ほぼゼロのダウンタイム：概要と傾向

および転送機器

振動解析 主に回転機械で使用され、ベアリングの欠陥、不均衡な状態、ミスアライメントなどの問題を見つけます。振動解析を使用する前に、メンテナンス技術者は、ベアリングが問題があることに気付かないまで待たなければなりませんでした。ただし、振動解析を使用することにより、定期的な読み取りを行って記録することができます。その後、保守担当者はこれらの測定値をベースラインの測定値と比較できます。摩耗が一定のレベルに達すると、ベアリングは故障する前に交換する予定です。これにより、事後対応型のメンテナンスの量が減り、生産または設備のスケジュールへの影響を最小限に抑えて交換が確実に行われます。大型回転機械では、オンライン状態監視システムが広く採用されています。各軸受部の振動情報を収集し、それに基づいて現在の機械性能を評価します。さらに、その評価と機械性能の予測に基づいて、将来のメンテナンスが予定されています。そうすれば、マシンは本当に必要なときにだけ開かれます。

振動解析は、流体動力システムの非機械的問題や、大型遠心圧縮機のサージまたは流体励起障害の診断にも使用されます。たとえば、流体処理システムの制限や外乱は、問題の特定に役立つ乱流と固有の振動の兆候を生み出します。

超音波 主に漏れの検出、特に蒸気と空気の漏れに使用されます。これらのリークは高額になる可能性がありますが、多くの企業が気付かないようにしています。

超音波の一般的な用途には、空気圧およびその他のガスシステム、真空システム、ガスケットとシール、およびスチームトラップの漏れ検出が含まれます。超音波はバルブのブロースルーも検出し、油圧ポンプのキャビテーションの問題を検出する最も一般的な方法でもあります。

超音波は、電気開閉装置や架空送電線の検査にも使用されます。日常の検査には時間がかかり、危険です。これらの領域はコロナ放電がないか監視され、機器が放電を「聞く」と、技術者はほとんど時間を無駄にすることなく問題をすばやく見つけることができます。したがって、技術者は、重大になって機器の故障を引き起こす前に、小さな問題を見つけることができます。

油と摩耗-粒子分析 潤滑関連の故障を検出するために広く使用されている2つの異なる技術です。オイル分析は、潤滑油の状態を判断します。摩耗粒子分析は、潤滑剤中の摩耗粒子の濃度に基づいて機器の状態を判断します。

たとえば、異常な摩耗の兆候（ノイズや過熱など）を示しているギアケースについて考えてみます。オイルサンプルの摩耗粒子をチェックできます。見つかった粒子の種類と状態を考慮すると、考えられる問題とその原因の数を特定することができます（たとえば、設計速度や容量を超えて機器を操作したり、フィルターの故障が発生したりします）。問題が特定されたら、運用や施設への影響を最小限に抑えながら、適切なメンテナンスアクションをスケジュールできます。

いくつかのユニークなアプリケーションには、潤滑剤自体または潤滑剤中の摩耗粒子の分析が含まれます。たとえば、潤滑が不十分な場合、摩耗粒子が現れることがあります。 「不十分な潤滑」は、必ずしもシステムに潤滑剤がないことを意味するわけではありません。たとえば、密閉型ドライブの潤滑システムでは、スプレーノズルが詰まっており、適切な潤滑が検査が困難な領域に到達するのを妨げている可能性があります。ドライブの目に見える部分が適切に潤滑されている可能性がありますが、潤滑が不足している他の領域では、その状態を示す摩耗粒子が生成されます。サンプルは、添加剤の故障、潤滑剤の汚染、または潤滑剤の定格を超える過度の負荷などの状態を示している場合もあります。

サーモグラフィー 通常よりも高温の電気部品を見つけるために主に使用されます。このような状態は通常、摩耗または緩みを示します。したがって、サーモグラフィを使用すると、技術者は、すべてのコンポーネントに同じレベルの注意を払う必要なしに、注意が必要な電気コンポーネントのみのメンテナンスを実行できます。

たとえば、公益事業では、緩い接続から熱が発生しないようにするために、電気部品に正しいトルクが不可欠です。サーモグラフィの前に、コントロールパネルの各接続を手動でチェックして正しいトルクを確認する必要がありました。サーモグラフィを使用することにより、ホットな接続のみが注目されます。これにより、接続の予防保守を実行するために必要なスタッフが削減されます。

その他のアプリケーションには、環境条件によって摩耗する架空送電線などの屋外配線の監視が含まれます。サーモグラフィは、変圧器の温度を測定して、特定の領域が他の領域よりも高温である場合に示される問題を見つけるのにも役立ちます。さらに、高温プロセスのある業界でのメンテナンスをサポートします。このテクノロジーは、耐火物が摩耗している領域を特定するのに役立ち、壊滅的な障害が発生する前に修理することができます。

サーモグラフィであまり使用されていないもう1つのアプリケーションは、機器を大幅にシャットダウンせずにカップリングアライメントをチェックすることです。ミスアライメントのカップリングが回転すると、熱が発生します。温度差が大きいほど、ミスアライメントが大きくなります。サーモグラフィを使用することにより、保守担当者はカップリング全体の温度上昇を観察できます。一部の企業は、この手法を十分に長い間使用して、各タイプのカップリングの温度上昇に関するプロファイルを作成してきました。このプロファイルを使用して、（どの平面にあるかではなく）ミスアライメントの量を判断できます。その後、技術者はカップリングの再調整を事前にスケジュールできます。

アコースティックエミッション（AE） 分析 は、通常20キロヘルツから1メガヘルツの超音波範囲の弾性波が、材料内のエネルギー源からのエネルギーの急速な放出によって生成される現象のクラスです。弾性波は固体を通って表面に伝播し、そこで1つまたは複数のセンサーで記録できます。センサーは、力学的波を電気信号に変換するトランスデューサーです。このようにして、可能な音源の存在と位置に関する情報が取得されます。定量的手法の基礎は、AEイベントのソース座標を可能な限り正確に抽出するためのローカリゼーション手法です。

AE分析は、構造を積極的に調査する超音波検査とは異なります。 AE分析は、アクティブな欠陥からの放出をリッスンし、構造がプルーフテストでサービス負荷を超えて負荷された場合の欠陥アクティビティに非常に敏感です。

AE分析は、材料の局所的な損傷を調査するための便利な方法です。他のNDE技術に勝る利点の1つは、試験片に影響を与えることなく、荷重履歴全体で損傷したプロセスを観察できなければならない可能性があることです。

AE分析は、圧力容器の故障や貯蔵タンクやパイプシステムの漏れの検出と特定、溶接アプリケーションの監視、腐食プロセス、部品からの部分的な放電など、幅広いアプリケーションでうまく使用されています。高電圧および保護コーティングの除去。 AEアプリケーションの研究開発が現在追求されている分野は、とりわけ、プロセスの監視と、土木構造物（橋、パイプライン、海上プラットフォームなど）のグローバルまたはローカルの長期監視です。多数のAEアプリケーションが公開されている別の分野は、繊維強化ポリマーマトリックス複合材料、特にガラス繊維強化部品または構造（ファンブレードなど）です。 AEシステムには、リークによって生成された音響信号を検出する機能もあります。

AE分析の欠点は、市販のAEシステムでは、材料にどれだけの損傷があり、コンポーネントがどれだけ長く続くかを定性的にしか推定できないことです。したがって、より徹底的な検査を行い、定量的な結果を提供するには、他のNDE方法が依然として必要です。さらに、サービス環境は一般的に非常にノイズが多く、AE信号は通常非常に弱いです。したがって、信号の識別とノイズリダクションは非常に困難ですが、AEアプリケーションを成功させるには非常に重要です。

3.2ウォッチドッグエージェント

現在、一般的な状態ベースのメンテナンス（CBM）アプローチでは、障害の兆候の認識に基づいてマシンの現在の状態を推定します。最近、この障害中心のパラダイム内のいくつかの予測CBM手法が提案されました。これらのアプローチにもかかわらず、前述の予測CBM手法を実装するには、現在のマシンまたはプロセスのパフォーマンスを評価するために対応する障害モードを知る必要があるため、評価されたマシンまたはプロセスに関する専門知識と事前知識が必要です。このため、前述のCBMメソッドはアプリケーション固有であり、堅牢ではありません。

インテリジェントメンテナンスシステムセンターは、ウォッチドッグエージェントに基づくパフォーマンス評価と予測のための新しいCBMパラダイムを提案しました。この新しいアプローチは、一般的な信号処理、特徴抽出、センサー融合技術を通じて、複数のセンサー入力から抽出されたシグネチャから取得されたパフォーマンス関連情報を利用することに基づいています。この場合のパフォーマンス評価は、最新のパフォーマンスを表すシグニチャを通常のシステム動作中に観察されたシグニチャと照合することに基づいて行われます。これらのシグニチャが厳密に一致している場合はパフォーマンスが良好であることを示し、シグニチャ間の差異が大きい場合はパフォーマンスが低下し、メンテナンスが必要であることを示します。

このCBM手法を運用するために障害データは必要なく、採用された方法の性質は一般的であるため、専門知識の必要性は大幅に減少します。ただし、一部の障害モードを説明する障害データが利用可能な場合は、最新のプロセスシグニチャをそれらの障害関連のシグニチャと照合し、結果として得られる一致に重要な診断情報を含めることもできます。

図3は、プロセス障害ではなくプロセス劣化の記述と定量化を中心としたこのCBM手法を示しています。最後に、プロセスシグニチャの履歴動作を利用して、それらの動作を予測し、プロセスパフォーマンスを予測できます。予測されたパフォーマンスに基づいて、プロセスの劣化を予測し、潜在的な障害が発生する前に防止することで、予防的なメンテナンスが可能です。したがって、ウォッチドッグエージェントは、いつに関する情報を生成できるようになります。 許容できないシステムパフォーマンスが発生します。理由 パフォーマンスの低下が発生し、何 システム内のコンポーネントを保守する必要があります。この情報は、最終的には、ダウンタイムを予防的に防止する最適なメンテナンスポリシーとアクションにつながります。

マルチセンサーのパフォーマンス評価と予測のこのインフラストラクチャ全体は、同様の条件下で動作する同一の製品に搭載されたウォッチドッグエージェントが情報を交換し、世界モデルの構築を相互に支援できる場合、さらに強化される可能性があります。さらに、この通信を使用して、「兄弟製品」のパフォーマンスをベンチマークし、深刻な損傷や損失を引き起こす前に、パフォーマンスの低いユニットを迅速かつ効率的に特定できます。同様の条件で動作する同一の製品間の通信とベンチマークのこのパラダイムは、「ピアツーピア」（P2P）パラダイムと呼ばれます。図8は、P2P通信とベンチマークパラダイムによってサポートされる前述のウォッチドッグエージェント機能を示しています。

図3：シグニチャ間のオーバーラップに基づくパフォーマンス評価。

条件ベースのメンテナンスのためのオープンシステムアーキテクチャ（OSA-CBM）の標準によると、一般的なCBMシステムは次の7つの層で構成されています。

•センサーモジュール

•信号処理

•状態監視

•健康評価

•予後

•意思決定のサポート

•プレゼンテーション

ウォッチドッグ機能は、この標準トポロジをマルチセンサーレベルに拡張し、CBMスキームの感覚処理、状態監視、ヘルスアセスメント、および予測レイヤーを実現します。インテリジェントメンテナンスシステム内のセンサーと意思決定レイヤーは、ウォッチドッグエージェントの外部で実現されます。

結論

今日の競争の激しい市場では、生産コスト、リードタイム、最適な機械の使用率が企業にとって重要な問題です。ほぼゼロのダウンタイムは、メンテナンスクルーが会社のスループットと高い生産性を維持するための目標です。機器が故障した場合にのみ実行されるリアクティブなメンテナンスは、高い生産コストと、機器およびプロセスの故障によって引き起こされる重大なサービスのダウンタイムの両方をもたらします。予防保守は、機械またはプロセスの実際の状態に関係なくスケジュールされた保守操作を通じて、機械またはプロセスの故障とダウンタイムを排除することを目的としています。したがって、現代の市場では、機器の現在および過去の動作に基づいて障害を予測および防止することがますます重要になり、必要な場合にのみ、正確に必要なときにそのメンテナンスを保証します。

これらの理由から、従来の事後対応型保守および予防型保守から予知保全への移行は、保守技術の開発の方向性である必要があります。状態ベースの監視テクノロジーに基づいて、従来の失敗と修正の慣行は、新しい予測と防止のパラダイムに置き換えることができ、最終的には置き換える必要があります。

作者について：

HaiQiuとJayLeeは、NSF産業/大学共同研究センターの指揮を支援しています

シンシナティ大学のインテリジェントメンテナンスシステム（IMS）。詳細については、www.imscenter.netにアクセスしてください。

参照：

• Sandy Dunn、21世紀の状態監視、http：//www.plant-maintenance.com/articles/ConMon21stCentury.shtml
• プラント保守リソースセンター、2002年状態監視調査結果、http：//www.plant-maintenance.com/articles/condition-monitoring-survey-02.shtml
• Robert J.、収益の維持、http：//www.ecmweb.com/ar/electric_maintaining_bottom_line/
• J S Rao、機械の振動状態監視、CRCプレス2000、ISBN 0849309379
• Bertele、Otto V.「なぜコンディションモニターなのか？」状態監視に関する第3回国際会議。 1990年10月15〜16日。
• Bengtsson、M.、2002年、鉄道車両の状態ベースのメンテナンス」、IDPMTR02：06。
• Chris Davies、障害診断における情報システムの使用、http：//www.bin95.com/download/Information_Systems_in_Fault_Diagnosis.pdf
• Don Fitchett、真のダウンタイムコスト（TDC）とは何ですか？、http：//www.afestlouis.org/Download/True_Downtime_Cost.pdf
• L.Swanson、メンテナンス機能に対する新しい生産技術の影響：実証的研究、International Journal of Production Research、vol.37、No.4、pp849-869、1999。
• Andy Foerster、リモート監視および制御の新時代、http：//www.ecmweb.com/ar/electric_new_age_remote/
• Mark Lamendola、リモート予測モニタリングの新機能、http：//www.ecmweb.com/ar/electric_whats_new_remote/
• SpectraQuest、Inc。http://www.spectraquest.com/
• Haynes、C J、パフォーマンスデータを使用した発電所メンテナンスのスケジューリング、ASMEペーパー86-JPGC-PWR-63
• Ray Beebe、プラントのパフォーマンス監視による予知保全、http：//www.goldson.free-online.co.uk/techart/MFPT52.htm
• Michael V. Brown、予測アプローチの適用、http：//www.newstandardinstitute.com
• William C. Worsham、予防保守は必要ですか？、http：//www,reliability.com/articles/article37.htm
• Christer Idhammar、CMMSおよび予防保守、http：//www.idcon.com/articles/cmms.htm
• Susan Owen、予防的電力監視により予防保守が強化されます、http：//www.ecmweb.com/ar/electric_proactive_power_monitoring/
• プロアクティブメンテナンスとは、http：//www.maintenanceresources.com/ReferenceLibrary/OilAnalysis/oa-what.htm
• James C. Fitch、PE、プロアクティブメンテナンスは、従来の予測/予防メンテナンスプログラムに比べて10倍以上の節約をもたらすことができます。http：//www.maintenanceresources.com/ReferenceLibrary/OilAnalysis/oa-pm.htm
• Daryl Mather、保守計画の基礎：計画とスケジューリング、http：//www.maintenanceworld.com/Articles/Mather/planning_scheduling.htm
• Dibyendu De、運用の信頼性と知識労働者による生産性の向上、http：//www.maintenanceworld.com/Articles/Dibyendu/deb1.htm
• プラントメンテナンスリソースセンター、メンテナンスベンチマークデータベース：全体的な結果、http：//www.plant-maintenance.com
• Augustine DiGiovanni、テクノロジーとプロセス変更の統合によるメンテナンスの最適化、http：//www.compsys.com/enews/knewspro.nsf/v/ADIT-55JN86
• 予知保全の利点：A-Z、http：//www.maintenanceresources.com/ReferenceLibrary/PredictiveMaintenance/tbopm.htm
• Robert Edae、予知保全の重要性、http：//www.newsteel.com/features/NS9709f5.htm
• Lee、J。＆Wang、Ben、（1999）Computer-aided Maintenance：methodologies and Practices、Kluwer AcademicPublishing。
• Lee、J。1995.コンピューター統合生産における機械性能の監視と予防的保守：レビューと展望。 International Journal for Computer Integrated Manufacturing 8（5）：370–380。
• NSF I / UCRCインテリジェントメンテナンスシステムセンター、http：//www.imscenter.net
• D. Djurdjanovic、J。Ni、およびJ. Lee、「機械の性能低下の評価と監視における時間周波数ベースのセンサーフュージョン」、Proc。 2002年のASMEInt。機械工学議会と解説、論文番号IMECE2002-32032
• Thurston、M。and Lebold、M.、2001、“ OpenStandards for Condition Based Maintenance and Prognostic Systems”、Pennsylvania State University、Applied ResearchLaboratory。