Silniki elektryczne, wentylatory, pompy — maszyny wirujące pracują w zakładach przemysłowych nieprzerwanie, często w miejscach utrudniających regularne inspekcje. To one generują największą część nieplanowanych awarii.

Ich uszkodzenia rzadko pojawiają się z dnia na dzień — łożysko nie psuje się nagle, niewyważenie nie narasta w ciągu minuty. To postępujące uszkodzenia rozwijające się tygodniami, zostawiające po sobie ślad w formie mierzalnych symptomów.

Tymi mierzalnymi symptomami mogą być drgania. Zmiana ich charakteru bywa pierwszym uchwytnym sygnałem, że z maszyną zaczyna się dziać coś niepokojącego — często zanim problem stanie się słyszalny, widoczny czy odczuwalny w inny sposób. Stąd rosnące zainteresowanie monitoringiem drgań prowadzonym w sposób ciągły, a nie tylko podczas okresowych obchodów służb utrzymania ruchu.

Czym jest monitorowanie wibracji?

Sercem monitorowania wibracji są akcelerometry przemysłowe – niewielkie czujniki montowane bezpośrednio na obudowie maszyny, które precyzyjnie mierzą przyspieszenie drgań. To właśnie one dostarczają danych potrzebnych do analizy.

W praktyce inżynierskiej standardem stały się rozwiązania piezoelektryczne oraz czujniki oparte o MEMS. Czujniki różnią się jednak nie tylko zasadą działania, ale też sposobem montażu i komunikacji, co przekłada się na ich zastosowanie.

Czujniki 1-osiowe mierzą drgania w jednym kierunku, podczas gdy czujniki 3-osiowe pozwalają analizować zjawiska zachodzące jednocześnie w kilku płaszczyznach. Niezależnie od liczby osi, czujnik może być również wykonany w wersji bezprzewodowej — rozwiązanie szczególnie przydatne tam, gdzie monitorowane urządzenie znajduje się w trudno dostępnej lokalizacji, np. uniemożliwiającej okablowanie.

Sam czujnik to jednak tylko jeden element większego systemu. Typowa instalacja obejmuje również elektronikę przetwarzającą sygnał z czujnika, moduły komunikacyjne przesyłające dane dalej oraz platformę analityczną, w której dane są gromadzone i prezentowane.

To, co trafia na taką platformę, może mieć różną postać: od pojedynczych wartości całkowitych drgań, przez widma częstotliwościowe FFT, po pełne przebiegi czasowe wykorzystywane do bardziej zaawansowanej diagnostyki.

Wibrodiagnostyka maszyn – dlaczego sam pomiar drgań nie wystarcza?

W wielu zakładach monitoring wibracji całkowitych pozwala skutecznie wykryć pogarszający się stan urządzenia, jednak nie odpowiada na kluczowe pytanie: co jest przyczyną problemu?

Podwyższony poziom drgań może oznaczać zarówno niewyważenie maszyn, jak i luzy mechaniczne, niewspółosiowość napędów czy rozwijające się uszkodzenia łożysk.

Z punktu widzenia utrzymania ruchu sama informacja o przekroczeniu progu alarmowego często okazuje się niewystarczająca do podjęcia właściwych działań.

Dlatego nowoczesna diagnostyka drgań coraz częściej wykorzystuje analizę danych surowych, parametrów procesowych oraz informacji o konstrukcji maszyny. Takie podejście pozwala przejść od prostego alarmowania do identyfikacji najbardziej prawdopodobnej przyczyny awarii.

Od monitoringu do automatycznej identyfikacji przyczyn uszkodzeń

Rozwiązania nowej generacji rozwijane przez ifm electronic w ramach platformy moneo Asset Health pokazują kierunek rozwoju diagnostyki przemysłowej. System łączy dane pochodzące z czujników drgań, parametry procesowe oraz informacje o monitorowanej maszynie, aby automatycznie wskazywać prawdopodobne źródła problemów eksploatacyjnych.

Rozwiązanie wspiera monitorowanie m.in. pomp odśrodkowych, silników elektrycznych oraz wentylatorów pracujących z prędkością przekraczającą 120 obr./min.

Analiza realizowana jest w oparciu o przebiegi czasowe sygnału drganiowego (Time Waveform), widma częstotliwościowe FFT oraz charakterystyczne wzorce diagnostyczne.

System uwzględnia przy tym zarówno parametry drganiowe, takie jak pierwiastek średniej kwadratowej prędkości drgań (v-RMS), wykorzystywany m.in. do wykrywania niewyważenia, niewspółosiowości i luzów mechanicznych, jak i pierwiastek średniej kwadratowej przyspieszenia drgań (a-RMS), stosowany m.in. do identyfikacji tarcia oraz problemów związanych z niewystarczającym smarowaniem łożysk i przekładni.

Dodatkowo system przeprowadza analizę na podstawie surowego sygnału drgań z akcelerometrów, na podstawie którego generowany jest raport stanu technicznego monitorowanego obiektu.

Dzięki takiemu podejściu użytkownik otrzymuje nie tylko informację o pogorszeniu stanu technicznego, lecz także ocenę prawdopodobieństwa występowania konkretnych uszkodzeń wraz z rekomendowanymi działaniami serwisowymi. Informacje zwrotne prezentowane są w formie czytelnych wskaźników diagnostycznych.

Predictive Maintenance i Real Time Maintenance w praktyce

Strategie utrzymania ruchu można ułożyć na skali rosnącej dojrzałości. Na jednym jej końcu jest utrzymanie reaktywne, działające na zasadzie run-to-failure — maszyna jest naprawiana dopiero po awarii.

Krok dalej to Preventive Maintenance: przeglądy wykonywane według sztywnego harmonogramu, co bywa rozwiązaniem niedoskonałym — część prac okazuje się niepotrzebna, a część usterek i tak umyka między zaplanowanymi terminami.

Rozwój technologii IIoT przesuwa tę skalę dalej, w stronę Predictive Maintenance. Zamiast trzymać się kalendarza, przedsiębiorstwa wykorzystują dane z czujników do analizy rzeczywistego stanu maszyn i prognozowania, kiedy konkretny element może ulec awarii.

Badanie przeprowadzone przez Douglasa Thomasa i Briana Weissa z amerykańskiego National Institute of Standards and Technology (NIST) wykazało, że zakłady w największym stopniu opierające się na utrzymaniu predykcyjnym i prewencyjnym odnotowały 52,7% mniej nieplanowanych przestojów i 78,5% mniej defektów niż zakłady opierające się głównie na utrzymaniu reaktywnym.

Przyszłość utrzymania ruchu: mniej alarmów, więcej odpowiedzi

Przez lata systemy monitoringu stanu maszyn koncentrowały się przede wszystkim na dostarczaniu danych. Dziś przedsiębiorstwa oczekują czegoś więcej – szybkiej interpretacji informacji oraz wsparcia w podejmowaniu decyzji serwisowych.

Rozwiązania takie jak moneo Asset Health wpisują się w ten trend, wykorzystując dane z akcelerometrów przemysłowych, czujników drgań i parametrów procesowych do automatycznej identyfikacji przyczyn awarii.

Dzięki temu monitorowanie stanu maszyn przestaje być jedynie źródłem alarmów, a staje się narzędziem wspierającym efektywne zarządzanie niezawodnością parku maszynowego, nawet w zakładach, które nie dysponują zespołem ekspertów od wibrodiagnostyki.