digunakan pada suatu aset berkorelasi dengan pentingnya aset untuk dapat terus beroperasi dengan andal dalam keseluruhan proses dan bukan dengan mengorbankan aset itu sendiri.

Tabel 2. Ikhtisar Singkat Kesalahan Mesin dan Sensor Getaran Pertimbangan (Sumber:Perangkat Analog) klik untuk gambar lebih besar

Jumlah energi dalam getaran atau gerakan (puncak, puncak-ke-puncak, dan rms) motor memungkinkan kita untuk menentukan antara lain apakah mesin tidak seimbang atau tidak sejajar. ⁵ Beberapa kesalahan, seperti kerusakan bantalan atau roda gigi, tidak begitu jelas, terutama sejak dini, dan tidak dapat diidentifikasi atau diprediksi hanya dengan peningkatan getaran. Kesalahan ini biasanya memerlukan sensor getaran pemeliharaan prediktif kinerja tinggi dengan kebisingan rendah (<100 g /√Hz) dan lebar pita (>5 kHz) dipasangkan dengan rantai sinyal, pemrosesan, transceiver, dan pascapemrosesan berkinerja tinggi.

Sensor Getaran, Sonik, dan Ultrasonik untuk PdM

Mikrofon sistem mikroelektromekanis (MEMS) berisi elemen MEMS pada PCB, biasanya terdapat dalam wadah logam dengan port bawah atau atas untuk memungkinkan gelombang tekanan suara di dalamnya. Mikrofon MEMS menawarkan biaya rendah, ukuran kecil, dan sarana yang efektif untuk mendeteksi kesalahan mesin seperti kondisi bantalan, penyambungan roda gigi, kavitasi pompa, ketidaksejajaran, dan ketidakseimbangan. Hal ini membuat mikrofon MEMS menjadi pilihan ideal untuk aplikasi bertenaga baterai. Mereka dapat ditempatkan pada jarak yang signifikan dari sumber kebisingan dan non-invasif. Saat beberapa aset sedang beroperasi, kinerja berbasis mikrofon mungkin terganggu karena jumlah kebisingan yang terdengar dari mesin lain atau faktor lingkungan seperti kotoran atau kelembapan, yang mengakses lubang port di mikrofon.

Sebagian besar lembar data mikrofon MEMS masih mencantumkan aplikasi yang relatif tidak berbahaya seperti terminal seluler, laptop, perangkat game, dan kamera, dll. Beberapa lembar data mikrofon MEMS mencantumkan penginderaan getaran atau PdM sebagai aplikasi potensial, tetapi mereka juga menyebutkan bahwa sensor yang sensitif terhadap kejutan mekanis dan penanganan yang tidak tepat dapat menyebabkan kerusakan permanen pada bagian tersebut. Lembar data mikrofon MEMS lainnya menyatakan ketahanan kejutan mekanis hingga 10.000 g . Masih ada ketidakjelasan tentang apakah beberapa sensor ini cocok untuk operasi di lingkungan operasi yang sangat keras dengan adanya potensi peristiwa kejutan.

Analisis mikrofon ultrasonik MEMS memungkinkan pemantauan kesehatan motor dalam aset yang rumit, dengan adanya peningkatan kebisingan yang dapat didengar, karena ia mendengarkan suara dalam spektrum yang tidak dapat didengar (20 kHz hingga 100 kHz) di mana kebisingan jauh lebih sedikit. Panjang gelombang sinyal terdengar frekuensi rendah biasanya berkisar dari sekitar 1,7 cm sampai 17 m panjang. Panjang gelombang sinyal frekuensi tinggi berkisar dari sekitar 0,3 cm hingga 1,6 cm. Ketika frekuensi panjang gelombang meningkat, energi meningkat, membuat ultrasound lebih terarah. Ini sangat berguna ketika mencoba untuk menunjukkan dengan tepat kerusakan pada bantalan atau rumahan.

Akselerometer adalah sensor getaran yang paling umum digunakan dan analisis getaran adalah teknik PdM yang paling umum digunakan, terutama digunakan pada peralatan berputar besar seperti turbin, pompa, motor, dan girboks. Tabel 3 dan Tabel 4 menunjukkan beberapa spesifikasi utama untuk dipertimbangkan saat memilih sensor getaran dan akustik MEMS kinerja tinggi vs. sensor getaran piezo standar emas. Data di setiap kolom mewakili variasi min/maks dalam kategori tersebut dan tidak berkorelasi dengan kolom yang berdekatan.

Industri CbM akan mengalami pertumbuhan yang signifikan selama lima tahun ke depan dengan instalasi nirkabel menyumbang jumlah yang signifikan dari pertumbuhan ini. ⁶ Akselerometer Piezo kurang cocok untuk sistem CbM nirkabel karena kombinasi ukuran, kurangnya fitur terintegrasi, dan konsumsi daya, tetapi solusi memang ada dengan konsumsi tipikal dalam kisaran 0,2 mA hingga 0,5 mA. Akselerometer dan mikrofon MEMS sangat cocok untuk sistem PdM bertenaga baterai karena ukurannya yang kecil, daya yang rendah, dan kemampuan kinerja yang tinggi.

Semua sensor memiliki bandwidth yang sesuai dan kebisingan yang rendah, tetapi akselerometer MEMS adalah satu-satunya sensor yang dapat menawarkan respons ke dc, berguna untuk mendeteksi ketidakseimbangan pada kecepatan rotasi dan sensor kemiringan yang sangat rendah. Akselerometer MEMS juga memiliki fitur uji mandiri di mana sensor dapat diverifikasi berfungsi 100%. Ini terbukti berguna dalam instalasi yang kritis terhadap keselamatan di mana memenuhi standar sistem menjadi lebih mudah dengan dapat memverifikasi apakah sensor masih berfungsi.

Akselerometer MEMS tertutup rapat dalam kemasan keramik dan akselerometer piezo dalam kemasan mekanis dapat disegel sepenuhnya untuk digunakan di lingkungan yang keras dan kotor. Tabel 4 berfokus pada kinerja fisik, mekanik, dan lingkungan dari sensor. Di sinilah perbedaan utama dapat dilihat antara masing-masing sensor seperti integrasi, toleransi terhadap lingkungan yang keras, kinerja mekanis, dan pemasangan ke mesin atau dudukan yang berputar.

Tabel 3. Spesifikasi Kinerja Sensor Pemeliharaan Prediktif (Sumber:Perangkat Analog) klik untuk gambar lebih besar

Tabel 4. Spesifikasi Mekanik Sensor Pemeliharaan Prediktif (Sumber:Perangkat Analog) klik untuk gambar lebih besar

Mendeteksi data getaran dalam tiga sumbu menawarkan lebih banyak wawasan diagnostik dan dapat menghasilkan deteksi kesalahan yang lebih baik. Meskipun hal ini tidak diperlukan di setiap penginstalan PdM, ini merupakan keunggulan berbeda yang ditawarkan oleh akselerometer piezo dan MEMS dalam hal kualitas data, pengkabelan, dan penghematan ruang.

Mikrofon MEMS telah menunjukkan distorsi hingga –8 dB saat terkena kelembapan yang meningkat untuk waktu yang lama. ⁷ Meskipun ini bukan kelemahan yang jelas, ada baiknya mempertimbangkan jika aplikasi PdM Anda ada di lingkungan yang keras dengan kelembaban tinggi. Dalam kasus seperti itu, mikrofon kondensor electret (ECM) telah menunjukkan keunggulan dibandingkan mikrofon MEMS. Kondisi lingkungan lain yang dapat memengaruhi mikrofon adalah angin, tekanan atmosfer, medan elektromagnetik, dan kejutan mekanis. ⁸

Di lingkungan yang ramah, mikrofon MEMS menawarkan kinerja yang sangat baik dalam aplikasi PdM. Saat ini, ada kekurangan informasi yang tersedia tentang pemasangan mikrofon MEMS di lingkungan pengoperasian yang keras dengan getaran, kotoran, atau kelembapan yang berlebihan. Getaran dapat mempengaruhi kinerja mikrofon MEMS, dan ini adalah area yang perlu dipertimbangkan; namun, mereka memiliki sensitivitas getaran yang lebih rendah daripada ECM. ⁹ Jika solusi PdM nirkabel menggunakan mikrofon MEMS, kotak pemasangan harus memiliki lubang atau port untuk memungkinkan sinyal akustik mencapai sensor, menambah kerumitan desain lebih lanjut dan berpotensi membuat elektronik lain rentan terhadap kotoran atau kelembapan.

Kemajuan terbaru dalam teknologi akselerometer MEMS kapasitif telah memungkinkan solusi CbM nirkabel kecil, biaya rendah, daya rendah untuk diterapkan pada aset dengan prioritas lebih rendah, memungkinkan wawasan diagnostik lebih lanjut ke dalam manajemen fasilitas dan mempertahankan waktu kerja sistem yang kritis. Kemajuan ini juga menggerakkan akselerometer MEMS lebih dekat ke kinerja piezo untuk digunakan dalam sistem CbM kabel yang lebih tradisional. Memiliki kebisingan yang rendah dan bandwidth yang lebar, ditambah dengan koneksi standar industri (ICP dan IEPE), akselerometer piezo telah menjadi sensor standar emas yang digunakan dalam pengukuran getaran selama beberapa dekade. Akselerometer MEMS telah disesuaikan untuk antarmuka dengan modul standar IEPE, seperti yang ditunjukkan pada Gambar 3. Sirkuit konversi didasarkan pada Sirkuit dari desain referensi Lab®. Sirkuit ini dirancang pada PCB khusus yang telah dicirikan untuk bekerja pada bandwidth yang lebar dan siap untuk dirancang menjadi modul mekanis pada tahap selanjutnya.

Gambar 3. Akselerometer MEMS, referensi IEPE, desain PCB yang memungkinkan retrofit keluarga akselerometer CbM ADXL100x dalam modul mekanis IEPE. Catatan:Perangkat Analog tidak menghasilkan modul mekanis IEPE. (Sumber:Perangkat Analog)

Modul PdM khusus, seperti ADcmXL3021 dari Perangkat Analog, menyediakan pendekatan terintegrasi untuk desain sensor. Misalnya, perangkat yang ditunjukkan pada Gambar 4 berisi tiga akselerometer MEMS sumbu tunggal, tiga ADC, prosesor, memori, dan algoritme, semuanya dalam modul mekanis dengan resonansi lebih dari 50 kHz. Ini menyoroti kemampuan akselerometer MEMS untuk mengintegrasikan kecerdasan pada node sensor, memastikan sensor dipasangkan dengan rantai dan pemrosesan sinyal terbaik untuk mencapai kinerja terbaik. Modul ini dapat melakukan FFT, memicu berbagai domain waktu atau domain frekuensi, dan menghasilkan statika domain waktu yang penting bagi algoritme atau alat pembelajaran mesin untuk memprediksi kegagalan.

Gambar 4. Modul MEMS CbM tiga sumbu dengan ADC, prosesor, FFT, dan statistik terintegrasi, serta paket mekanis dengan frekuensi resonansi lebih dari 50 kHz. (Sumber:Perangkat Analog)

Saat memilih sensor getaran yang paling cocok untuk solusi PdM Anda, tantangan sebenarnya terletak pada pemasangan sensor untuk memenuhi kemungkinan mode kegagalan aset Anda yang paling mungkin terjadi. Mikrofon MEMS belum terbukti cukup kuat untuk secara andal mendeteksi semua mode kegagalan berbasis getaran di lingkungan yang paling keras, sedangkan standar industri untuk penginderaan getaran, akselerometer, telah berhasil diterapkan dan dilakukan dengan andal selama beberapa dekade. Mikrofon ultrasonik MEMS telah menunjukkan kinerja yang menjanjikan dalam mendeteksi kesalahan bantalan lebih awal daripada akselerometer, dan potensi hubungan simbiosis ini dapat memberikan solusi PdM terbaik untuk kebutuhan analisis getaran aset Anda di masa mendatang.

Meskipun sulit untuk merekomendasikan sensor getaran tunggal untuk digunakan dalam sistem PdM, akselerometer memiliki sejarah yang sukses dan terus berkembang dan meningkat. Produsen seperti Perangkat Analog menawarkan berbagai akselerometer MEMS dari tujuan umum, daya rendah, kebisingan rendah, stabilitas tinggi, dan g tinggi , serta modul edge-node cerdas untuk memenuhi berbagai persyaratan aplikasi.

Referensi

1 Leslie Langnau. “Sensor Membantu Anda Mendapatkan Penggunaan Maksimum dari Motor Anda.” Desain Mesin, September 2000.

2 Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, dan Jan Desmet. “Membandingkan MCSA dengan Analisis Getaran untuk Mendeteksi Kerusakan Bearing—Studi Kasus.” 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, Mei 2015.

3 Brian P. Graney dan Ken Starry. "Analisis Bantalan Elemen Bergulir." Evaluasi Materi , Jil. 70, No. 1, The American Society for Nondestructive Testing, Inc., Januari 2012.

4 Pratyay Konar, R. Bandyopadhyay, dan Paramita Chattopadhyay. “Deteksi Kerusakan Bearing Motor Induksi Menggunakan Wavelet dan Jaringan Syaraf.” Prosiding Konferensi Internasional India ke-4 tentang Kecerdasan Buatan , IICAI 2009, Tumkur, Karnataka, India, Desember 2009.

5 Pete Sopcik dan Dara O'Sullivan. “Bagaimana Kinerja Sensor Mengaktifkan Solusi Pemantauan Berbasis Kondisi”, Dialog Analog , Jil. 53, Juni 2019.

6 Pasar Pemantauan Motor dengan Penawaran (Perangkat Keras, Perangkat Lunak), Proses Pemantauan ( Online, Portabel), Penerapan, Industri (Minyak dan Gas, Pembangkit Listrik, Logam dan Pertambangan, Air dan Air Limbah, Otomotif), dan Wilayah—Perkiraan Global sampai 2023 . Riset dan Pasar, Februari 2019.

7 Pradeep Lall, Amrit Abrol, dan David Locker. “Pengaruh Paparan Berkelanjutan terhadap Suhu dan Kelembaban pada Keandalan dan Kinerja Mikrofon MEMS.” Konferensi dan Pameran Teknis Internasional ASME 2017 tentang Pengemasan dan Integrasi Mikrosistem Elektronik dan Fotonik, September 2017.

8 Marcel Janda, Ondrej Vitek, dan Vitezslav Hajek. Motor Induksi:Pemodelan dan Kontrol . InTech, November 2012.

9 Muhammad Ali Shah, Ibrar Ali Shah, Duck-Gyu Lee, dan Shin Hur. “Pendekatan Desain Mikrofon MEMS untuk Peningkatan Kinerja.” Jurnal Sensor , Jil. 1 Maret 2019.