打印这一页

预测性与预防性维护概念

写的

“预防性维修”的传统概念适用于基于可量化的使用情况或一段固定时间的机械部件的维修。预防性保养的一个常见的好例子是每3000英里或3个月更换一次机油,就像许多汽车车主手册上建议的那样。“预测性维护”是一种将维护活动细化到功能上需要的时候的尝试,基于数据收集、分析和从已建立的“健康”基础水平确定(负面)趋势。

预测性与预防性维护概念

为了继续进行汽车类比,如果在汽车的换油例行程序中采用了预测性维护理念,您可能需要监测机油的pH值、含水量,或者寻找存在微量金属的证据。然后,当常规取样和实验室结果趋向于不可接受的范围时,您将开始更换机油和新滤清器(或定期发动机大修)。对于大多数个人车辆应用,此类预测性维护策略不具有成本效益;这就是为什么基于里程和年龄的预防性保养计划在汽车上更为普遍的原因。我敢肯定,在普通汽车发动机领域,3000或3个月的标准(或某一特定品牌和型号的类似标准)在重大有害影响开始之前就已经证明可以缓解大多数磨损问题。此外,购买一辆新的通勤车通常比在现有车辆上过度牵引发动机更可取。大型工业车辆和大型机械设备可能需要进行常规大型发动机维修,但情况并非如此。

随着所需维护行动成本(以及所维护设备的初始成本)的增加,预测性维护变得更为可取。无正当理由启动昂贵的维护程序,或将高成本设备置于风险或闲置状态,都是糟糕且可能昂贵的设施维护陷阱。在典型设施中发现的各种各样的机械和电气设备都被证明是预测性维护计划的候选设备,包括蒸汽管线、冷冻水发电机、发电机、变压器和电气开关装置,仅举几例。不可忘记的是建筑屋顶,它很适合热成像,我们将在一分钟内讨论。

促进趋势分析的机械和电气设备预测现场测量的类别包括振动分析、热成像和超声波测试(以及刚才提到的发动机机油分析)等。这些常见类型的预测性维修数据的实际应用太多,无法列出。然而,可以很容易地描述每一类的一般原则。

中央制冷设备振动分析

任何旋转的机械部件,特别是在其使用寿命内经历数百万转的机械部件,都会以可重复的模式产生一致的振动,可以测量。任何试图诱使婴儿进入麻木睡眠的人都理解“良好振动”的概念。一旦驱动轴、轴承、齿轮或旋转驱动组件的其他部分在更换前开始磨损,整个设备的振动模式就会发生微小变化。在适当的位置,按照特定于该设备的建议间隔进行振动测量,将产生准确的趋势,预测所需的维护措施,如轴承更换。当然,根据制造商的建议或行业最佳实践,何时、何地以及如何进行振动分析和维护行动都是特定于设备的。此外,适当的诊断设备和培训对于良好的结果至关重要,就像这些预测性维护技术一样。

热成像

热成像这是基于一个普遍的概念,即过多的热量预示着即将发生的故障。通过安装在飞机上的各种形式的手持红外扫描仪,可以帮助设施管理人员识别是否存在肉眼看不到的过热。一个例子发生在连接到电气开关设备或变压器的电缆连接处。设备内可能存在热点,表明电缆损坏或连接松动。电子通过比通常更紧密的导体横截面流动时,如电缆损坏或连接松动时,会产生过多的热量。在常规目视检查期间,这种情况不会很明显,直到发生彻底故障。

从带有机载热成像设备的设施上方飞过,是识别埋在地下的公用事业线路中的蒸汽泄漏和需要重新保温的建筑屋顶区域的一个很好的方法。(这里我跳过一个小预览,我们的航空工程服务部分!)顺便说一句,执法机构过去曾用这种设备来确定谁可能在他们的阁楼上种植大麻。当他们飞越有热成像设备的社区时,种植者阁楼上一排排的热灯在热成像设备上出现了斑点屋顶图案。类似的概念也适用于更多的守法设施的屋顶,如穷人居住的地方屋顶隔热将在热像仪上以各种大小和位置的随机“热点”形式出现。相反,有问题的湿绝缘区域在成像上可能显得更冷。

超声波检测

正如红外线光谱不容易被人类看到,超声波光谱也不容易被听到。超声波检测设备非常适合评估带有加压气流的公用事业系统,例如用于气动工具的工业压缩空气系统。从微小泄漏中逸出的气体会产生高频噪音,这些噪音可以在变得更严重之前被识别和纠正。

对于精明的设施经理来说,有比这几个亮点更多的预测性维护技术。他们都有相同的目标,即在最具成本效益的时间进行维护和维修。与设施管理中的大多数事项一样,在开始预测性维护计划之前,需要将任何诊断测试设备的投资、培训、使用和维护成本与假设的维护成本节约进行比较。

安德鲁·基莫斯

Andrew Kimos在美国海岸警卫队学院(1987年理学学士)和伊利诺伊大学(1992年理学硕士)完成了土木工程课程,是威斯康星州的注册专业工程师。他曾在海岸警卫队担任设计工程师、建筑项目经理、设施工程师和执行领导超过20年。在加入Buildipedia.com团队担任运营频道制作人之前,他曾在美国西部担任地区航空公司飞行员。

网站:www.diesprinter.com/channels/operations

安德鲁·基莫斯最新报道

博客评论由Disqus