为什么需要基于状态的监视技术来帮助减少停机时间

我们将讨论旋转设备的最新状态监测技术，首先，我想谈一谈工业企业寻求比传统电机监控解决方案更好的解决方案的迫切需求

减少代价高昂的停机时间：整个行业的挑战

据报道，平均而言，工业的停机时间成本约为每小时25,000欧元至4万欧元（2.9万美元至4.7万美元）。但是，对于某些行业，例如汽车制造业，这可能高达每分钟42k欧元（5万美元）！这些成本涉及收入损失，恢复成本，在某些情况下还涉及基于服务水平协议或规定的罚款和扣款。

电动机故障是计划外停机的常见原因。由低压或中压交流感应电动机驱动的旋转机械代表了从石油和天然气到采矿，船舶，机场和物流中心的大多数工业应用。除电动机外，旋转设备还可以包括泵，压缩机，输送机，鼓风机或风扇，辊子或轧机等。

由于20％到25％的电动机对于运行至关重要，并且典型的年故障率高达7％，电动机对停机时间和损失具有重大影响。另外，任何需要的维修经常在工作时间内进行，从而导致进一步的停机。美国能源部工业技术办公室估计，电动机在制造业中占电能消耗的60％，在电力密集型行业中占90％。因此，寻找提高效率的方法可以对公司产生重大影响。

由于这些原因，组织需要开始采用更具预测性的维护策略，以帮助避免计划外的维修和停机时间，并提高效率，降低成本并从旋转设备中获得更长的使用寿命，这样做需要基于条件的监视和预测分析的支持。

预测性维护与传统电机维护

在工业环境中使用了多种维护策略。如果设施团队使用“运行至失败”方法，则在电动机完全失效之前，几乎不需要维护或只需对电动机进行简单维护。显然，组织必须接受计划外停机作为其正常运营的一部分。如果使用了预防策略，则按固定的时间间隔（按日历或运行小时数）进行维护，以期根据平均故障间隔时间统计信息来达到可用性水平。不幸的是，这意味着维护通常执行得太晚，发生昂贵的故障之后，或者执行得太早，有可能导致不必要的运营支出。最终，这些策略都不考虑电动机的实际状况。

更好的方法是预测性维护，仅在电动机需要时（即性能下降或预测到故障时）执行工作。但是，这种方法要求连续监测电动机状况。最理想的是，该技术需要及早发现风险。仅有的一些危险情况示例包括：轴承退化，转子或联轴器偏心，机械不平衡，定子绕组松动，泵气蚀，谐波干扰或轴未对准。重要的是及早发现这些类型的风险，以减少潜在的损害，最大程度地减少能源浪费，最重要的是，最大程度地减少计划外停机。

传统电机监控技术存在的问题

已经使用了多种方法来监视运动状态，其中一些方法可以追溯到几十年前。每个都有其优点，但大多数都有明显的缺点。

例如：

振动传感器可能会被周围环境的噪音或振动干扰

油分析和振动分析无法发现电气问题

声学传感器对背景噪声和其他物体的干扰敏感

热像仪需要直接瞄准感兴趣的对象，并且对环境温度和被监控对象的热光学特性敏感

对于上述所有技术，必须将传感器放置在要监视的资产上或附近，这意味着它们不适用于无法接近的地方的电机，例如用于地下排水，浸入船体或被包裹的电机在更大的机器中。由于传感器的安装困难，费时且昂贵，因此它们对于远程安装或间隔较大的资产（例如海上风力涡轮机）也不理想。另外，这些传感器需要由有线电源或需要定期更换的电池供电。最后，如果在苛刻的条件下使用这些类型的传感器，例如输送机移动钢的热板或带有爆炸性气氛的ATEX区域，则可能会损坏它们。

近年来，已经出现了一种称为电动机电流签名分析（MCSA）的新技术，它比上述技术具有许多优势。MCSA是一项基于AI的创新技术，可监控馈入交流电动机的电信号，并将条件与数据指纹库进行比较。它的优点包括：在更广泛的应用范围内更简单的安装，减少的设备故障，更长的使用寿命，更低的总拥有成本以及更短的投资回收期。