Предиктивная диагностика оборудования

В чём заключаются главные задачи современных систем предиктивной диагностики?

Последние десятилетия были отмечены достаточно бурным ростом количества предлагаемых систем диагностики. Причём, если изначально этом могли быть системы ориентированные на контроль изменения какого-то одного параметра, даже без глубоких диагностических возможностей, то со временем совершенствовались и углублялись как методы диагностики, так и вопросы и проблемы, встающие перед разработчиками таких систем. Уже достаточно давно мы ушли от контроля общего уровня различных параметров – для повышения достоверности диагностики применяется множество различных приёмов, будь то спектральный анализ, статистический, анализ форм. Многие разработчики предлагают программы для автоматизации диагностики. Однако, помимо непосредственно определения дефектов, важной задачей становится предсказание развития найденных дефектов, расчёт ресурса и, в конечном итоге, возможность формирования гибкой стратегии ТОиР, с одной стороны ориентированной на обеспечение бесперебойного надежного функционирования оборудования, с другой – отвечающей политике предприятия в области оптимизации расходов и снижения затрат.

Расскажите об общих принципах работы систем, необходимых компонентах.

Доступные сейчас системы можно в целом разделить на 2 группы: программные комплексы и программно-аппаратные комплексы. В первом случае мы имеем дело с программным обеспечением, которое может выступать некоей надстройкой для существующих измерительных устройств. Эти программы, как правило, предоставляют широчайший инструментарий для работы с сигналами вибрации, также позволяют подгружать сигналы иной природы, в том числе полученные с помощью переносных приборов, формировать отчёты, использовать предустановленные алгоритмы автоматизированной диагностики или формировать собственные. Программно-аппаратные комплексы, при схожем функционале софтверной части, обеспечивают также непосредственное проведение измерений, т.е. в комплект входят измерительные датчики, устройства обработки сигналов и непосредственно софт. 

На рынке представлено не мало систем, разработчики которых декларируют предиктивный функционал и использование современных методов обработки данных. В чём Вы идите достоинства и недостатки этих систем? Какие отличия предлагаете в своей системе?

Подавляющее большинство систем ориентировано на использование предварительно сформированных диагностических и прогностических алгоритмов. Они могут быть получены разными методами (экспертная оценка, моделирование, конструкторские расчеты), но в любом случае предполагают некую универсальность – т.е. одни и те же критерии, алгоритмы применяются, например, для одинаковых насосов, работающих в кардинально разных условиях. При этом очевидно, что двух абсолютно одинаковых агрегатов быть не может – отличия материалов, нюансы сборки, разница в исполнении опорных конструкций, режимы работы, соседние агрегаты – всё оказывает влияние на эталонные характеристики. При этому, в случае использования технологий машинного обучения, очевидно, что, по крайней мере на первом этапе, чем больше различных параметров мы используем для анализа – тем более точным можем быть результат. Ряд дефектов и особенностей агрегатов может никак себя не проявлять в вибрационном сигнале – и системы, предназначенные прежде всего для анализа вибрации (а таких большинство), будут в этих случаях бесполезны. Мы же в своих разработках основываемся прежде всего на комплексной оценке конструкции агрегата, режимов и  условий его работы, опыта эксплуатации. Изначально заложенные возможности анализа и расчёта любых сигналов, эксплуатационных параметров, возможность формирования новых собственных параметров – всё это даёт преимущество как в точности диагностики, определения дефектов на первых стадиях развития, так и в точности прогнозирования остаточного ресурса.

Какие преимущества даёт Цифровой Двойник?

Цифровой двойник позволяет нам оперировать всеми параметрами, связанными с работой агрегата. Здесь вибрационные, токовые, температурные характеристики, любые эксплуатационные параметры. Любое выявленное отклонение от оптимальных режимов и характеристик может стать важным диагностическим критерием. При этом появляется возможность использовать виртуальные датчики там, где нет возможности использовать датчики реальные. Не менее важным преимуществом Цифровых двойников является  возможность отработки сценария «Что если?», который позволяет обеспечивать безопасность эксплуатации агрегатов во всех штатных и нештатных режимах.

Что требуется от Заказчика для внедрения системы в работу? 

ООО «ФЦТ» не просто разрабатывает программный продукт, а может предложить решение любого уровня: от программно-аппаратного комплекса для периодической комплексной диагностики до масштабных решений на базе Комплексных Цифровых Двойников. Наши решения предназначены для предприятий любого масштаба и оборудования любого уровня сложности. При отсутствии необходимости непрерывного мониторинга, предлагаемый нами программно-аппаратный комплекс может использоваться в качестве полустационарной системы и эксплуатироваться как опытной диагностической службой, так и специалистами без глубокой подготовки, обеспечивая при этом своевременное обнаружение дефектов и расчёт остаточного ресурса, выдачу рекомендаций специалистам службы эксплуатации. В случае реализации масштабных автоматических систем предиктивной диагностики, Комплексных Цифровых Двойников, наши программно-аппаратные комплексы являются ключевыми инструментами обеспечения точности и надёжности Цифровых Двойников, а сама система может быть интегрирована в АСУТП предприятия.  Таким образом, прежде всего заказчику необходимо определиться с имеющимися задачами, помощь в этом могут оказать специалисты нашей компании.

Какой принцип работы системы предиктивной диагностики и что это дает его пользователю? Чем ваша система лучше хорошо известных классических систем?

Система является диагностическим комплексом лабораторного уровня, его работа основана на использовании промышленных устройств обработки данных, что даёт возможность получать и обрабатывать сигналы любой природы. Использование комплекса параметров, широкие возможности обработки сигналов (получение спектров, форм, огибающих), возможность использования различных датчиков, формирования собственных пользовательских параметров значительно повышают оперативность и достоверность диагностики, алгоритмы машинного обучения обеспечивают точность расчёта остаточного ресурса. Главное преимущество нашей системы – возможность автоматического формирования предиктивных алгоритмов для каждого конкретного агрегата.

Сколько комплексов системы будет нужно сделать для группы однотипных промышленных изделий?

Модульная структура номинально позволяет довести количество каналов одного головного устройства до 64. Таким образом, использование нескольких комплексов позволяет построить диагностическую предиктивную систему для всего предприятия любого масштаба.

Как вы можете гарантировать правильность информации, которую дает система?

Использование поверенных датчиков, регулярная калибровка измерительных и вычислительных компонентов. Своевременная актуализация состояния диагностируемых агрегатов, синхронизация состояний позволяют верифицировать и при необходимости уточнять применяемые методики.

Расчет остаточного ресурса оборудования

Почему при демонстрации ресурс подшипника (двигателя) быстро изменяется при изменении частоты вращения и продолжает уменьшаться, хотя мы ничего не меняем?

В данном случае демонстрируется, как на ресурс подшипника качения влияют частота вращения и температура. Вполне очевидно, что увеличение частоты и температуры относительно нормального режима работы приводит к уменьшению ресурса. Т.к. температура подшипника возрастает относительно медленно, то для демонстрационных целей в модели скорость роста температуры была специально увеличена. Как можно видеть, температура в модели уже практически стабилизировалась и изменение ресурса прекратилось. К слову сказать, расчёт проводится по стандарту ISO 281 для которого есть аналогичный гост ГОСТ 18855-2013. По данному стандарту на ресурс влияют не только температура и частота, но, например, и загрязнение смазки. Но в условиях выставки/демонстрации мы это не показываем, хотя и учитываем. 

Почему ресурс восстанавливается после возвращения двигателя к нормальным условиям работы?

В нашем случае вы видите, каким будет ресурс при текущем режиме работы. Меняя режим работы, мы увеличиваем или уменьшаем скорость износа. Если бы наш демонстратор проработал с повышенной нагрузкой хотя бы день, вы бы увидели, что ресурс не вернулся на начальный уровень. Но т.к. прошло всего несколько минут, реальный износ подшипника за это время просто физически не успел отразиться на ресурсе и вернулся к прежнему значению.

В примере ANSYS остаточный ресурс нормирован по номинальному режиму работы. Т.е. вы видите сколько оборудование проработает, если его вернуть в этот номинальный режим, а не то сколько оно проработает при сохранении фактического режима. Т.к. наша практика показывает, что заказчиков больше интересует фактический режим работы, а не некий номинальный, мы показываем то, что показываем. Справедливости ради, можно сказать, что иногда возникает задача нормировать остаточный ресурс по нескольким режимам нагрузки. Это не представляет никакой технической сложности и мы это тоже делаем.

Для чего в двойнике используются расчётные методы оценки ресурса (параметров надежности и т.п.)?

Методы расчёта показателей надежности, основанные на теории надежности и статистике отказов не предназначены для определения точного момента выхода из строя конкретного экземпляра оборудования. Наработка на отказ рассчитывается по пороговому значению вероятности отказа. Наиболее часто используется вероятность отказа 10%, хотя порог может быть и другим. Физически это означает, что к рассчитанному моменту времени из 100 работающих изделий 10 выходят из строя. Кривая интенсивности отказов имеет U-образную форму, с практически горизонтальным отрезком в средней части, когда интенсивность отказа постоянна. После этого участка интенсивность отказов начинает возрастать, т.е. после отказа некоторой части изделий, не сильно превышающей 10%, следующие начинают отказывать все быстрее и быстрее. Поэтому экономически может быть выгодно заменить или отремонтировать изделия при ближайшем техническом обслуживании (ТО) от выработки ресурса, хотя физически они еще не отказали. Если же используется стратегия эксплуатации до отказа, информация о расчётной наработке на отказ/остаточном ресурсе помогает правильно планировать складские запасы.

Даже в случаях, когда качество изделий, ремонта или ТО очень низкое и расчетная наработка на отказ неприменима, ее все равно надо использовать, чтобы явно указать на существующие проблемы с обеспечением надежности при эксплуатации.

Почему ваш цифровой двойник не такой, каким он должен быть? (нет BIM-модели, не основан на ГОСТ Р 58301—2018, не использует самообучающиеся модели и т.п.)?

Когда мы говорим про Электронный (Цифровой) макет изделия или Информационную модель строительного объекта, мы в первую очередь имеем в виду электронное описание его структуры в различных его представлениях (со связанной документацией и расчетами), проведенную по жизненному циклу и рабочим процессам до состояния выпуска и архива КТД или ПСД. Эти данные живут в специальных смежных информационных системах PLM, BIM CDE. Цифровой двойник (ЦД) изделия или актива – понятие собирательное, безусловно использующее данные перечисленных систем, но не только. Цифровой двойник начинается с понятия цифровой тени, то есть технологических потоковых данных полевого уровня, которые, как правило, накапливаются в системах АСУТП, АСДУ и др., либо идут напрямую с КИПиА. Когда речь идет о сценариях работы ЦД, очень часто требуются данные из ERP, MES, MRO-систем. Например, для получения кодов ТМЦ для заказа комплектующих, последовательности выполнения работ в производственных заданиях, справочные данные НСИ. Именно поэтому наиболее подходящим место хранения и агрегирования данных по активам, объектам должна быть отдельная информационная система, к-я кроме того, что содержит различные модели цифровых двойников (их может быть несколько и на основе разных технологий) еще и умеет обмениваться необходимой информацией со всеми перечисленными ИТ/ОТ-системами. Именно по вышеуказанным причинам мы, в Фабрике Цифровой Трансформации, используем в качестве такой системы решения на базе платформы промышленного интернета вещей, как наиболее подходящее место для агрегирования данных ЦД, взаимодействия со смежными системами. Кроме того, в мире создаются особые системы (пока единично) – платформы цифровых двойников, для тех же самых целей и с тем же набором функций.

Добавлю также, что имеет место начало разработки и использования ЦД и на инжиниринговых этапах жизненного цикла изделия ЭТП, РКД и Испытаний, когда цифровые двойники используются в сценарии «что, если» для проверки характеристик и определения оптимальных режимов работы. В этом случае используется термин Виртуальный двойник изделия/актива, когда нет связи с физическим объектом.

Все выше сказанное получило название в Фабрике Цифровой Трансформации – Комплексный цифровой двойник изделия/актива.

Как реализуются диагностика фактического состояния и прогнозирование остаточного ресурса конкретного агрегата? В чём отличие от расчётного (номинального) ресурса?

Фактическое техническое состояние отдельных узлов и агрегата в целом обусловлено наличием и степенью развития дефектов, которые могут быть вызваны естественным износом (выработки, повышенные зазоры, люфты, ослабления), нарушениями в процессе наладки, монтажа, регулировки (расцентровки, дисбалансы, перекосы), неправильными условиями эксплуатации (резонансные разрушения, повышенный износ из-за недостатка/низкого качества смазочных материалов), «врождёнными» дефектами отдельных комплектующих (некачественные подшипники, дефекты материалов) и т.п.  Все эти дефекты могут быть выявлены в процессе эксплуатации агрегата методами неразрушающего контроля: анализ вибраций, температур, пусковых токов, токовых спектров, а также любых доступных для контроля эксплуатационных параметров. Чем большее количество показательных параметров можем использовать – тем более детальной и точной может быть диагностика. В этой связи использование принципов комплексной диагностики в составе Цифрового Двойника видится большим шагом вперёд, т.к. даёт возможность контролировать весь спектр эксплуатационных параметров, а также моделировать картину проявления дефектов, что ещё повышает достоверность диагностики.

На основе накопленных данных оценивается изменение всех доступных параметров как в абсолютном измерении, так и относительно друг друга, создаются математические модели развития дефектов. Применяя технологии анализа больших данных и различные алгоритмы машинного обучения мы получаем возможность построить прогностическую систему, способную не только определять текущее состояние агрегата, но и прогнозировать период развития дефектов вплоть до разрушения. Это, в свою очередь, даёт возможность сформировать оптимальную для агрегата стратегию обслуживания в зависимости от целей и стратегии эксплуатирующего предприятия. 

Дефекты, вызванные некачественным монтажом или использованием дефектных комплектующих, естественно, не предусматриваются при проведении конструкторских расчётов – таким образом, мы имеем дело с разными видами ресурса.

 

Полевые подключения. КИПиА

Как попадает сигнал от датчиков КИП в Thingworx? 

Точно также, как как в классическом АСУ ТП. Через контроллер, который собирает эти сигналы, преобразует в один из принятых в промышленности протоколов передачи данных. Далее программное обеспечение ThingWorx Kepware Server интегрирует данные из множества контроллеров и/или других АСУ ТП с помощью семейства драйверов и передает в ThingWorx.

Означает ли это, что я должен обязательно приобрести лицензию на ThingWorx Kepware Server?

Если ваше оборудование в качестве протокола для связи с верхним уровнем используется IOT-ready протокол (OPC UA, MQTT, AllwaysOn), то – не требуется. Собственно, ThingWorx Kepware Server является преобразователем из других протоколов в протокол AllwaysOn.

ThingWorx Kepware Server работает только под ОС Windows. Что делать, если политика моей компании позволяет использовать только Linux?

Есть 2 варианта:

1. Переход вашей компании на использование IOT-ready протоколов. Это потребует дополнительных затрат, но существенно улучшит информационную безопасность, так как промышленные протоколы до эпохи IOT не предполагают какой-либо авторизации со стороны клиента, вся безопасность построена на концепции функционирования АСУ ТП в закрытом контуре предприятия.

2.  Можно рассмотреть применение ThingWorx Kepware Edge. Этот проект сейчас развивается PTC, работает на Linux Ubuntu 18.04 LTS, пока поддержка только протоколов: Modbus TCP, Allen-Breadly ControlLogix, Siemens Ethernet

В моей компании используется протокол, условное название «АБВГД». В ThingWorx Kepware Server его явно нет. Как решить эту проблему?

На этот случай в семействе драйверов ThingWorx Kepware Server существует драйвер U-CON (User Configurable), который позволяет наладить обмен данными по практически любому протоколу, если открыта спецификация этого протокола. 

Необходимо настроить обмен данными по резервированной линии связи. 

Бесплатная надстройка (plug-in) Media Level Redundancy plug-in. Она позволяет переключаться, если по резервированным линиям приходят идентичные данные, т.е. резервируются только линии связи, но не резервируется сам ThingWorx Kepware Server.

Необходимо настроить обмен данными с резервированными серверами/контроллерами и, вообще, в нашей компании все IT должно быть резервированным: линии связи, сервера и т.п.

Т.е. необходима работа двух экземпляров ThingWorx Kepware Server в режиме основной/резервный, с переключением опроса полевых устройств с одного на другой при обрыве связи с полевыми устройствами. На этот случай существует отдельно лицензируемое программное обеспечение LinkMaster.

Также есть опыт построения таких систем на основе Advanced Tags plug-in – надстройка, реализующая логические и математические выражения между параметрами внутри ThingWorx Kepware Server. В этом случае получается более универсальное решение, можно резервировать даже отдельные сигналы между разнородными частями системы.