流体动力的预防性和预测性维护：技术和优势

正确维护液压和气动系统对于确保持久的性能至关重要。通常，多年来的维护实践多具被动性，因为只有在检测到问题后才会修复。

被动维护方法简单直观——如果电机磨损，就更换。由于不需要传感器或网络功能，因此前期成本较低。但是，当该电机确实发生故障时，希望有替代品可用，否则机器和每个依赖它的工人的生产都会受到阻碍，Schroeder Industries 的应用工程师 Connor Dudas 在 2024 年 3 月美国流体动力协会 (NFPA) 季度技术会议上的一次演讲中说道。

例如，如果该电机是用于制造阀块的CNC机床，他说，所有依赖阀块生产来完成工作的零件装配工也会受到机器故障的影响。“这种被动维护策略具有代价高昂的连锁效应，”他说。

将传感器、远程信息处理和其他技术集成到机器及其流体动力系统中，以实现更具预防性和预测性的维护，使机器所有者能够更好地确定何时出现问题，并在停机前更主动地解决问题。

了解预防性维护和预测性维护之间的差异

虽然预防性维护和预测性维护的目标相似，但了解它们之间的区别可以确保部署的系统最能满足最终用户的需求。

预防性维护，也称为计划性维护，使用历史数据来估计维护需求。通常，维护安排在最佳时间以最大限度地降低成本，例如在计划的设施停机期间。

但是，这种方法存在缺点。Dudas 说，如果你有一台额定寿命为 8,000 小时连续运行（约 333 天）的泵，但每季度进行一次维护，你可能会错过该组件长达 2 个月的使用寿命。“这大约是预估寿命的 20%，你付了钱却无法使用。”

另一方面，预测性维护需要更多特定于机器的数据。这允许对单个机器做出单独的决策。Dudas 解释说，它通常使用传感器技术和数据分析来监控实时资产状况。“这是对预防性维护策略的进一步改进，”他说。

预测性维护系统需要为传感器和网络功能支付前期成本，但 Dudas 指出，这些成本近年来有所下降，而且大多数公司已经建立了 IT 基础设施，这也有助于降低系统成本。

与可能发生的计划外停机事件相比，这些成本会更低。停机直接导致产品无法生产，这意味着公司的产品无法进入市场并创造收入。

在停机事件期间，员工工资仍需支付，紧急备件订购、合同义务可能无法履行以及潜在的安全和法律问题也会产生相关成本。

Dudas 引用了西门子 Senseye 的一项研究数据，该数据显示，自 2019 年以来，各行业制造商与计划外停机相关的成本上升了50%，这表明预防性和预测性维护系统可以带来价值。

传感器改善故障检测

对于任何液压或气动部件来说，理想的情况是尽可能延长其使用寿命，而不会出现停机。不幸的是，情况并非总是如此。

因此，能够检测到潜在的停机问题有利于在可行的情况下延长部件的使用寿命。Dudas说，机器质量有很多指标，通常最明显的是那些表明即将发生故障的指标。在这里，他再次举了电机的例子——如果它摸起来很热并且有噪音，这些很容易亲眼看出，但也是危险的故障指标。

这些类型的指标通常在灾难性故障发生前出现，“到那时，该部件可能已经失去了显著的效率，”他说。

然而，有些地方可以实施预测性维护策略，通常是针对那些难以观察的方面。“我们可以使用传感器技术来监测振动、流体状况和热成像等情况，以帮助估计剩余的油和部件寿命，”Dudas 说。

他说，预测性维护系统有三个主要部分——传感器集成、网关和物联网 (IoT) 以及分析。这些系统中使用的传感器有多种形式；最适用于液压行业的传感器包括：

– 介质颗粒

– 介质饱和度

– 油寿命

– 温度

– 流量和压力

– 振动。

通过结合这些传感器，可以持续监控各种性能方面，而不必依赖人工观察，因为对于某些参数来说，人工观察甚至是不可能的。

Dudas 表示，从 Schroeder Industries 作为液压过滤技术开发商的角度来看，流体状态监测传感器（颗粒、饱和度和油寿命）是最有价值和最有效的。“这些传感器可以让你找到问题的根源，并制定有意义的整体解决方案。”

他说，振动传感器很有价值，因为它们可以告诉你哪个泵出现故障，但不能告诉你原因，而流体状态传感器可以。例如，如果颗粒传感器的读数高于标准，可能是因为需要更换过滤器。有了这些信息，机器所有者可以主动更换过滤器，以防止停机。

维护技术需要提供有价值的信息

Dudas 表示，没有分析的数据毫无意义。“传感器是必需的，也很有用，但只是 [预测性维护] 的一小部分。”

雇人整天监控传感器数据是不可行的，他说这就是预测性维护系统的第二部分，即网关设备和物联网的用武之地。“这些设备使我们能够从所有传感器中提取有意义的数据 [并] 分析趋势以预测故障，”他说。“我们知道液压系统中机器故障的警告信号 — 过热、振动、噪音、效率下降。所有这些都是有用的和可检测的故障症状。”

他继续说，网关和物联网设备可以帮助隔离有意义的数据并将其传达给位于中心的系统，该系统会传递故障迹象并委派维护任务来解决它们。“没有行动的分析是没有意义的，”Dudas 说。

Parker Hannifin 的快速接头部门了解提供可操作维护信息的必要性，因此开发了用于移动和工业液压系统的 SensoControl 测量设备。该产品组合包括能够测量流量、温度和压力的传感器，以及从这些传感器读取数据并提供信息以诊断潜在维护问题的手持设备。

派克汉尼汾快速接头部门市场开发经理 Cameron Koller 表示，该技术通常在出现问题迹象时使用，以确定问题是什么以及如何解决，使维护人员能够防止下游出现进一步的问题。“您可以在 [安全] 使用机器的同时获得主动测量并实时记录它们，”他说。

这使机器所有者能够收集信息并尽快开始诊断潜在问题，以缓解更大、更昂贵的停机问题。他说，提供快速、准确的液压系统性能信息的能力是 SensoControl 价值主张的重要组成部分。“这允许 [最终用户] 做出更明智的决策，并确定如何在问题变得更大之前解决问题。”

谈到维护工具，Koller 表示，流体动力在信息和数据可见性方面历来是一个过时的市场。许多应用都在肮脏的环境中，成本也是一个因素，因此在操作中添加预防性和预测性维护技术需要明确的价值主张。

“最终，最终客户必须使用它，并且它必须对他们有意义，”他说。

他的同事、派克汉尼汾快速接头部门的产品销售经理 Emily Santoni 也同意人们需要看到使用预防性和预测性维护技术的价值主张。

她举了液压系统中压力峰值的例子，如果不及早发现，可能会导致昂贵的下游问题。如果发生压力峰值，则可能导致密封件被冲走，从而对泵系统和过滤器产生负面影响。“这些问题可能非常昂贵、耗时且劳动密集，”她说。

但通过投资维护工具，可以尽早发现这些问题并确定如何解决它们。此外，像 SensoControl 这样的工具使用户无需靠近机器即可读取和导出数据，为他们提供“更安全、更快速、更好的信息”，她说。

Santoni 说，与客户交谈并确保他们了解此类产品的价值非常重要。

机器学习和人工智能提高分析能力

多年来，数据分析一直是一个相对手动的过程。然而，Dudas 表示，将机器学习和人工智能 (AI) 工具应用于维护系统可以帮助改进分析。

他说，有了这些工具，就可以可靠地告诉维护团队何时更换电机，以使其使用寿命达到 90%。还可以根据紧急程度自动创建更换组件的时间表。

与此同时，当液压电机使用寿命达到 50% 时，可以通知采购团队，以便及时订购备件。这也减少了需要保留的备件数量，从而减少了存储和订购备件的成本。

“我们认为这最终可能会改变预测性维护的格局，”他说。

为了帮助客户更积极地进行维护，AssetWatch 提供了一个油分析程序，专门的工程师会在收到数据后立即进行分析，并就他们可能发现的任何问题向客户提供反馈。该公司告诉 Power & Motion，它能够汇编这些数据、设置阈值和警报限值，并在任何一项超标时立即联系客户，提供最佳建议或后续措施。

AssetWatch 表示，它使用人工智能 (AI) 和人类共同为客户找到快速准确的解决方案。其油分析程序可用于测试颗粒污染、磨损金属、粘度、酸、水等，所有这些都会对液压系统的性能产生负面影响。该公司指出，其油分析功能可与其 Vero 连续监测技术相结合，该技术可发送振动和温度数据以获取进一步的性能信息以帮助维护，并且该技术可用于液压和气动系统。

使用机器学习和人工智能将有助于创建更加数字化、易于使用的界面，Koller 和 Santoni 指出，预防性和预测性维护技术正在朝着这个方向发展。这将有助于为最终用户提供更好的价值主张，使信息易于收集和解释，使他们能够快速解决维护问题。

随着流体动力行业及其客户市场继续经历代际转变，拥有多年经验的人员正在退休，而新进入的年轻一代还没有行业知识，能够帮助轻松检测和解决维护问题的工具将至关重要。

原文始发于微信公众号（液压传动与控制）：流体动力的预防性和预测性维护：技术和优势