图1:通过CNC加工(图片由Predictronics提供)
选择正确的传感器数据,并为泵的状态监测制定一个预测解决方案,以提高生产效率。
预测电子学和机器仪表组伟德体育娱乐

BETVICTOR体育官网泵用于各种工业应用,包括制造业和计算机数控(CNC)加工。

数控机床在日常产品的部件制造中起着至关重要的作用。与增材制造(3D打印)相比,成型或成型CNC工具,如钻头和刀具,用于从钢、铝、碳化物、黄铜、铜甚至塑料工件上去除或磨去材料,以形成特定目的的形状。用钻头或车床工具高速旋转,去除材料,从而产生孔,产生空隙和/或去除表面层以接近公差。这些切削工具安装在各种卡盘上,由精密伺服电机驱动,在计算机监督下控制工具或工件的位置和运动。

除了钻孔和切割,数控机床还被设计用于许多其他用途,包括磨削、铣削和布线。

BETVICTOR体育官网数控加工中的泵

BETVICTOR体育官网泵在数控机床的功能和运行中起着关键作用。

例如,许多数控机床包括用于将冷却剂应用于工具和工件的装置,以促进清洁,高质量的切割。冷却剂通常是水和润滑剂的混合物,具有多种用途,如减少材料的热膨胀,减少对工具的磨损,防止某些材料的快速氧化,最重要的是,清除或疏散切割过程中产生的材料屑。刀具表面或工件切削腔内的切屑堆积会造成切削缺陷,加速刀具的磨损。冷却剂从储液器中泵出,并从一个或多个指向工具尖端的喷嘴喷到工具上。通常在过滤后,冷却液会流回蓄水池。冷却液系统中使用的泵提供准确的冷却液流量和压力,这对于数控机床的正常运行至关重要。

在自动化数控机床操作中,泵在液压系统中也起着关键作用,液压系统的结构用于调BETVICTOR体育官网节夹入主轴卡盘的多个工具的处理。该液压系统负责控制各种重量和尺寸的刀具,精密安装和主轴卡盘中刀具的交换,这需要高度自动化,液压流体的工作压力范围为522至580磅/平方英寸(psi)。

泵态监测中的传感器数据与关键信号

数控机床资产的各种可测量的操作参数可以帮助提供整体机器操作性能的可见性。检查这台机器的运行数据,以确定是否需要维护,以适应基于状态的监测(CbM)的更大实践。压力、冷却液流量或速度,甚至振动测量都是状态监测所需的传感器数据的基本类型。这些数据提供嵌入式算法,以检测和标记出现的异常和趋势,为组织内的运营商和决策者提供可操作的见解。

对于泵的状态监测,需要的关键测量信号是振动、压力、流量和温度。具体来说,由于振动对几种泵失效模式的敏感性,它具有最大的重要性。振动信号通常以高采样率提取和分析,需要信号处理技术来评估泵浦波形的频域。计算了基于振动的状态指标,并由考虑总体振动幅度和特征轴承、轴和叶片通过频率的频域幅度的指标组成。压力、流量和温度信号通常采用较低的采样率。其他需要考虑的常见工况指标是来自泵性能曲线的统计特征或指标。考虑到泵有许多不同的故障BETVICTOR体育官网模式,将多个状态指标组合成一个健康指数是有利的,以便监测泵并将其测量信号与参考基线条件进行比较。有了这个泵健康指示器,可以及早发现新出现的问题,以及揭示哪个传感器变量对不健康状态的贡献最大的信息。

案例研究

一家全球制造商希望在其生产线上采用数控磨床的状态监测解决方案,以优化维护并提高整体生产力。在预测性维护解决方案提供商的帮助下,该公司能够利用提供商的先进数据处理技术和算法,以及开发的健康指数,来检测和预测表明机器运行健康的数据趋势,在CbM的典型实践中扩展了操作控制以外的传感器数据的使用。

液压系统和泵是数控磨床的关键子系统。建立了一个数据收集系统来监测泵的振动、压力和流量,以及有关磨床运行的附加测量。该分析方法以周期为基础分割数据,并从振动、流量和压力信号中提取工况指标。使用大约一个月的基线时间段来训练机器学习模型,以了解该泵的健康状况。然后将振动、压力和流量条件指标与基线模型进行比较。多变量健康指数的健康值随着泵工况的恶化呈现不断发展和增加的趋势。振动被认为是主要的影响因素,因为随着时间的推移,它有最清晰和明显的趋势。此外,还观察到流量和压力有更细微的下降趋势和下降。

预测监控解决方案

通过该解决方案,该公司能够识别出泵出现的问题,并在泵的流量和压力降低到无法执行其功能的状态之前对泵进行修复。因此,避免了昂贵的计划外停机和故障,并且在生产之外更方便的时间进行泵的维修。
状态监测系统改善了泵的健康状况,振动值降低到较低的值,压力和流量值恢复到原来的基线值和更高的值。

结果

正如案例研究所示,采用泵状态监测解决方案的主要价值主张是减少计划外停机时间。其他好处包括减少维修泵的时间,补充诊断信息和节约能源。只有当状态监测系统能够在泵出现问题时及早发现问题,才能实现成本节约。幸运的是,通过监测振动、压力、流量和温度,可以覆盖许多常见的泵故障模式(轴承故障、气蚀、轴不对中、叶轮不平衡、密封失效等)。尽管早期检测和诊断通常是可行的,但准确的故障预测取决于故障模式,并且可能需要模型使用过去的故障示例来学习故障发展模式。

随着机器变得越来越复杂,并在更高的性能水平上运行,利用多种传感器技术、信号处理和数据分析技术的监控系统将成为现代数控机床和泵系统的标准。

开始

随着高级数据洞察的总体趋势,开始泵状态监测有几个建议步骤:

执行临界性分析,以选择用于状态监控的资产,在这些资产中,停机时间将是昂贵的,故障也不是非常罕见。

如果可用,检查已经到位的数据收集系统。根据需要,增加额外的传感器和仪器,记住泵监测的关键信号是振动、流量、压力和温伟德体育娱乐度,其中振动是最重要的。

在适当的数据收集系统到位后,必须为开始开发和实施泵状态监测系统奠定正确的基础。

一定要选择一个端到端的、可扩展的、专门为工业部门使用而设计的预测解决方案,并且可以被致力于开发解决方案的知识渊博的人员以及将利用所提供的信息以确保在代价高昂的问题发生之前采取正确行动的关键利益相关者使用。

当开始进行数据分析时,请将重点放在基于基线的机器学习分析方法上,因为故障数据通常不足够可用,而基于基线的方法有许多早期检测的成功示例,为各种应用程序提供了价值。

问题