有些人可能会将目前可用的状况监测和诊断系统视为可选程序而不予考虑，但芝加哥都市污水回收区却并非如此。MWRD运营着世界上最大的污水处理厂，伊利诺伊州西塞罗市的斯蒂克尼水回收厂(此外还有其他6家工厂和23个泵站)，它不能容忍蒸馏离心机的意外故障。正常运行时间必须接近100%，以保持低的生命周期成本，足够单位支付他们的方式。
Alfa Laval公司生产的这种离心机，用旋转滚筒将固体和液体分离。Alfa Laval在哥本哈根工厂的自动化经理Peter Bloomberg说:“在3000转/分钟的转速下，如果不是最完美流畅的运动，就会对机器的预期寿命造成损害。”
为了在可能导致故障和停机前提醒维护人员出现问题，Alfa Laval在所有Aldec G3蒸馏离心机上安装了振动监测模块。通过这样做，该公司加入了越来越多的机器制造商的行列，为他们的设备安装新的监测技术，用于诊断和预测。由于这些技术正在降低状态监测的成本，它们已经使经济倾向于为预防性维护工厂使用更多的自动化，以延长机器的使用寿命，提高过程稳定性。
Alfa Laval此前曾为其蒸馏器提供振动监测，以提高其稳定性和使用寿命，但该技术太过昂贵，无法作为标准设备提供。除了加速计，旧的监测方案还需要增加数据采集模块和一台专门用于压缩数据的计算机，然后将数据发送到场外进行分析。这种监测设备的成本不仅很容易与控制包本身一样高，而且还需要振动监测专家的注意力来评估数据。因此，阿尔法拉瓦尔提供这种形式的预防性维护作为一个高级选项。
由于采取了持续改进的措施，情况发生了变化。为了降低蒸馏装置的运行成本，Alfa Laval的工程师将其控制系统升级为X20可编程逻辑控制器(PLC)B&R工业自动化(www.br-automation.com)。除了提供减少40%功耗的功能外，PLC还使用定制I/O模块将蒸馏器单元加速计的数据转换为合适的输出文件。双通道振动监测模块然后将这些文件传输到中央分析单元。
这个I/O模块滑入控制器，为机器制造商提供了一种更便宜的方式，将振动分析集成到他们的设备。贝加莱技术解决方案总监科里•莫顿表示:“该模块的成本降低了10倍。”“传感器是在它的基础上安装的，但它们的范围不会超出你已经安装在机器上的其他设备的范围。”因此，振动分析现在可用于许多应用，在过去无法负担它。
要的方法
在更广泛的设备中增加状态监测的实用性正在促进预防性维护的发展，从计划的程序到基于状态的方法。在计划程序中，维护工程师根据设备制造商推荐的平均故障率和适当的安全系数，按间隔更换特定的部件。
莫顿说:“这意味着，你更换的部件通常还有使用寿命，而且还不需要更换。”“这是有成本的。”
另一方面，基于条件的方法是回收和利用那些被浪费掉的生命。该方法检测组件在故障前所经历的故障。Morton说:“通过振动分析来观察轴承的磨损情况，你可以在安排停机时间更换轴承之前，在知道故障即将发生的情况下使用它。”“这节省了大量成本。”
除了延长许多更换部件的使用寿命外，振动监测还可以为技术人员提供其他有用的诊断信息，例如部件是否正确对齐，负载是否突然失衡。由于该模块包含从数据中收集这些信息的智能，因此不再需要聘请专家来分析和解释振动信号。
现在阿尔法拉瓦尔已经将振动监测集成到贝加莱X20模块的离心机中，彭博已经开始探索扩大使用的方法。他指出:“将状态监测仅局限于振动将大大低估其潜力。”“温度、压力和大量其他标准可以纳入计算，以获得更全面的结果。”
克服的障碍
状态监视和诊断在更广泛的应用程序中是实用的，部分原因是开发人员在过去十年中克服了两个重要障碍。首先是获得收集相关数据的能力。传感器、数据采集和通信硬件现在在机械上很常见，大多数控制器都包含着大量等待挖掘的信息。所以，现在必要的数据通常是充足的。
第二个，也是最近需要克服的障碍是开发健壮且可访问的工具，用于分析数据来诊断故障，确定故障的根本原因，并在故障还处于初级阶段时检测问题。
分析工具在过去是一个限制因素，因为分析通常依赖于单变量模型，例如传统控制图背后的模型。“仅观察一个变量，如振动、温度或压力，可能不足以推断早期的失效模式，”David Siegel博士解释道智能维护系统中心(IMS中心，www.imscenter.net)位于辛辛那提大学。
随着跟踪参数数量的增加，单变量分析也变得越来越难以管理。西格尔指出:“如果你有很多变量，你就必须设置尽可能多的阈值。“所以，你可能会有更多的错误警报。”
为了为监控和维护设备生成更健壮的方法，IMS中心一直在开发使用多个变量或信号来发现问题的模式识别技术。除了将阈值的数量限制在1到2个，从而减少误报的可能性之外，这些多变量模型往往更准确，能够在早期阶段发现问题。“参数之间的相互作用有时与你所观察的任何单个变量的实际大小一样重要，”西格尔说。
机器人多变量模型
IMS Center的研究人员没有研究大量的历史数据来识别与各种问题相关的模式，而是开发了识别正常模式和建立基线的工具。然后，这些工具从基线的偏差中推断出问题。西格尔说:“因为你有一个检测问题的初始框架，你可以启动并运行自动监控系统。”“随着你收集更多的历史数据，你可以随着时间的推移改进它。”
这种多变量技术正帮助一家汽车厂简化其多轴机器人的维护。
由于该工厂一直在用单变量模型管理数百个种群，它遇到了相当多的错误警报。在每次修复和调整性能阈值之后，人类专家花费大量时间配置每个轴上的扭矩信号。这项任务太耗时了，不能继续手动完成。
该中心副主任Edzel Lapira博士解释说:“对于每一个信号，你不能设置一个对所有机器人都适用的主阈值。”“他们需要自动化来观察信号。”
为了实现自动化并减少误报的数量，IMS Center在基准测试研究期间为机器人开发了一个多变量模型。拉皮拉说:“我们结合了来自坐标轴的电流和扭矩，来判断哪个机器人需要修理。”“我们也提供了一些诊断，哪些轴需要关注。”
庞大的用户数量也使该应用程序成为远程监视的良好候选程序。西格尔表示:“当你拥有大量资产且没有人在资产附近时，远程监控往往更有意义。”
IMS中心正在通过俄亥俄州米尔福德的子公司Predictronics Corp.向汽车制造商授权这项技术。该中心的几名研究人员创办了这家公司，为机器人、机床和其他工业设备的制造商提供基于状态的监测、预测和健康管理解决方案。
以太网可以诊断
除了计算能力和软件开发，另一个重要的条件监测和诊断的推动者是以太网作为制造业中事实上的标准通信网络的崛起。一个分支是基于web的诊断的发展，没有单独的软件工具在供应商的软件环境中运行。
这些基于web的服务的最早几代使用以太网访问web服务器并生成诊断数据，但它们专注于机器中的特定设备。从那时起，这些服务不断发展，最新一代的服务提供了对整个机器的可见性。贝加莱的莫顿说:“如今，通过一个基于网络的界面，你可以看到整个运动控制系统——伺服、输入输出和控制。”
他补充说:“基于网络的解决方案还可以向操作界面提供基于视频的指导，用于诊断问题，并在适当的情况下进行必要的修复。”“它甚至可以捕获机器中的事件日志，并将它们发送给像我们这样的专家，让他们为你查看。”
如果生产线使用来自同一供应商的控件，这样的接口通常可以提供对整个机器生产线的相同可见性。虽然这种级别的可见性对于跨供应商的解决方案可能不太可能实现，但Morton希望随着数据标准的不断发展和确立，它将成为普遍现象。
以太网兴起的另一个结果是整合了过去独立的网络。例如，将独立的数据、控制和安全网络结合在一起，会给公司带来甜菜有限责任公司密歇根州普利茅斯。(www.beetllc.com)前所未有的数据可访问性。“它允许我们的专利技术以一种非常有效的方式收集和显示大量数据，”总裁兼首席执行官王大仁(David Wang)说。
Beet的Envision软件依赖于特殊的驱动程序来利用控制器已经提供的数据。“我们希望利用现有的传感器、控制器和自动化基础设施，”王说。
因为收集到的数据描述了一个周期中发生的每一个事件，总的来说，它代表了机器的一种心跳。利用这一事实，软件中的一种算法将数据集合起来，并将其显示为一种心电图(EKG)，用颜色突出显示与既定基线的任何偏差。用户不仅可以单击心电图中的偏差来深入数据查找其原因，而且还可以访问数据进行预测分析和规划。
王把他公司的维护软件和其他大多数公司的软件区别开来，他的软件是视频，其他的是快照。他说:“大多数诊断系统基本上提供静态的情况报告和故障快照，而不是诊断。”“我们的软件描绘了制造过程的生动画面，展示了现场发生的情况。每一个动作和事件都是可访问的。”
汽车工厂装帧机的例子
在一家汽车制造商的车身装配厂进行的案例研究中，Beet展示了这种能力在任何车身车间的心脏——框架机上的力量。
如果车间要实现其生产目标，夹子必须迅速关闭，以固定在焊接过程中的车身下部组件。闭合速度数据生成的心电图显示，一组钳夹变得迟缓，这是出问题的确切迹象。
观察细节可以发现，Clamp 4的闭合时间为0.8秒，而不是既定的基线值0.45秒。因此，该软件不仅能够预测正在发展的问题，如果不加以干预，最终会导致停机，还能够精确定位需要修复的Clamp。
因此，根据Wang的说法，汽车制造商能够以75%的速度发现、修复和验证正在开发的问题。他还报告说，该软件帮助汽车制造商在两个月内提高了2%的总体设备效率(OEE)。
王说:“根据不规律，我们可以提前10天预测故障。”“机械设备不会突然发生灾难性的故障。他们总是先抱怨。”你只需要听他们的。
