Kết hợp phân tích rung động và phân tích dầu trong chương trình bảo trì dựa trên tình trạng thiết bị

Mảnh vụn kim loại trong mẫu dầu bôi trơn máy giúp chẩn đoán hư hỏng

Lâu nay người ta đã nhận ra rằng, bảo trì dựa trên tình trạng thiết bị (condition-based maitenance) là phương pháp mang lại hiệu quả nhất, nhất là hiệu quả về chi phí, trong việc tối đa tuổi thọ của các máy công nghiệp. Phân tích rung động và phân tích mảnh vụn kim loại do mài mòn lẫn trong dầu bôi trơn là hai thành phần chủ yếu của bất cứ chương trình theo dõi tình trạng thiết bị thành công và có thể được sử dụng như là công cụ bảo trì dự đoán và bảo trì tiên phong để xác định sự mài mòn và chẩn đoán các hư hỏng xảy ra bên trong máy. Khi các kỹ thuật này được tiến hành độc lập thì chỉ một phần trong các lỗi hư hỏng của máy được chẩn đoán.
Tuy nhiên các kinh nghiệm thực tế đã chỉ ra rằng sự kết hợp của hai kỹ thuật này lại trong một chương trình theo dõi tình trạng thiết bị sẽ cung cấp các lượng thông tin lớn hơn và đáng tin cậy hơn, mang lại lợi ích đáng kể về kinh tế cho sản xuất công nghiệp.
Phân tích rung động nói riêng đang ngày càng trở thành phổ biến như là một quy trình bảo trì dự đoán và như là một công cụ hỗ trợ ra các quyết định bảo trì máy. Như là một quy tắc chung, máy khi hư hỏng sẽ có các dạng cảnh báo mà cho thấy bởi một mức rung động tăng cao. Bằng việc đo và phân tích rung động máy, có thể xác định được cách thức và mức độ hư hỏng và từ đó có thể dự đoán các hư hỏng của máy. Tín hiệu rung động tổng overall từ một máy được tổng hợp từ nhiều thành phần và kết cấu máy được kết nối với nhau. Tuy nhiên các hư hỏng máy tạo ra đặc tính rung động ở các tần số khác nhau mà có liên hệ đến các tình trạng hư hỏng xác định. Bằng việc phân tích biểu đồ dạng phổ spectrum và biểu đồ quan hệ của tần số theo thời gian và sử dụng các kỹ thuật xử lý tín hiệu thì có thể xác định được các tần số khi hư hỏng và tần số tự nhiên hay tần số riêng của các thành phần kết cấu máy khác nhau.

Thu thập dữ liệu rung động máy

Biểu đồ rung động dạng phổ spectrum và dạng sóng waveform hữu ích trong chẩn đoán hư hỏng máy

https://i0.wp.com/www.kineticimprovement.com/images/vibration-analysisdata.jpg

So với phân tích rung động, phân tích dầu và hạt bẩn có những thuận lợi đáng kể khi mà nó cung cấp trực tiếp và sớm các thông tin về các kiểu mài mòn và tình trạng của máy. Trên thực tế, nhiều trường hợp đã chứng minh phân tích dầu là một công cụ hàng đầu cho biết tình trạng mài mòn bên trong máy. Ngoài ra phân tích dầu có thuận lợi trong việc theo dõi tình trạng của các máy tốc độ thấp (dưới 5 vòng/phút), mà thường cho khó hoặc không thể áp dụng kỹ thuật phân tích rung động. Tuy nhiên, kỹ thuật phân tích mảnh vụn kim loại do mài mòn trong dầu không thể hoàn toàn hiệu quả trong tất cả các kiểu hư hỏng của các cơ cấu cơ khí. Chính vì lý do đó mà cả hai kỹ thuật phân tích dầu và phân tích rung động đều cần thiết và là thành phần sống còn của một chương trình bảo trì hiệu quả.
Cả hai kỹ thuật phân tích hạt vun kim loại trong chất bôi trơn và phân tích rung động được tổ hợp với nhau liên quan đến các yêu cầu phân tích của chúng và đòi hỏi của người có chuyên môn và kinh nghiệm. Các chuyên gia trong hai lĩnh vực phân tích này thường tách biệt thành hai mảng. Do đó sự kết hợp hiệu quả của hai kỹ thuật theo dõi tình trạng có thể là thách thức trong môi trường làm việc, đặc biệt là trong nghành công nghiệp như khoan thăm dò ngoài biển, khai thác mỏ và các nghành khác. Trong những năm gần đây, các nghiên cứu hướng tới mục tiêu này đã đang được tiến hành nhưng kết quả còn rất hạn chế. Tuy nhiên, những thuận lợi của sự cải tiến công nghệ, bao gồm kỹ thuật phân tích máy tính tiến bộ và trí tuệ nhân tạo đã tạo ra sự lạc quan về triển vọng của vượt qua khó khăn để phát triển một phương pháp thống nhất mới trong theo dõi tình trạng máy.

Gửi phản hồi

Mời bạn điền thông tin vào ô dưới đây hoặc kích vào một biểu tượng để đăng nhập:

WordPress.com Logo

Bạn đang bình luận bằng tài khoản WordPress.com Log Out / Thay đổi )

Twitter picture

Bạn đang bình luận bằng tài khoản Twitter Log Out / Thay đổi )

Facebook photo

Bạn đang bình luận bằng tài khoản Facebook Log Out / Thay đổi )

Google+ photo

Bạn đang bình luận bằng tài khoản Google+ Log Out / Thay đổi )

Connecting to %s