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

Studi Kasus Pemeliharaan Prediktif: Analisis Getaran, Inframerah, Minyak, dan Arus Motor dalam Dunia Nyata

Studi kasus berikut menunjukkan data nyata yang dianalisis oleh penulis, mengilustrasikan bagaimana alat pemeliharaan prediktif—analisis getaran, termografi inframerah, analisis minyak, dan analisis arus motor—mendeteksi kesalahan sejak awal dan memperpanjang umur peralatan.

Setiap contoh disajikan sebagai spektrum frekuensi, dan jika relevan, sebagai gelombang waktu, memberikan bukti konkret dari kesalahan dalam segmen data tertentu.

Laporan kebersihan minyak mengidentifikasi kondisi minyak kotak, merujuk pada tingkat kebersihan ISO sebagai tolok ukur. Memelihara kualitas minyak esensial untuk mencegah kegagalan komponen sebelum waktu dan memaksimalkan uptime.

Gambar termografi inframerah mengungkapkan variasi suhu di seluruh komponen peralatan. Deviasi halus pun dapat mengesampingkan masalah yang mendasari, membuat personel yang terlatih dalam interpretasi termografi sangat berharga.

Motor listrik, yang penting untuk operasi manufaktur, biasanya gagal karena aus bearing atau kerusakan isolasi gulungan. Analisis arus motor dapat memprediksi kegagalan gulungan, memungkinkan jadwal pemeliharaan proaktif.

Studi Kasus Data Getaran (Gear Mesh)

Semua rangkaian gigi menghasilkan frekuensi gear-mesh sama dengan jumlah gigi dikalikan kecepatan poros. Sidebands muncul di kedua sisi frekuensi gear-mesh utama.

Gambar 1 menampilkan data dari gearbox planet di operasi kayu. Frekuensi kunci adalah 37.915,8 CPM, dengan harmoni pada 75.831,6 CPM. Sidebands mengelilingi frekuensi ini, dan gelombang waktu impact mengonfirmasi cacat meshing.

Dalam rangkaian gigi planet—sun gear yang menggerakkan tiga planet gear yang meshing dengan ring gear—mengidentifikasi frekuensi mesh dapat menantang. Spektrum cocok dengan frekuensi yang dihitung, dan gelombang waktu impact menunjukkan gigi gear yang cacat.

Cacat seperti pitting dan spalling timbul dari minyak terkontaminasi. Tekanan meshing tinggi (hingga 300.000 psi) menyebabkan pasir dan kotoran mengindenti logam gigi, yang mengarah pada aus. Setelah diagnosis, unit dikeluarkan, diperbaiki, dan diperiksa, mengungkapkan cacat terlihat pada ketiga planet gear.

Gambar 1. Data Gear Mesh

Mendeteksi masalah ini melalui analisis getaran mencegah kegagalan gear yang parah. Tanpa analisis, cacat akan berkembang, menghasilkan sisa logam dan kegagalan bertingkat. Analisis minyak juga dapat secara serupa mengidentifikasi logam aus.

Tindakan korektif, seperti penyeimbangan, dapat secara drastis mengurangi getaran. Gambar 2 menunjukkan getaran amplitudo tinggi pada kecepatan 1X kipas, yang menunjukkan ketidakseimbangan. Gambar 3 menunjukkan pengurangan getaran setelah penyeimbangan, turun di bawah ambang alarm dan memperpanjang umur peralatan.

Gambar 2. Data Getaran dari Kipas

Gambar 3. Data Tren Getaran Setelah Penyeimbangan

Di luar deteksi, pemeliharaan prediktif bertujuan untuk menghilangkan kemunculan kembali dengan mengidentifikasi penyebab akar dan menerapkan tindakan pencegahan.

Gambar 4 mengilustrasikan kesalahan bearing—defek outer-race—yang diidentifikasi oleh sidebands di sekitar frekuensi kesalahan dan modulasi amplitudo dalam gelombang waktu. Database bearing perangkat lunak (lebih dari 10.000 frekuensi kesalahan) melabeli frekuensi ini secara otomatis.

Gambar 4. Data Getaran dari Bearing yang Rusak

Analisis getaran juga mengidentifikasi risiko resonansi saat kecepatan operasi mendekati frekuensi alami. Tes impact, yang ditunjukkan dalam Gambar 5, mengidentifikasi frekuensi alami sebuah struktur. Operasi dalam 20 % dari 7.313,1 CPM akan menciptakan resonansi, memperbesar getaran hingga 20 kali lipat.

Gambar 5. Data yang Mengidentifikasi Frekuensi Alami Struktur

Studi Kasus Termografi Inframerah

Termografi inframerah banyak digunakan karena deteksi panas berlebih yang sederhana. Pelatihan interpretasi sertifikat direkomendasikan untuk memaksimalkan akurasi diagnostik.

Gambar 6 menyoroti starter motor dengan koneksi terminal “B” longgar. Suhu maksimum di titik panas mencapai 172,8 °F. Koneksi longgar menghasilkan panas berlebih, yang berpotensi menyebabkan kegagalan satu fasa dan pemadaman motor sebelum waktu.

Gambar 6. Data Inframerah Starter Motor, Diambil oleh Penulis

Gambar 7 memberikan referensi visual untuk membantu teknisi menemukan kesalahan.

Gambar 7. Gambar Area Masalah

Aplikasi termografi inframerah melampaui sistem tegangan rendah. Gambar 8 menunjukkan jack line tegangan tinggi pada 160,2 °F—lebih dari dua kali suhu lingkungan—yang menunjukkan koneksi longgar yang, jika tidak ditangani, dapat menghentikan operasi pabrik dan mencetak jutaan.

Gambar 8. Data Inframerah Koneksi Longgar

Digabungkan dengan alat PdM lainnya, termografi inframerah menghasilkan penghematan biaya besar dengan mencegah kegagalan sebelum waktu.

Analisis Minyak

Gambar 9 menampilkan tingkat kontaminan ISO 22/21/17, yang jauh melebihi standar biasa (misalnya, 16/14/11). Setiap kenaikan numerik menggandakan konsentrasi kontaminan, artinya tingkat ini 64 kali lebih kotor dari standar.

Gambar 9. Data Analisis Minyak

Analisis minyak secara terpercaya mendeteksi kontaminan yang timbul dari masuknya atau aus internal. Tingkat yang meningkat mempercepat aus dan mengurangi umur peralatan. Mitigasi mencakup filtrasi efisiensi tinggi (3-µm, 200 β ratio) dan pencegah bocor yang ketat.

Studi Kasus Analisis Arus Motor

Analisis arus motor memprediksi kerusakan isolasi, memungkinkan tindakan pencegahan. Digabungkan dengan data inframerah atau getaran, memberikan gambaran komprehensif tentang kesehatan listrik dan mekanis.

Gambar 10 membandingkan dua bacaan motor kipas sirkulasi penguapan: baseline (7 Sept 2005) dan follow-up (27 Juli 2006). Kenaikan ketidakseimbangan resistensi (% Res. Imbalance) menunjukkan kerusakan isolasi yang berkembang, yang memerlukan pengangkatan dan reconditioning motor.

Gambar 10. Data Diambil oleh Penulis

Analisis arus motor juga mendeteksi anomali celah udara, yang dapat menyebabkan goresan rotor-stator bahkan ketika parameter lain terlihat normal. Mengatasi masalah ini mencegah kegagalan motor yang parah.

Menerapkan beberapa teknologi PdM—getaran, inframerah, minyak, dan arus motor—memberikan wawasan yang tumpang tindih yang secara dramatis meningkatkan keandalan pemeliharaan dan mengurangi biaya waktu henti.

Gary Fore, CMRP
I & E Reliability Specialist
Eagle Rock Energy

Tentang penulis:
Gary Fore, CMRP, adalah spesialis keandalan I&E di Eagle Rock Energy. Dengan 22 tahun di sektor energi dan produk bangunan, dia berfokus pada rekayasa keandalan dan pemantauan kondisi. Kredensialnya termasuk Certified Maintenance & Reliability Professional, analis getaran Kategori III, termograf inframerah Tingkat II, spesialis pelumas sertifikasi, dan analis pelumas mesin Tingkat I.

Pemeliharaan dan Perbaikan Peralatan

  1. Membuka Nilai Real-Time dengan Pemeliharaan Prediktif
  2. Pemeliharaan Mencegah vs Prediktif: Memilih Strategi Terbaik untuk Pabrik Anda
  3. Bagaimana Pemeliharaan Prediktif Mendorong Efisiensi dan Memotong Waktu Henti
  4. Pemeliharaan Prediktif: Panduan Lengkap untuk Mengurangi Downtime dan Memaksimalkan ROI
  5. Metrik Kunci untuk Membuktikan Keberhasilan Pemeliharaan Prediktif
  6. Meluncurkan Pemeliharaan Prediktif: Pertanyaan Kunci dan Langkah Praktis
  7. Mengubah Keandalan Aset: Machine Learning untuk Predictive Maintenance
  8. Hindari Jebakan Umum: Raih Keberhasilan Pemeliharaan Prediktif dengan Senseye
  9. Buka Keunggulan Pemeliharaan Prediktif: Praktik Terbaik Ahli untuk Produsen
  10. IoT untuk Pemeliharaan Prediktif: Strategi Proaktif untuk Mengurangi Waktu Henti dan Biaya