Condition Basée Maintenance (CBM)

iQunet > Condition Basée Maintenance (CBM)

Condition Basée Maintenance (CBM)

La condition basée maintenance (CBM) devient de plus en plus importante en raison des exigences élevées en matière de disponibilité et d’efficacité de la production. L’utilisation d’outils de surveillance des conditions réduit les coûts de maintenance et améliore la qualité du processus, car la maintenance n’est effectuée que lorsqu’un ou plusieurs indicateurs indiquent que l’équipement est sur le point de tomber en panne ou que ses performances se détériorent.

 

Une grande partie des systèmes de surveillance sur le marché est spécifique à l’application et coûteuse. Jusqu’à présent, la surveillance des conditions était complexe et chère. Les vibrations, par exemple, sont traditionnellement mesurés avec d’accéléromètres piézoélectriques. Bien qu’ils sont précis et fiables, ces accéléromètres ont des problèmes inhérents, tels que leur difficulté à être produits en masse et leur impédance de source élevée. Le coût est donc un problème significant en raison du prix des capteurs individuels et de leurs unités de conditionnement de signaux associées. Les accéléromètres basés sur MEMS (Micro-Electro-Mechanical Systems) constituent une bonne alternative en raison de leur petite taille, de leur technologie plus récente et de leur coût faible. La performance de ces éléments de détection à base de MEMS a déjà été prouvée. Plus d’un milliard de capteurs MEMS ont été utilisés dans les applications automobiles au cours des 25 dernières années et ont démontré un haut niveau de qualité et de fiabilité. Les accéléromètres MEMS constituent donc une solution pratique pour le déploiement de la technologie de détection intelligente.

 

Les capteurs de surveillance d’iQunet sont basés sur MEMS, sont alimentés par batterie et fonctionnent sans fil, ce qui rend CBM pratique et économique. Les capteurs intelligents d’iQunet offrent le conditionnement programmable, le traitement et l’analyse de signaux, la prise de décision simple et la communication à distance, en plus des mesures purs (comme vous pouvez voir dans les études de cas ci-dessous).

Etude de cas 1: papeterie

La figure suivante montre une capture d’écran de l’endommagement du roulement sur un cylindre libre dans une papeterie. La fréquence d’échantillonnage a intentionnellement été abaissée et le nombre d’échantillons a été augmenté pour acquérir une mesure de 5 secondes.

Sur cette figure ci-dessus, la “haystack”, caractéristique d’un défaut de roulement de niveau 7 ou niveau 8, est clairement visible, y compris le bruit à large bande déjà créé. La figure ci-dessous montre les différentes étapes de l’endommagement des roulements.

l8

La surveillance de la température sur le roulement montre une tendance à la hausse au cours du dernier mois (voyez la figure ci-dessous). Les valeurs RMS (en vélocité) restent cependant stables sur tous les axes au cours du dernier mois.

 

Sur la base de ces données, il a été décidé de retarder la maintenance au prochain arrêt de maintenance planifié.

l5
l6

Etude de cas 2: centrale à biomasse

La figure suivante montre le suivi d’un roulement dans une centrale à biomasse où le dommage au roulement d’un ventilateur de four augmente de semaine en semaine.

 

Le bruit à large bande augmente perceptiblement chaque semaine.

L’amplitude de 1 fréquence augmente également semaine après semaine.

Vue que l’installation n’est en service que pendant une courte période, une erreur d’installation est suspectée. Afin de limiter les dommages supplémentaires, une intervention est nécessaire ou éventuellement une invocation au système de garantie du fournisseur de l’équipement.