预测性维修不是凭空想象出来的,而是根据对设备状态控制点监控与分析,以及对设备故障或零部件的使用寿命数据的分析得出的,是对日常设备管理的工作经验和状态控制点变化趋势预测的集中体现,是建立在对设备基础数据信息的归集、归类整理、分析对比的基础上的。设备管理相关信息数据的管理,是设备管家日常管理设备的一个重要工作内容和技术基础。
因此,在企业的设备管家日常工作中,要加强对数据信息的规范的记录、收集、整理和分析。
预测性维修的标准数据有8种:设备运行的时间数据、设备制造产品的产能数据、产品的质量要求数据、零部件的磨损数据、零部件的状态数据、油品取样分析数据、维修组织数据及维修成本数据,其数据的建立见表1-10。
表1-10 8种数据的建立
(续)
(续)
案例1-6: 设备运行时间数据的建立与梳理
某公司设备管家,对某台减速机部件的维修更换情况统计见表1-11。
表1-11 某台减速机部件的维修更换情况统计
案例1-7: 设备的产能数据的建立与梳理
在水泥熟料产品作业线上,通常对煤粉制备的管磨进行管理,其作为耐磨件的钢球损耗与煤粉制备的产能,建立吨煤粉钢球损耗的正常联系。与产量有关的数据指标用主要损耗量(损耗价值)/产品产量来表示,见表1-12。
表1-12 钢球损耗的统计表(单位:元/t)
案例1-8: 产品质量要求数据的建立与梳理
在水泥熟料制造企业里,对原材料石灰石破碎机锤头的磨损,通常是以石灰石粒度的级配来作为锤头更换维修的标准的。当石灰石的级配中,出现70mm粒度接近5%的比例时,要考虑对破碎机锤头进行预测性维修,要组织安排维修中用到的备件材料、工具、时间(停产时间和维修作业时间)、人员、维修方案、计划列项(在更换锤头时,可以穿插其他维修项目一并进行更换)、维修作业安全防范措施以及后勤保障等。
设备管家在收集半成品质量与设备性能的变化。其目的主要是寻找设备零部件使用寿命(如锤头),在确保质量要求的前提下,与石灰石产能之间的联系。在数据的收集中,要根据某类数据在数据链中所起的作用进行。如石灰石级配的质量要求的数据,对石灰石破碎机的产能和锤头的磨损,起决定性的作用。若石灰石级配质量不合格,则必须对锤头进行更换,而不是根据锤头的磨损量和产能的多少。对于石灰石锤头消耗与粒度统计见表1-13。
表1-13 石灰石锤头消耗与粒度统计
案例1-9: 设备零部件磨损数据的建立与梳理
企业基层的设备管家,通过对各类设备零部件的磨损故障统计,来确立设备的各个零部件的使用寿命周期,进而合理地对该设备或该产品作业进行预测性维修的计划组织管理。对石灰石取料机零部件的磨损统计,见表1-14。
表1-14 石灰石取料机零部件的磨损统计
案例1-10: 零部件状态数据的建立与梳理
某公司设备管家,对风机的日常状态检测记录的统计,以记录现有设备的状态(振动和温度)情况。根据以往的设备故障的状态记录情况,将设备预警的轴承座的振动和温度进行设定,这样能够及时、准确预知设备的状态变化趋势和设备维修的机会,从而减少故障停产造成的额外损失。对风机振动状态数据统计,见表1-15。
表1-15 风机振动状态数据统计
案例1-11: 油品取样分析数据的建立与梳理
某公司、某减速机油品取样分析的统计。根据油品中Fe 2 O 3 超标情况来判断齿轮或轴承滚动体的点蚀情况,其油品取样情况见表1-16。
表1-16 油品取样情况
案例1-12: 维修组织数据的建立与梳理
某个公司设备部门,对维修组织的数据建立与梳理。通过维修数据信息收集、维修项目的核定、维修技术标准制定等,最终形成维修时间、维修备件材料、维修方案、维修人员和工具等准备工作的要素,如图1-4所示。
图1-4 数据收集流程
案例1-13: 维修成本数据的建立与梳理
某公司维修成本主要由更换备件费用、使用的材料费用、能源费用、损耗的工具费用、人工费用、其他费用(与设备检修直接关联的费用,如租赁的工程机械费用、租赁的工具费用、转运费、仓储费、保管费等)构成。某设备维修的直接费用见表1-17。
表1-17 某设备维修的直接费用(单位:元)
案例1-14: 维修间接费用管理
某水泥公司因预热器堵塞导致停产8h,从而导致产量减少2000t,进而导致利润减少2000×30元/t=60000元。质量损失是指产品作业线故障停产后,造成的次品和费用的成本损失(原材料、人工、能源,以及待摊的设备费用)。如因设备故障造成停产引起的废品和次品为1000t,按每吨成本130元计算,合计因质量损失为1000t×130元=130000元。某设备维修的间接损失费用见表1-18。
表1-18 某设备维修的间接损失费用
设备管家在日常的工作中,对设备状态数据进行汇总、分类再逐一进行汇编和统计数理分析。由于每台设备状态检测数据不一样,同一类设备在不同的使用环境下,其状态检测的数据也是不一样的,因此设备管家要收集每台设备的各个状态的检测的数据。数据的分析与模型的建立见表1-19。
表1-19 数据的分析与模型的建立
案例1-15: 建立预测性维修的基础是数据分析
对风机两侧轴承座的振动和温度的监控。通过对振动的监控信息可以了解振动的变化趋势以及风机轴承、叶轮或转轴存在的缺陷;通过对轴承温度变化趋势的监控,可以了解轴承游隙的变化、冷却方式或轴承装配等存在缺陷等。所有的状态现象都表明该设备存在缺陷时,则需要进行维修或维护调整,从而改变设备管家对决策的改变。
对设备状态的检测,在通常分为机械设备和电气设备。在机械设备方面通常有温度、振动、电流、压差、流量、压力、声音、气味、泄漏、给油脂状况、间隙、磨损或腐蚀、裂纹或折损、变形或松弛以及间隙(长度)、磨损周期或磨损量。
通过温度变化的数据分析,可以确定与温度变化有关的,如油品品质、油品量的多少、选用油品的正确合理性、设备散热或冷却情况、设备润滑不良、设备的负荷以及设备的磨损异常等,是一种由表及里的原因分析。
振动也是一种对设备状态的分析工具。通过对设备振动数据的分析,可以判断出引起设备振动的具体或可能出现的原因。振动是设备状态的一种表现,但能够反应设备内部零部件的变化,如风机轴承座振动值变大主要原因是不平衡(叶轮积灰、转轴变形、叶轮磨损不匀、两侧进风口风门开度不一),以及地脚螺栓或连接螺栓松动、联轴器对中数据偏差大和轴承游隙大等。
对设备电流的变化分析,也是一种对设备状态分析的工具,它通过电流数据的变化判断设备的负荷状况。同时,也要进一步对引起电流变化的数据进行分析,以判断是设备负荷的变化,还是电流显示量程以及仪表的故障等。例如,在某水泥熟料作业系统中,熟料篦冷机作业设备的冷却风机的电流显示频繁报警,通过对现场风机的风门、电动机电流的现场检查,发现是传输至中控计算机的电流量程发生变化所致。
设备管家通过设备声音的变化来判断设备内部零部件的变化或设备润滑的变化。声音有不间断的也有间断的,有尖锐声的也有闷闷的;每种声音表明的零部件的接触摩擦和磨损是不一样的。因此,通过建立不同声音的数据,来安排对设备进行预测性维修管理。
在电气设备方面通常表现的异常现象,如温度、湿度、灰尘、绝缘、异响、异味、氧化、连接松动、电流、电压等。
案例1-16: 监控检测的数据汇总分析
风机是企业水泥熟料企业常见的设备,设备管家对风机的状态跟踪是日常点检的要点。通常对风机状态控制点位置的监测,是衡量风机状态的一个重要标志,对风机轴承座温度和振动的监测是准确衡量风机状态发展趋势。对某风机轴承和温度的统计见表1-20。
表1-20 某风机轴承和温度的统计
根据表1-20,绘制轴承座的振动和温度变化的趋势图(见图1-5)。通过图形的趋势可以直观地看出轴承温度与振动的曲线变化。
图1-5 轴承座的振动和温度变化的趋势
案例1-17: 建立状态检测数据变化的可能性原因分析
通过对风机轴承座振动的监测,根据振动的表现形式,总结产生振动的根源。对振动变化原因特征的统计见表1-21。
表1-21 振动变化原因特征的统计
同样,根据对轴承座温度监测的变化统计,总结引起温度变化的原因。对温度变化原因特征的统计见表1-22。
表1-22 温度变化原因特征的统计
设备管家通过日常的点检检查,准确把握设备状态变化规律。通过设备状态的变化来判断分析设备内部零部件的磨损、疲劳、断裂等变化。建立设备状态预知的模型,为预测性维修计划组织提前管理,能够及时有效地防范设备事故或故障的发生,有计划地保持产品作业线的均衡稳定。例如,在水泥熟料产品作业线上,通过构建均衡稳定的产品作业基础的稳定(主要有构成原材料化学构成的稳定、配料的稳定、原材料及半成品的均化稳定、设备的稳定、操作的稳定)来保持产品作业系统的质量、产量和成本的稳定,利用现代科技将振动现象与产生的根源对应。设备状态收集流程如图1-6所示。
图1-6 设备状态收集流程
通过对各种状态的数据信息收集,并将其输入计算机系统,再通过在线设备状态点的监测就能清楚地了解设备的状态变化趋势,以及设备零部件的故障类型趋势。设备管家通过计算机系统可以不定时、不定点地了解设备运行的基本状况以及设备的隐患的发展趋势,为预测性维修提供了数据信息的支撑。
最后完成数据的对照与模型的建立,主要是数据与设备故障的对照。
将设备状态信息的数据收集整理后,与相应的设备故障进行对照。有些设备状态数据可以表示零部件存在的隐患形式和隐患趋势,通常需要两个或两个以上的状态数据基础来综合判断和分析。
数据与设备隐患以及设备故障的对照是需要靠设备管家日常大量点检数据的汇总和分析来支撑的,选择有针对性的数据来精准表示设备零部件的隐患发展趋势和故障类型。
如上对风机轴承座的状态监控点的检测数据中,在模型的建立过程中,设备管家首先从设备状态的变化开始关注状态特征的数据变化,通过设备故障点的数据特征来确立设备预测维修点,将设备的各种数据信息录入设备管家信息系统,用于对设备的预测和维修的组织管理。同时,可以根据设备管家信息系统的数据来明确维修点的管理。设备故障状态模型建立的流程如图1-7所示。
图1-7 设备故障状态模型建立的流程
预测性维修是在企业设备管家机构中最重要的设备管理内容,它不仅是对设备维修活动的关注,还要对设备的综合费用管理、产品的市场机遇管理、成本管理、利润管理、安全管理、环保管理、产量管理及品质管理等方方面面进行关注。预测性维修的基本内容见表1-23。
表1-23 预测性维修的基本内容
案例1-18: 破碎机故障处理
某水泥熟料企业的石灰石破碎机系统,承击板螺栓频繁断裂,甚至出现过一天连续开机不到4h的情况。经检查发现,该承击板备件的接合面加工不平,导致螺栓在紧固后,通过进入石灰石破碎机石块以及锤头的撞击作用,不平的接合面在受到压力时产生向内侧的压力,进而导致紧固的螺栓被频繁受拉而拉长后产生松动。
通过重新加工接合面,改变备件的接触面后,在石块和锤头的撞击下,承击板在瞬间所受的点冲力变为在承击板与壳体的接触面上受力,即将点受力改变为面受力,减少了因某一点受力而导致螺栓拉长现象(螺栓不会被拉长而产生松动和断裂)。
科学预测是需要在一整套科学管理的体系上进行的,是在大量的生产实践中不断记录、汇总、分类、归类等一系列数据的数理统计分析的基础上进行的规律总结。要注重对设备状态预测的因素进行更为细致的统计和设定,通常主要在以下几个方面着手:
1)预测性维修实施基础的科学管理。
2)预测性维修实施条件的科学管理。
3)预测性维修的模型优化的科学管理。
4)预测性维修优化方式的科学管理。
5)预测性维修优化步骤的科学管理。
固化主要是对科学预测数据的固化,它能够用来指导设备管理实践活动。同时,固化是一个循序渐进的过程,是通过无数次不断的循环优化过程后对数据的精确设定。状态数据的固化流程如图1-8所示。
图1-8 状态数据的固化流程