De optimale predictieve-onderhoudsensoren selecteren voor betrouwbare asset-gezondheid

Condition-based monitoring (CbM) volgt apparatuurgezondheid met sensoren, terwijl predictive maintenance (PdM) CbM, machine learning, en analytics combineert om falen te voorspellen. Het kiezen van de juiste sensoren is kritiek om fouten te detecteren, diagnosticeren, en voorspellen vóór downtime.

Industriële motoren zijn ontworpen voor 20-jarige continu operatie in fabrieken en centrales, doch veel halen hun verwachte levensduur niet. Oorzaken omvatten ondergebruik, ontoereikend onderhoud, of de afwezigheid van een PdM-systeem. Een goed geïmplementeerd PdM-programma plant reparaties proactief, wat ongeplande uitvallen voorkomt en asset-longeviteit verlengt.

Een robuuste PdM-strategie emploëert meerdere technieken en sensoren om fouten vroeg met hoge vertrouwen te vangen – er is geen universele "one-sensor-fits-all". Dit artikel verklaart waarom sensoren onmisbaar zijn in PdM, hun sterktes en beperkingen benadrukkend.

Systeem-fouttijdlijn

Figuur 1 illustreert een motor's levenscyclus – van installatie tot falen – samen met de aanbevolen sensor op elk stadium. Na verloop van de garantie, shift onderhoud van frequente inspecties naar geplande checks.

Ongeplande downtime treedt vaak op wanneer een fout zich ontwikkelt tussen geplande checks. De sleutel is een sensor die issues vroeg kan vlagen – dit artikel focust op vibratie- en akoestische oplossingen, met vibratie-analyse typisch dienend als PdM-startpunt.

Predictive Maintenance Sensoren

Sommige sensoren detecteren specifieke fouten, zoals lager-schade, eerder dan anderen. Accelerometers en microfoons zijn het meest wijd gebruikt voor vroege foutdetectie. Tabel 1 lijst sensor-specs en de fouten die ze kunnen onthullen. PdM-systemen deployen normaal een subset van deze sensoren, dus elk fouttype en de beste sensor om het vast te leggen begrijpen is essentieel.

Sensor- en systeem-foutoverwegingen

Meer dan 90% van industriële rotatie-machinery vertrouwt op rolling-element lagers. Figuur 2 toont de verdeling van motor-component-falen, wat het belang van lager-monitoring benadrukt. Een vibratiesensor moet lage ruis en wijd bandbreedte bieden om potentiële fouten te detecteren, diagnosticeren, en voorspellen.

Tabel 2 detailt veelvoorkomende fouten in rotatie-machines en de vibratiesensor-vereisten voor vroege detectie. High-performance sensoren zijn cruciaal voor betrouwbare operatie.

Vibratie-energie (piek, piek-tot-piek, rms) onthult imbalance of misalignment. Vroege-stadium fouten zoals lager- of tandwiel-defecten vereisen vaak een lage-ruis (<100 µg/√Hz) en wijd-bandbreedte (>5 kHz) sensor gepaard met geavanceerde signaalverwerking.

Vibratie, sonische, en ultrasonische sensoren voor PdM

MEMS-microfoons inbedden een MEMS-element op een PCB, typisch behuisd in metaal met een poort voor klankdruk. Ze zijn kosteneffectief, compact, en ideaal voor batterij-gedreven monitoring van lager-gezondheid, tandwiel-meshing, pomp-cavitatie, misalignment, en imbalance. Echter, in ruisvolle of harde omgevingen, kan prestatie degraderen door omgevingsruis, vocht, of mechanische schok.

Terwijl veel MEMS-datasheets benigne applicaties lijsten (mobile, laptop, gaming), noteren ze ook gevoeligheid voor schok – sommigen claimen tot 10.000g overleefbaarheid. Heldereheid over geschiktheid voor extreme omgevingen blijft beperkt.

MEMS-ultrasonische microfoons analyseren geluiden in het 20-100 kHz-bereik, waar omgevingsruis minimaal is. Hogere frequenties leveren kortere golflengtes (0,3-1,6 cm) en meer gerichte energie op, wat nauwkeurige foutlokalisatie in lagers of behuizingen ondersteunt.

Accelerometers domineren vibratiezensing voor grote rotatie-apparatuur (turbines, pompen, motoren, tandwielen). Tabellen 3 en 4 vergelijken high-performance MEMS vibratie/akoestische sensoren met de industrie-gouden-standaard piezo-accelerometers.

De CbM-markt wordt geprojecteerd om significant te groeien de komende vijf jaar, met wireless-deployments die veel van die expansie drijven. Piezo-accelerometers, hoewel hoogst capabel, zijn bulkier en consumeren meer power, wat MEMS-accelerometers en microfoons aantrekkelijk maakt voor batterij-gedreven PdM-systemen.

Alle sensortypes bieden adequaat bandbreedte en lage ruis, maar MEMS-accelerometers leveren uniek een DC-tot-hoge-frequentie-respons, nuttig voor lage-snelheid imbalance-detectie en tilt-sensing. Ze hebben ook self-test-functies, wat functionele integriteit waarborgt – een kritiek veiligheidsvoordeel.

Hermetische afdichting is mogelijk voor MEMS-accelerometers (keramisch) en piezo-accelerometers (mechanisch), wat gebruik in vuile of harde omgevingen mogelijk maakt. Tabel 4 benadrukt mechanische en omgevingsprestatieverschillen, wat sensor-naar-asset matching begeleidt.

Drie-as vibratiedata biedt rijker diagnostiek, wat foutdetectie verbetert verder dan single-axis setups – een duidelijke voordeel van zowel piezo als MEMS-accelerometers.

MEMS-microfoons kunnen tot -8dB distortie lijden in hoge-vochtomgevingen. In dergelijke condities kunnen electret-condensator-microfoons (ECMs) beter presteren. Andere omgevingsfactoren – wind, druk, EM-velden, schok – beïnvloeden ook akoestische sensoren.

In benigne omgevingen leveren MEMS-microfoons uitstekende PdM-prestaties. Echter, ze in harde, vibratoire, stoffige, of vochtige omgevingen monteren stelt uitdagingen; ze vereisen een poort voor akoestische toegang, wat interne elektronica kan blootstellen aan contaminanten.

Recente vooruitgang in capacitieve MEMS-accelerometer-technologie stelt nu kleine, lage-kost, wireless CbM-oplossingen voor lagere-prioriteits assets in staat, wat diepere inzichten in faciliteitsoperaties en uptime biedt. Deze MEMS-sensoren benaderen piezo-prestaties voor wired-systemen, met lage ruis, wijd bandbreedte, en industrie-standaard IEPE-interfaces.

Toegewijde PdM-modules, zoals Analog Devices' ADcmXL3021, integreren drie single-axis MEMS-accelerometers, ADC's, processoren, geheugen, en algoritmes in een mechanisch package met een resonantie >50 kHz. Dit stelt on-node FFT's, alarm-triggers, en statistische outputs in die essentieel zijn voor machine-learning-gebaseerde falingsvoorspelling.

Het kiezen van de juiste vibratiesensor hangt af van het matchen van sensor-capaciteiten met de asset's waarschijnlijke falingsmodi. MEMS-microfoons zijn nog niet bewijzen om alle vibratie-gebaseerde fouten in de harste omgevingen betrouwbaar te detecteren, terwyl accelerometers een decennialang bewijs van betrouwbaarheid hebben. MEMS-ultrasonische microfoons tonen belofte voor vroege lager-foutdetectie en kunnen accelerometers complementeren voor een hybride PdM-oplossing.

Hoewel geen enkele sensor alle scenario's past, blijven accelerometers een bewezen, evoluerende keuze. Analog Devices biedt een breed portfolio aan MEMS-accelerometers – variërend van low-power, low-noise, high-stability units tot intelligente edge-node modules – om diverse applicatiebehoeftes te bevredigen.

Referenties

1. Leslie Langnau. "Sensors Help You Get Maximum Use from Your Motors." Machine Design, September 2000.
2. Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, en Jan Desmet. "Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study." 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, May 2015.
3. Brian P. Graney en Ken Starry. "Rolling Element Bearing Analysis." Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., January 2012.
4. Pratyay Konar, R. Bandyopadhyay, en Paramita Chattopadhyay. "Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks." Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, December 2009.
5. Pete Sopcik en Dara O'Sullivan. "How Sensor Performance Enables Condition-Based Monitoring Solutions," Analog Dialogue, Vol. 53, June 2019.
6. Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, February 2019.
7. Pradeep Lall, Amrit Abrol, en David Locker. "Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone." ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, September 2017.
8. Marcel Janda, Ondrej Vitek, en Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, November 2012.
9. Muhammad Ali Shah, Ibrar Ali Shah, Duck-Gyu Lee, en Shin Hur. "Design Approaches of MEMS Microphones for Enhanced Performance." Journal of Sensors, Vol. 1, March 2019.