Come è possibile migliorare sistematicamente gli indicatori chiave di prestazione (KPI) inaffidabili nei sistemi di monitoraggio delle condizioni?

L'inaffidabilità degli indicatori chiave di prestazione (KPI) è spesso dovuta a bande di filtro inadeguate o a frequenze di interferenza non considerate. Con ibaAnalyzer è possibile analizzare in dettaglio sia le tendenze che i dati grezzi per individuare eventuali anomalie. In combinazione con ibaInSpectra, è possibile regolare con precisione le regole di calcolo. Ciò consente di ottenere indicatori di stato stabili e significativi per la valutazione dell'usura.

Come si possono tenere adeguatamente in considerazione gli effetti dipendenti dalla velocità nell'analisi delle vibrazioni?

È possibile individuare gli effetti legati alla velocità mettendo in relazione gli indicatori chiave di prestazione (KPI) con i parametri operativi. ibaAnalyzer consente di effettuare analisi X/Y per evidenziare le relazioni tra la velocità e l'andamento dei KPI. Sulla base di queste informazioni, ibaInSpectra permette una regolazione precisa delle bande di frequenza. Ciò consente di evitare distorsioni in specifici intervalli di funzionamento.

In che modo le frequenze interferenti influenzano la valutazione delle condizioni e come è possibile eliminarle?

Le frequenze di interferenza possono distorcere in modo significativo gli indicatori chiave di prestazione (KPI) se rientrano nelle bande di analisi definite. ibaInSpectra consente di identificare ed escludere tali frequenze dai calcoli dei KPI. È possibile applicare ulteriori metodi di filtraggio per rimuovere le frequenze dominanti dai dati grezzi. Ciò migliora notevolmente l'affidabilità degli indicatori di stato.

Come è possibile definire in modo affidabile le soglie di allarme senza una lunga fase di apprendimento?

È possibile definire le soglie di allarme utilizzando un'analisi basata sulla simulazione dei dati storici. ibaInSpectra consente di effettuare calcoli basati sulla riproduzione dei dati per determinare gli intervalli previsti dei KPI. ibaAnalyzer supporta la convalida rispetto a set di dati reali. Ciò consente una definizione affidabile delle soglie senza richiedere una lunga fase di apprendimento.

In che modo l'integrazione dei dati di processo e delle vibrazioni favorisce la manutenzione predittiva?

La combinazione dei dati di processo e delle vibrazioni consente una valutazione globale delle condizioni delle macchine. ibaPDA garantisce l'acquisizione sincrona dei dati, mentre ibaInSpectra fornisce indicatori chiave di prestazione (KPI) basati sulle vibrazioni. Questa integrazione aiuta a identificare le influenze indirette e le cause esterne dei guasti, costituendo la base per strategie di manutenzione predittiva e mirata.

Ottimizzazione di un sistema di monitoraggio delle condizioni

ibaInSpectra e ibaRotate

Un sistema di monitoraggio delle condizioni (CMS) deve monitorare l'usura di due motori. Il CMS calcola valori caratteristici a intervalli regolari in determinate condizioni di misurazione, che servono come indicatori di stato per i singoli componenti della macchina, e li registra come tendenza a lungo termine.

Vantaggi per l'azienda La tecnologia Funzioni usate Altre Success Stories

Dopo una fase di test è emerso che i calcoli e le impostazioni standard del CMS non fornivano valori caratteristici affidabili per il rilevamento dell'usura a causa delle condizioni in loco. È stato quindi necessario indagare su questo fenomeno. Con gli strumenti iba per l'analisi delle vibrazioni, le tendenze registrate e i dati grezzi sono stati quindi analizzati in modo più dettagliato per configurare il sistema di monitoraggio delle condizioni in modo da fornire valori caratteristici affidabili.

Calcolo automatico

di valori caratteristici

Comprensione ottimale

attraverso la combinazione di analisi dei processi e delle vibrazioni

Analisi delle cause principali

per una manutenzione proattiva

La tecnologia

Nelle tendenze a lungo termine, i valori caratteristici sono aumentati in alcuni momenti di oltre 10 volte. Ogni valore caratteristico è stato influenzato in tempi diversi. Non è stato possibile riconoscere una correlazione temporale. Tuttavia, la rappresentazione dei valori caratteristici sotto forma di diagramma X/Y in ibaAnalyzer ha mostrato chiare peculiarità. I valori caratteristici calcolati sono stati visualizzati ordinati in base alla velocità di registrazione. Nel diagramma X/Y si può notare che alcuni valori caratteristici sono aumentati, soprattutto in determinati intervalli di velocità.

Pertanto, i dati grezzi di un file DAT sono stati esaminati più da vicino per individuare le frequenze indipendenti dalla velocità. In effetti, in ibaRotate è possibile riconoscere una frequenza elevata che comprende due armoniche. Sebbene sia stata individuata la causa, non è stato possibile risolvere il problema dal punto di vista tecnico.

An x-ray style rendering shows the internal components of an electric motor.

Con l'aiuto della funzione marker di ibaRotate è stato possibile dimostrare che le bande utilizzate per il calcolo dei parametri intersecano questa alta frequenza o una delle armoniche - esattamente negli intervalli di velocità in cui i valori caratteristici sono stati superati. Le condizioni di misura e le regole di calcolo dei valori caratteristici sono state quindi ottimizzate in modo che questa frequenza non rientrasse più nelle bande utilizzate per il calcolo dei parametri. Infine, queste regolazioni hanno richiesto il controllo e il reset delle soglie di allarme. Nella fase successiva, sono stati quindi analizzati gli stati attuali dei componenti monitorati sulla base dei dati grezzi. Per una migliore visione d'insieme, la frequenza indipendente dalla velocità e le sue armoniche sono state eliminate utilizzando il filtro di Vold-Kalman. Nell'ambito dell'analisi, è stato possibile ottenere un ulteriore approfondimento: Nella visualizzazione a cascata senza le frequenze dominanti, è stato rilevato un danno in via di sviluppo su un'altra macchina dalla quale un basso livello di vibrazioni è stato trasferito alla macchina monitorata.

Infine, era necessario determinare in quale intervallo di valori caratteristici ci si poteva aspettare dai nuovi calcoli. In questo caso è stata utile una simulazione con ibaInSpectra basata sulla riproduzione dei dati misurati. Con l'aiuto della simulazione, è stato possibile calcolare in modo affidabile i valori di allarme senza una fase di apprendimento. Con la configurazione personalizzata in questo modo, il sistema di monitoraggio delle condizioni è stato configurato in modo ottimale per l'impianto del cliente. Il sistema fornisce ora valori caratteristici affidabili e consente la convalida dello stato attuale.

A diagram shows data flow from an electric motor to a computer, leading to analysis and user adjustments.

Prova subito il sistema iba!

Scaricate la demo di ibaPDA e ibaAnalyzer e iniziate subito a ottimizzare i vostri processi. Provate gratuitamente per 30 giorni!

Richiedi una licenza ibaPDA-Demo

La combinazione unica di analisi dei processi e delle vibrazioni rende facile la comprensione e l'analisi del comportamento delle vibrazioni, anche con processi complessi.

Christian Reinbrecht
Responsabile di prodotto, iba AG

Funzioni usate

In questa storia di successo sono state utilizzate le seguenti funzioni del sistema iba.

Esplora altre Success Stories

Leggete le storie di successo dei nostri clienti soddisfatti.

Domande frequenti (FAQ)

Come è possibile migliorare sistematicamente gli indicatori chiave di prestazione (KPI) inaffidabili nei sistemi di monitoraggio delle condizioni?: L'inaffidabilità degli indicatori chiave di prestazione (KPI) è spesso dovuta a bande di filtro inadeguate o a frequenze di interferenza non considerate. Con ibaAnalyzer è possibile analizzare in dettaglio sia le tendenze che i dati grezzi per individuare eventuali anomalie. In combinazione con ibaInSpectra, è possibile regolare con precisione le regole di calcolo. Ciò consente di ottenere indicatori di stato stabili e significativi per la valutazione dell'usura.
Come si possono tenere adeguatamente in considerazione gli effetti dipendenti dalla velocità nell'analisi delle vibrazioni?: È possibile individuare gli effetti legati alla velocità mettendo in relazione gli indicatori chiave di prestazione (KPI) con i parametri operativi. ibaAnalyzer consente di effettuare analisi X/Y per evidenziare le relazioni tra la velocità e l'andamento dei KPI. Sulla base di queste informazioni, ibaInSpectra permette una regolazione precisa delle bande di frequenza. Ciò consente di evitare distorsioni in specifici intervalli di funzionamento.
In che modo le frequenze interferenti influenzano la valutazione delle condizioni e come è possibile eliminarle?: Le frequenze di interferenza possono distorcere in modo significativo gli indicatori chiave di prestazione (KPI) se rientrano nelle bande di analisi definite. ibaInSpectra consente di identificare ed escludere tali frequenze dai calcoli dei KPI. È possibile applicare ulteriori metodi di filtraggio per rimuovere le frequenze dominanti dai dati grezzi. Ciò migliora notevolmente l'affidabilità degli indicatori di stato.
Come è possibile definire in modo affidabile le soglie di allarme senza una lunga fase di apprendimento?: È possibile definire le soglie di allarme utilizzando un'analisi basata sulla simulazione dei dati storici. ibaInSpectra consente di effettuare calcoli basati sulla riproduzione dei dati per determinare gli intervalli previsti dei KPI. ibaAnalyzer supporta la convalida rispetto a set di dati reali. Ciò consente una definizione affidabile delle soglie senza richiedere una lunga fase di apprendimento.
In che modo l'integrazione dei dati di processo e delle vibrazioni favorisce la manutenzione predittiva?: La combinazione dei dati di processo e delle vibrazioni consente una valutazione globale delle condizioni delle macchine. ibaPDA garantisce l'acquisizione sincrona dei dati, mentre ibaInSpectra fornisce indicatori chiave di prestazione (KPI) basati sulle vibrazioni. Questa integrazione aiuta a identificare le influenze indirette e le cause esterne dei guasti, costituendo la base per strategie di manutenzione predittiva e mirata.