预测性维护和故障诊断的一些想法

这些年来瓦伦尼安故障诊断团队收集了一些人的经验，其中他们告诉我，他们对预测性维护不够相信，要么是由于：缺乏培训，对分析师的误解，预测分析并没有给他们带来好处，占用大量时间并产生更多工作。我还不得不听取参与预防性任务的维护经理的意见，这样工作就不会得到区域领导的认可，因为很多时候它们变成了无声的任务，对维护结果没有任何影响。

作为一个教训，有过将预测性维护重点放在对维护结果影响较大的任务上的经验。例如，我曾经被要求向几位技术人员提供建议，建议他们在完成所有操作（更换皮带、更换轴承、平衡、皮带轮之间的对准）后应对风扇进行修正，并且振动水平没有改善，但是问题实际上是共振，也就是说，机器振动太大，仅仅是因为它的速度过于兴奋。这留下了一个教训，那就是维护经理必须关注“预测报告”所说的内容（在本例中为“振动分析”技术），而不是猜测机器有什么，因为这意味着要花费很多时间来完成工作。最终没有得到回报。我说，预测技术除了提前充分检测异常情况之外，还可以改善维护任务的调度，从而提高部门的业绩。

此外，这样做不仅是为了改善生产条件，而且还影响工厂的安全，因为许多涉及人类的灾难是可以预防的，因为超出参数的机器可能会损坏并导致甚至人员损失。因此，对超出参数范围的机器进行干预可以降低发生悲剧的风险。此外，高振动的机器会降低在其附近工作的人员的性能，导致受伤、生产停顿和环境紧急情况（现在环境问题及其产生的罚款成本如此微妙）。例如，作为环境过滤系统一部分的风扇，如果工厂的污染停止，最终会影响周围的社区。

我给大家带来了两个我认为在我的预测分析经验中很重要的例子。它们与振动有关，因为这是我最有经验的领域，但这些例子也可以应用于其他预测技术。

第一个案例涉及食品工厂内的封罐机。由于其特性，该机器包含大量齿轮和轴承，并且在生产线中是最关键的。第一次测量时，由于访问困难，并未考虑所有组件，但绘制了基线。三次测量后，发生了第一次故障，导致整条生产线意外停机。问题是，振动报告说机器没有问题，并且测量是在一周前进行的。发生了什么？所有好奇的目光都集中在分析师身上，也就是我身上。我们的建议是，我们想要分析捕获的历史记录以了解发生了什么。第一件事是修复后再次测量，看看它处于什么水平。

事实证明，与标准相比，这一点的水平极低，尽管在所有三个测量中都观察到了轻微的增加，但几乎不显着。问题是，一旦测量到振动水平，它就会恢复到甚至更低的初始水平。那么怎么办呢...将方位所在点的具体标准改为比其他点允许的标准低20倍，这样如果再次发生就会产生警报。嗯，实际上是在另外两次测量之后，同样的事情发生了，并且立即报告，以便尽快进行干预。因此，在创伤最小化的情况下，干预在接下来的周末进行，机器没有像第一次那样停止全面生产。但我们更进一步，当我们寻找轴承反复失效的原因时，结果发现润滑脂被水污染，从而导致轴承在更短的时间内磨损。问题是，在每个班次结束时，他们清洗机器，水通过间隙到达轴承。因此提出了两个建议：指示操作员不要将压力软管引导至轴承区域并形成密封以减少进水的可能性。

通过这些措施，我们的故障从每年3次减少到1次，而且这种故障可以提前发现，这样就可以在没有生产的时候进行干预。这意味着由于无法使用而节省了 218,000,000 美元。这包括生产损失、生产线劳动力成本以及备件价格上涨造成的成本。

另一个案例发生在一台 150 HP 空气压缩机上，自预测工作开始以来，发现其中一个输入螺杆轴承出现故障。标准表明必须尽快对压缩机进行干预。客户通知了供应商，但供应商忽略了这一建议。三个月后再次测量，其水平已增至之前观察到的两倍。更有理由它应该被干预，但正如之前的测量一样，提供商忽略了它。事实是，在接下来的 90 天内，设备意外停止运行。因此，供应商有责任在尽可能短的时间内做出回应，并承担大部分维修费用，因为他们已经收到了警告。幸运的是，他们非常接近工厂全面停工进行维护，从而使工厂能够对这一实际上已经预见到的意外事件做出反应。这使得工厂能够特别关注预测分析提供的建议。