F. Zijlema
Condition monitoring of rotating parts.
Literatuuropdracht/scriptie,
Rapport 2003.TL.6689, Sectie Transporttechniek en Logistieke Techniek.
Samenvatting
Hoofdstuk 1
Een bezwijkmechanisme van een onderdeel of een machine bestaat uit
verschillende stadia. Te noemen de volgende 4 stadia:
beginstadium van bezwijking, dit is het begin van de bezwijking die
ontstaat door één beginoorzaak of een combinatie van
beginoorzaken.
beginstadium van beschadiging, bij het begin van de bezwijking
ontstaat ook een eerste vorm van schade.
verslechtering toestand, het onderdeel lijdt nu onder de ontstaande
situatie voor een bepaalde periode en tijdens deze periode is de toestand
van het onderdeel onderhevig aan slijtage. De prestaties van het onderdeel
verslechteren.
eindstadium van beschadiging, uiteindelijk bezwijkt het onderdeel. Het
onderdeel kan non-catastrofaal of in het ergste geval catastrofaal
bezwijken. Het onderdeel kan niet langer naar behoren functioneren of in
een catastrofale situatie helemaal niet meer functioneren, oftewel het
onderdeel is bezweken.
Een bezwijkmechanisme van een onderdeel bestaat uit een tijdsperiode. Het
verloop van het mechanisme is met name afhankelijk van de beginoorzaak of
een combinatie van beginoorzaken. De mogelijke beginoorzaken zijn:
Ontwerpfout
Materiaaldefect
Fabricagefout
Installatiefout
Niet gepland gebruik
Slecht onderhoud
Onjuist operationeel gebruik
Een machine is een entiteit bestaande uit meerdere onderdelen. Roterende
onderdelen spelen een kritische rol in industriële machines, maar
tegelijkertijd zijn ze vaak ook de zwakste schakel in een machine.
Machines waar roterende onderdelen veel voorkomen zijn:
Turbines
Pompen
Elektromotoren
Reductiekasten
'Lopende band' systemen
Roterende onderdelen zijn rotorbladen, rotors (elektromotoren),
tandwielen, schrijven, poulies, rollen en lagers. Er is en wordt veel
onderzoek gedaan naar bezwijkmechanismen van roterende onderdelen, vanwege
de belangrijke functie die roterende onderdelen vaak hebben. Uit vele
onderzoeken blijkt dat lagers een sleutelrol spelen bij het bezwijken van
machines. Uit drie verschillende onderzoeken over het bezwijken van
elektromotoren blijkt dat in 40% van de gevallen het lager een rol speelt.
De twee meest gebruikte lagers in industriële machines zijn glijlagers
en kogellagers. 'Vastlopen' is een typerende bezwijking voor
een glijlager. Het vastlopen van rakende elementen is een catastrofale
bezwijking voor tribologische systemen. Vastlopen is het stoppen van de
relatieve beweging van de rakende elementen vanwege onderlinge wrijving.
Deze vorm van bezwijking ontstaat doordat de ruimte tussen twee langs elkaar
bewegende elementen afneemt en uiteindelijk de twee elementen vastlopen. Er
zijn verschillende beginoorzaken. Belangrijke parameters voor herkennen
van bezwijkmechanismen bij 'vastlopen' zijn temperatuur, afstand & druk
tussen twee loopvlakken en groei en transport slijtagedeeltjes.
Bezwijking van de rollende elementen door vermoeiing (Rolling Contact
Fatigue oftewel RCF) is een typerende bezwijking voor een kogellager. Deze
bezwijking kan zowel catastrofaal dan wel non-catastrofaal zijn. Veel
kogellagers worden tegenwoordig uitgevoerd met een aangebrachte coating,
zoals WC-15%Co (tungsten carbide coating). De coating verbetert de
eigenschappen van het lager, maar heeft een nadelig effect op de
levensduur van het lager. Een compleet beeld van alle bezwijkingen en
bijbehorende bezwijkmechanismen van gecoated kogellagers is nog niet
bekend, maar twee typerende bezwijkingen zijn oppervlakteslijtage en
delaminatie van de coating. Bij beide bezwijkingen is het meten van de
hoeveelheid en grootte van de slijtagedeeltjes een goede parameter. Veel
onderzoek wordt er nog gedaan naar bezwijkingen en bezwijkmechanismen van
kogellagers met coatings.
Hoofdstuk 2
Het basisprincipe van Condition Monitoring (CM) is het identificeren van
subtiele veranderingen ten opzichte van standaardcondities tijdens het in
bedrijf zijn van een machine. Afhankelijk van de verandering van de toestand
kan besloten worden om de toestand/conditie van een machine/onderdeel beter te
doorgronden of dat men de frequentie van het bewaken opvoert om zo verdere
veranderingen te waarnemen. Door middel van CM kan men bepalen in welke
staat de fout/afwijking is en hoelang de verwachte levensduur nog is.
Door het beschikken over de kennis van de toestand van de machine zal een
bedrijf niet snel voor verrassingen komen te staan. CM heeft de volgende
voordelen:
Lagere onderhoudskosten, doordat er minder reserve/vervangingsonderdelen
nodig zijn.
Lagere onderhoudskosten door meer effectiviteit en efficiëntie.
Men hoeft alleen op de probleemgebieden te focussen, dus niet langer 24
uur per dag oproepbare onderhoudsmonteurs. Verder kan men het routinematig
stopzetten van de processen verminderen of zelfs elimineren.
Optimalisatie van processen, doordat men vanwege het CM de machines
tot het uiterste kunt laten werken.
Toename in kwaliteit van processen, dus ook producten.
Hoewel CM zich allang bewezen heeft, zijn er nog genoeg sceptici in de
industriewereld. De gedachte dat implementatie van CM in een fabriek direct
betekent dat grote investeringen dienen gemaakt te worden in dure sensoren en
in het inhuren/aannemen van experts voor de analyse van de gemeten data, is de
voornaamste reden voor scepticisme.
Nog altijd wordt op dit moment bij veel bedrijven in veel verschillende
industrieën onderhoud uitgevoerd volgens het 'correctief onderhoud'
regime of anders gezegd 'run to failure' regime. Hiernaast bestaan nog drie
andere onderhoudsregimes, namelijk 'preventief onderhoud', 'willekeurig
onderhoud' en 'voorspellend onderhoud'.
Bij 'voorspellend onderhoud' hoort CM. Op de vraag of een bedrijf een
dergelijk onderhoudsregime moet invoeren, dient een bedrijf goed naar haar
processen te kijken. Een bedrijf moet de kritische processen onderscheiden van
de niet-kritische processen. Bij de kritische processen moet een afweging
gemaakt worden tussen CM-regime en mogelijke andere onderhoudsregimes. Gezien
de voordelen van een CM-regime als onderhoudsregime, is juist dit regime
geschikt voor machines die een kritische rol spelen.
De oorzaak dat veel bedrijven toch altijd nog vaak kiezen voor
onderhoudsregimes zoals correctief of preventief, is dat men de kosten van
een CM-regime overschat.
De meest voorkomende technieken van CM die men gebruikt in de praktijk zijn:
Vibratie analyse & bewaking dmv akoestiek
Analyses van smeermiddelen/olie
Tempratuur analyse & thermografie
Kracht- & koppelmetingen
Visuele & optische conditie inspectie
Andere proces-prestatie indicatoren
De machinegroepen zoals turbines, pompen, elektromotoren, reductiekasten
en lopende band systemen bestaan uit veel roterende onderdelen. Verder
spelen deze machines meestal een kritische rol binnen alle
bedrijfsprocessen. Om voor dergelijke machines de conditie te bewaken, is
vibratie-analyse een geschikte techniek.
Bij vibratie-analyse worden 3 soorten sensoren (transformators) gebruikt,
namelijk de afstandsmeter (verandering in afstand), snelheidsensor en
piezoelectric accelerometer. Voor CM is de accelerometer het meest
geschikt en wordt dan ook het meest gebruikt als sensor. De accelerometer
kan op verschillende manieren in contact gebracht worden met de machine
die men wil bewaken. Voor een CM-regime is het van essentieel belang dat
de verzamelde data van goede en betrouwbare kwaliteit is. Door
storingen/invloeden te minimaliseren wordt goede kwaliteit van de data
behaald. Herhaalbaarheid tijdens verzamelen van data, zorgt voor
betrouwbaarheid van de data. CM kan men in 2 categorieën opdelen,
namelijk met de hand en mobiele sensoren metingen verrichten of (semi-)
continu met (semi-) permanente sensoren metingen verrichten.
Discreet CM betekent dat op bepaalde momenten met de hand en een mobiele
sensor metingen worden verricht. Meestal wordt er periodiek door een
monteur met handapparatuur metingen verricht, waarna de gemeten data
geanalyseerd kan worden. De bediener van het apparaat moet terplekke op de
werkvloer het apparaat op de machine plaatsen of in de buurt van de
machine houden, wat afhankelijk is van datgene wat gemeten dient te worden
(geluid, trilling, temperatuur).
Op een dergelijke manier CM uitvoeren, is geschikt om snel een eerste
indruk te krijgen van de conditie van een machine. Dergelijke data geeft
een algehele indruk van de conditie van de machine en zijn relatief
onnauwkeurig. Tot frequenties van ongeveer 1000 Hz kan men op deze manier
metingen verrichten. De kwaliteit en betrouwbaarheid van de gemeten data
is matig.
Voor machines die juist wel een kritische rol spelen binnen de
bedrijfsprocessen kan men kiezen voor (semi-)continu conditiebewaking. Men
noemt dit ook wel vaste/on-line condition monitoring. Bij continu CM
worden sensoren (semi-)permanent geplaatst op de machine die men wil
bewaken. De kwaliteit van de data neemt toe, naarmate de sensor dichter
bij de mogelijke bron geplaatst wordt. De nauwkeurigheid van de data neemt
aanzienlijk toe, doordat nu bij elke meting men exact op dezelfde locatie
meet.
Continu CM is uitermate geschikt voor machines, die een zeer kritische rol
spelen binnen de bedrijfsprocessen. Vanwege het continu kunnen beschikken
over nauwkeurige, gemeten data, kan men in principe op elk moment de
conditie bepalen van een machine/onderdeel.
Door de continue stroom aan data is de complexiteit van de analyse
toegenomen. Experts moeten nu uit de enorme hoeveelheid data afwijkingen
en bijbehorende trends proberen te vinden.
Het analyseren en interpreteren van complexe data wordt meer en meer
uitgevoerd door computers. Computers zijn snel en consistent, maar
beschikken van nature niet over cognitieve eigenschappen zoals bij de
mens. De laatste jaren zijn computers en de bijbehorende software enorm
verbeterd op dat gebied. Dit vakgebied wordt ook wel 'neurale
netwerken' (NN) genoemd. Door het Internet is het mogelijk op
afstand data van metingen te verzamelen, ook wel 'bewaking vanaf
andere locatie' of 'teleservice engineering' genoemd.
Losse machines, maar ook complete fabrieken en bijbehorende processen
worden bewaakt. De verzamelde data, vaak bestaande uit verschillende
gemeten parameters (trillingen, geluid, temperatuur etc.), wordt centraal
door een computer met behulp van NN-software systemen geanalyseerd.
Door NN zijn de mogelijkheden van CM enorm toegenomen. Door NN kan men CM
op een hoger niveau brengen. NN maakt het mogelijk om het verband tussen
verschillende gemeten parameters van een machine parallel te analyseren en
te vergelijken. Door een verband te trekken tussen verschillende gemeten
parameters, kunnen hierdoor betrouwbaardere diagnoses vastgesteld worden
voor machines met mogelijk meerdere aanwezige afwijkingen/fouten.
Hoofdstuk 3
De data die gemeten wordt bestaat uit verschillende trillingen. Er zijn twee
soorten periodieke trillingen die kunnen voorkomen bij een machine:
'lichaamstrilling' en 'schokgolven'. Bij 'lichaamstrilling' moet men denken
aan trillingen die veroorzaakt worden door b.v. onbalans van een aandrijfas.
Lichaamstrillingen laten de hele machine bewegen. Deze trillingen zijn
pure sinusoides en bestaan uit lage frequenties met grote amplitudes. Bij
'schokgolven' moet men denken aan trillingen die veroorzaakt worden door b.v.
'metaal met metaal' contact. Hierbij bewegen de trillingen vanuit de oorsprong
van hun ontstaan naar de buitenkant van de machine toe. Deze trillingen zijn
zogenaamde 'schokpulsen'. Schokpulsen zijn ook periodieke trillingen, maar
sterven uit na een bepaalde tijd, oftewel ze zijn 'transient'. Ze bestaan uit
hoge frequenties en kleine amplitudes. Ook bestaan er niet-periodieke
trillingen die sporadisch van aard zijn en ook wel ruis genoemd worden.
Belangrijk in CM is dat men in een zo vroeg mogelijk stadium afwijkingen
kan herkennen. Lichaamstrillingen zijn met relatief grote amplitudes en
lage frequenties goed te herkennen, maar de schokpulsen daarentegen zijn
een stuk lastiger te herkennen, vooral vanwege hun relatief kleine
amplitudes (vooral in een vroeg stadium) en relatief hoge frequenties. De
grootte van de amplitudes wordt ook nog eens beïnvloedt door wat men
noemt mechanische impedantie.
Het is vooral de zwakke amplitude die het lastig maakt om schokpulsen in
een vroeg stadium te herkennen, terwijl dit juist zo belangrijk is. Vaak
worden schokpulsen in een vroeg stadium al snel gezien als ruis. Zo goed
mogelijke kwaliteit van data draagt bij aan het herkennen van schokpulsen
in een vroeg stadium, maar goede analyse ook.
De accelerometer wordt het meest toegepast als sensor voor CM en daar is
een belangrijke reden voor. Bij het meten van de versnelling van een
trilling worden de hoge frequenties niet onderdrukt zoals dat gebeurt bij
de andere 2 sensoren. Dit is te zien in figuur 1.
Figuur 1. Vibratie-amplitude uitgedrukt in verplaatsing en versnelling
bij een constante snelheid (0.1 in/sec) van de trilling.
Dit is ook terug te zien in de het frequentiespectrum van de
accelerometer. Elke sensor heeft in het frequentiespectrum een bepaalde
bandbreedte. De bandbreedte is het frequentiedomein waar de responsies op
de frequenties sterk en nagenoeg constant zijn. In figuur 2 is de
frequentieresponsie van een typische algemene accelerometer te zien.
Figuur 2. Frequentiespectrum van een typische algemene accelerometer.
In figuur 2 is te zien dat tussen de frequenties 5Hz en 10000Hz de
responsie redelijk constant is. Na 10000Hz loopt de responsie exponentieel
op tot een piekhoogte bij 25000Hz. Bij deze accelerometer ligt
resonantiefrequentie dus rond de 25000Hz. In figuur 3 is een typische
frequentieresponsie van een snelheidsensor.
Figuur 3. Frequentieresponsie van een snelheidssensor.
Tussen de frequenties 8Hz en 1500Hz is er een goede constante responsie,
waarna de responsie snel afneemt. De resonantiefrequentie van deze
snelheidsensor ligt rond 8Hz. Een afstandsmeter heeft alleen een goede
frequentieresponsie voor nog lagere frequenties. Echter 'metaal met
metaal' contacten genereren schokpulsen met frequenties meestal
tussen de 1000Hz en 10000Hz en om deze frequenties goed te kunnen
waarnemen is een accelerometer de meest geschikte sensor.
Er zijn nog een aantal andere redenen dat men de accelerometer prefereert
boven die van de afstandsmeter en de snelheidsensor. De accelerometer is
t.o.v. de andere twee sensoren klein en kan dus op veel plaatsen gemonteerd
worden. Verder is de accelerometer robuust en kan dus tegen een stootje.
Aan de andere twee sensoren zitten een aantal nadelen verbonden die de
accelerometer niet bezit. Zo is de snelheidsensor gevoelig voor
elektromagnetisme, is deze relatief groot en bestaat het uit bewegende
delen.
De gemeten data dient geanalyseerd te worden en men kan de data in het
tijdsdomein of in het frequentiedomein analyseren. De meeste analyses
worden uitgevoerd in het frequentiedomein. De voordelen van het analyseren
van data in het frequentiedomein worden als bekend beschouwd. De
uitleesinstrumenten gebruiken verschillende technieken die in de afgelopen
decennia zijn ontwikkeld. De meest gebruikte techniek is 'Fast
Fourier Transformatie' spectrumanalyse.
Een techniek die handig is voor het detecteren van schokgolven is
'enveloping'. In figuur 7 zijn de stappen te zien die toegepast worden bij
enveloping. Met enveloping kan men bepaalde delen in het frequentiedomein als
het ware eruit lichten. In figuur 7 is goed te zien dat men de lage frequentie,
de pure sinusoide, wegfiltert en de schokgolf (transient wave) eruit licht.
Een andere techniek die ook veel gebruikt wordt is 'averaging'. Met deze
techniek worden meerdere blokken data gemiddeld. Hierdoor worden niet-stabiele
trillingen weggemiddeld. Een goed voorbeeld van trillingen die hierdoor
verdwijnen is ruis.
Figuur 7. Te volgens stappen voor 'enveloping'.
Voor kogellagers kan een onderscheid gemaakt worden voor defecten aan de
'cage' (houder voor rollende elementen), 'inner race' (de binnenring), 'outer
race' (de buitenring) en de rollende elementen.
De defecten kunnen lokaal of verdeeld zijn over deze elementen. Lokale
defecten zijn scheurtjes of putjes in de oppervlakte van de verschillende
elementen. Verdeelde defecten zijn oppervlakte ruwheid, golvend oppervlak,
rollende elementen met verkeerde afmetingen en verkeerd uitgelijnde
kogellagerringen. De defecten uitten zich door periodieke botsingen die
ontstaan als de rollende elementen in belaste toestand de defecten
passeren. Deze korte botsingen veroorzaken korte krachtige pulses die de
natuurlijke frequenties van de verschillende elementen van het kogellager
opwekken. De bijbehorende frequenties zijn dus karakteristiek voor elk
element en zijn afhankelijk van de afmetingen van de kogellagers en de
bijbehorende rotatiesnelheid. Alle defectfrequenties, behalve de
rotatiefrequentie van de houder van rollende elementen, worden omgeven door
zogeheten subfrequenties. De defectfrequentie worden als een signaal
uitgedrukt in het frequentiespectrum. In figuur 8 zijn typische meetresultaten
van kogellagers met of zonder defecten te zien.
Figuur 8. Vibratiespectrum van lagers roterend met 1800 rpm; (a) goed;
(b) binnenring defect; (c) buitenring defect; (d) defecten op de
buitenring; (e) een defect in beide ringen.
Naast het herkennen van defecten aan een machine/onderdelen middels CM en
bijbehorende analysetechnieken, is het tevens belangrijk om te bepalen wat
de resterende levensduur is van een defect onderdeel.
Zo is een toename van de amplitude in het frequentiespectrum een duidelijk
teken van verslechtering van een beschadigd onderdeel. Echter een verband
tussen de groei van amplitudes en de nog resterende levensduur van een
onderdeel door middel van een wiskundig model is tijdens deze
literatuuronderzoek niet gevonden. Dit wil niet impliceren dat ze niet
bestaan. Het antwoord op de vraag over een verband tussen de groei van
amplitudes en de nog resterende levensduur van een onderdeel zal in dit
rapport niet gegeven worden.
Met kennis uit het verleden over het bezwijken van soortgelijke onderdelen
en hun bijbehorende levensduur, kan men aan onderdelen van een machine met
redelijke zekerheid een bezwijkkansfunctie meegeven. De bezwijkkans is de
wiskundige representatie van veroudering of verslechtering. Een
bezwijkkansfunctie geeft in de tijd het verloop aan van de kans op het
bezwijken van een onderdeel/machine. Meeste complexe machines en
onderdelen van deze machines bezitten vaak een bezwijkkansfunctie van de
vorm zoals te zien in figuur 9, de zogeheten 'badkuipmodel' bezwijkkansfunctie.
Figuur 9. De zogeheten 'bathtub curve of failure rate'.
De bezwijkkansfunctie in figuur 9 bestaat uit drie delen:
Het eerste gedeelte is een dalende functie; de bezwijkkans neemt af in
de tijd. Het systeem is 'anti-verouderend' of 'negatieve veroudering'.
Het tweede gedeelte is nagenoeg constant; de bezwijkkans is ongeveer
constant. Het systeem is 'niet-verouderend'.
Het derde gedeelte is een stijgende functie; de bezwijkkans neemt toe.
Het is systeem is 'verouderend' of 'positieve veroudering'.
Een veel gebruikte verdeling voor het beschrijven van een
'badkuipmodel' is de 'Weibull' verdeling. Deze
verdeling is zeer flexibel voor het modelleren van de data van
bezwijktijden bij een 'badkuipmodel', aangezien deze vorm
bestaat uit zowel dalende, constante en stijgende functies. Indien men
beschikt over een grote hoeveelheid data uit het verleden, dan past men de
'Weibull' verdeling stuksgewijs toe. Deze manier is niet
geschikt, als men over weinig data beschikt en is tevens onhandig in
gebruik. Er zijn meerdere mogelijkheden om de 'badkuipmodel'
te modelleren door middel van aanpassingen aan de 'Weibull'
verdeling. Deze uitbreidingen van deze verdeling zijn allemaal
verschillend en de extra geïntroduceerde parameters zorgen, bij
gebrek aan data uit het verleden, voor een verlies aan nauwkeurigheid. Een
generalisatie is op zijn plaats, welke is:
De 'reliability' functie is:
R(t) = exp{la[1-e(t/a)b]}
l,a,b>0, t>=0
De corresponderende bezwijkkansfunctie is: r(t) = lb(t/a)(b-1)
exp[(t/a)b]
Deze bezwijkkansfunctie kan een badkuipvorm hebben, wat afhankelijk is van de
keuze van de parameter b.
De cumulatieve verdelingsfunctie is: F(t) = 1-R(t)
en de dichtheidsfunctie, de afgeleide van F(t), is dan: f(t) = lb(t/a)(b-1)
exp[(t/a)b+
la(1-e(t/a)b)]
De vorm van de bezwijkkansfunctie is afhankelijk van
b.
Voor b<1 heeft deze de vorm
van een 'badkuip'. Er is een tijdsstip t* waar de functie van een
dalende functie over gaat naar een stijgende functie. Dit is te zien in
figuur 10.
Figuur 10. Verschillende vormen van de bezwijkkansfunctie afhankelijk van de
keuze van b
De 'mean time to failure' (MTTF) en de variantie van de TTF zijn respectievelijk:
m
= 0ò¥t dF(t) = 0ò¥R(t) dt
= 0ò¥
exp{la[1-e(t/a)b]}dt
Var(t)
= 0ò¥t2 dF(t) - m2 =
2 0ò¥t R(t) dt - m2
= 2 0ò¥t exp{la
[1-e(t/a)b]} dt-
m2
Beide integralen hebben geen gesloten vorm en dienen numeriek geïntegreerd
te worden.
Parameter a is een zogeheten
schaalparameter en t* is het meest afhankelijk van deze parameter.
Dit blijkt uit de volgende functie: t* = a (1/b-1)
Als b heel groot is, en
richting oneindig gaat, wordt het asymptotische geval benaderd, dat
lijkt op de originele 'Weibull' verdeling. Met dit model kan men door het
bepalen van juiste waarden van de parameters verschillende bezwijkkansvormen
benaderen. Het bepalen van de parameters kan aan de hand van de verzamelde
data en de twee meest gebruikte methoden zijn de grafische methode en de
'maximum likelihood' methode.
Met gegevens uit het verleden van onderdelen over de lengte van de
levensduur kan men dus een bezwijkkansfunctie benaderen voor dezelfde
onderdelen. Hiermee kan men in het verloop van de tijd inschatten wat bij
een bepaald onderdeel de resterende levensduur nog is.