PROGNOST für LDPE. Online-Zustandsüberwachung und Maschinenschutz IEC61508:2010. Automatische Diagnosen und Benachrichtigungen

Transkript

1 PROGNOST für LDPE Online-Zustandsüberwachung und Maschinenschutz IEC61508: Maschinen parralel Automatische Diagnosen und Benachrichtigungen Wirkungsgrad- Optimierung

2 2

3 Maschinenüberwachung in der LDPE Produktion Die Überwachung von Maschinen in LDPE (Low-Density- Polyethylen) Produktionslinien erfordert eine Technologie die gleichzeitig flexibel und zuverlässig ist. PROGNOST -NT ist das führende System für die Überwachung von Booster/Primär- und Sekundär Kompressoren in LDPE Anlagen. PROGNOST -Predictor überwacht Extruder und komplexe Getriebe auf Schwingungen und bietet eine frühzeitige Warnung bei sich entwickelnden Lagerschäden. Finden Sie heraus wie die PROGNOST Technologie Ihnen als Betreiber dabei hilft eine vorrausschauende Wartungsstrategie zu realisieren und Ihre Maschinen sicher und verlässlich zu betreiben. PROGNOST überwacht bereits jetzt hunderte von Maschinen in LDPE Anlagen der größten Produktionsunternehmen. Neue LDPE Anlagen die zwischen 2005 und 2014 mit einem PROGNOST Überwachungssystem in Betrieb gegangen sind Marktanteil PROGNOST = 73 % (22 von 30 Projekten) bei Inbetriebetriebnahme Ohne PROGNOST Mit PROGNOST 3

4 Überwachung von Kompressoren Typische Sensorpositionen (Beispiel: Hyper-Kompressor) 1 Trigger Sensor 10 Schwinggeschwindigkeitssensoren (Kreuzkopf) 20 Horizontal/Vertikal Kolbenschwingungssensoren 10 DMS Ringe für Hochdruck pv- Diagramme PLS Werte z. B. Temperaturen (Lager, Ventile), Leitungsdrücke 10 Schwingbeschleunigungssensoren (Zylinder) 2 Schwingungssensoren am Rahmen (Optional) (Beispiel: Booster/Primär-Kompressor) 1 Trigger Sensor 6 Schwinggeschwindigkeitssensoren (Kreuzkopf) 6 Kolbenstangenlagesensoren 12 Drucksensoren (Dynamisch) PLS Werte z. B. Temperaturen (Lager, Ventile), Leitungsdrücke 6 Schwingbeschleunigungssensoren (Zylinder) 2 Schwingungssensoren am Rahmen (Optional) Typische PROGNOST -NT Sensor Signale Im Bild unten ist das pv-diagramm eines Hyper-Kompressors dargestellt. Die Signale werden durch DMS-Ringen erfasst und die Gas Dynamiken die Ventilaktivitäten bei unterschiedlichen Gas Zusammensetzungen, Pulsationen etc. überwacht bar a TDC BDC Plunger stroke [mm] PROGNOST Systems GmbH 4

5 Maschinenschutz Visualisierung der Maschinenschutz-Analysen von PROGNOST -SILver, wie zum Beispiel Online-Signale, Trends und Safety-Grenzwert Verletzungen. Ein verlässlicher Maschinenschutz ist die Mindestanforderung an Überwachungssysteme. Ebenso wichtig sind aber Antworten nach einer Notabschaltung oder Alarmierung! Die PROGNOST -NT Maschinenschutz-Analysen beantworten das Warum? und liefern Ihnen alle Informationen, um die Schadensentwicklung zu verstehen, die Ursache zu identifizieren und zielgerichtet zu handeln. Ringspeicher Eine transiente Datenspeicherung aller Signale erlaubt es Ihren Wartungstechnikern, kritische Situationen wie eine Sicherheitsabschaltung oder auch einen Maschinenstart Umdrehung für Umdrehung durchzugehen. Der Ringspeicher bietet die Möglichkeit einer anschließenden Analyse; für eine genaue Auswertung stehen alle erfassten Signale der Sensoren und Prozesswerte für einen Zeitraum von sieben Minuten vor und drei Minuten nach einem ALERT, SHUTDOWN oder UNSAFE Alarm aus dem PROGNOST -NT System zur Verfügung Spitze-Spitze-Analyse der Kolbenstangenlage (Auslenkung) Näherungssignale für die Kolbenstangenlage aufgeteilt in 8 Segmente zu je 45 Kurbelwinkel je Umdrehung um kritische mechanische Schäden an der Kolbenstange zu erkennen. 60 mil TDC BDC TDC degree crank angle mil 40 R D S tage 1, P eak-p eak over 8 S eg d egrees degree crank angle Die Abbildung zeigt zwei Kolbenstangenlagesignale: Violett = normale Lage ( Gutzustand ) Grün = Starke Schwankungen im Bereich des unteren Totpunkts (UT) deutet auf Flüssigkeit innerhalb des Verdichtungsraums hin 5

6 Überwachung der Plunger-Lage Bei Hyperverdichtern wird die Orbit-Überwachung durchgeführt (x/y-auslenkung des Plungers), um Leckagen in der Packung sowie erhöhte Schwingungen, die zum Bruch der Hartmetallplunger führen können, frühzeitig zu detektieren μm μm Machine Measuring Point Dataname TAG-Name Value Unit C2202 RD C1S hor Roddrop Orbit 46.6 μm C2202 RD C2S hor Roddrop Orbit 0.93 μm C2202 RD C3S hor Roddrop Orbit 7.9 μm C2202 Online Orbit2.onl :49:42, U/min PROGNOST Systems GmbH Machine Measuring Point Dataname TAG-Name Value Unit C2202 RD C2S hor Roddrop Orbit 0.93 μm C2202 Online Orbit2.onl :49:42, U/min PROGNOST Systems GmbH Auslenkung des Plungers Sensor Anordnung Hochdruckpackungsflansch horizontal Eddy Current Sensoren Eddy current sensors vertical PlungerSurf Surface Temp Erfassung Plunger-Oberflächentemperatur 6

7 Fehler-Früherkennung Verhinderung von kostenintensiven Maschinenschäden durch das frühzeitige Erkennen von mechanischen Problemen Informationen statt Daten: Eindeutige Klartextmeldungen mit Angabe der betroffenen Stelle und Funktion Anhand spezieller Analysen erkennt PROGNOST -NT entstehende Schäden schon frühzeitig, sodass Benutzern wertvolle Zeit für proaktives Maschinenbetriebs-Management und eine effiziente Planung der Wartungsarbeiten bleibt. Automatische Erkennung von Betriebszuständen PROGNOST -NT erkennt veränderte Betriebsbedingungen der Maschine und schaltet automatisch auf entsprechend vordefi nierte Warnschwellen um. So können Fehlalarme durch veränderte Lastbedingungen verhindert werden. Automatisierte Warnschwellenanpassung Durch die automatisierte Einstellung von Warnschwellen lässt sich das System problemlos für neue Betriebsbedingungen konfigurieren. Mustererkennung mit vollständig integrierter Diagnosedatenbank Alle PROGNOST -NT-Anwender profi tieren von der Erfahrung aus mehr als 4 Millionen überwachter Betriebsstunden von Kolbenmaschinen pro Jahr und mehr als 25 Jahren Diagnoseerfahrung. Alle wesentlichen Fehlerarten sind in einer Fehlermusterdatenbank erfasst und werden automatisch diagnostiziert, woraufhin Klartextmeldungen mit Angabe des Fehlertyps und der Stelle, an der sich das defekte Bauteil befindet, ausgegeben werden. Die Diagnosefunktionen setzen sich aus den zuverlässigsten Soft-Computing-Disziplinen zusammen von Fuzzy-Logic bis zu Rule-Based-Methoden. Fehler-Früherkennung an Hyper Zylindern (Zusammenhang zwischen Maschinenfunktion und Kurbelwinkel) OT (oberer Totpunkt) = Druckventil schließt 45 nach dem OT = Saugventil öffnet UT (unterer Totpunkt) = Saugventil schließt m/s² V Cyl. 2F, Absolute maximum via 36 Seg degrees 240 nach dem OT = Druckventil öffnet Online-Schwingungssignal und segmentierte Analyse über eine Kurbelumdrehung mit erster und zweiter Warnschwelle 36 Segmente, jeweils 10 Kurbelwinkel, überwachen automatisch die Ventilfunktionen sowie die mechanische Integrität des Kompressorantriebs um entstehende Schäden frühzeitig zu erkennen CA Machine Measuring Point Data TAG-Name Unit name Value 60-C1 V Cyl. 2F Absolute maximum 60VT m/s² 002 2nd St 0 Online :00:01, 60-C nd maximum via 36 Seg. 200,2 1/min Stage - Absolute.., PROGNOST Systems GmbH 7

8 Fehler-Früherkennung bei Booster/Primär-Kompressoren (Zusammenhang zwischen Maschinenfunktion und Kurbelwinkel) OT (oberer Totpunkt) = Druckventil schließt 45 nach dem OT = Saugventil öffnet 45 UT (unterer Totpunkt) = Saugventil schließt 240 nach dem OT = Druckventil öffnet Online-Schwingungssignal und segmentierte Analyse über eine Kurbelumdrehung mit erster und zweiter Warnschwelle 36 Segmente, jeweils 10 Kurbelwinkel, überwachen automatisch die Ventilfunktionen sowie die mechanische Integrität des Kompressorantriebs um entstehende Schäden frühzeitig zu erkennen Überwachung abhängig vom Betriebszustand Anpassungsfähige Zustandsüberwachung basierend auf den Betriebszuständen, beispielsweise durch sich ändernde Saug und Auslassdrücke um falsche Alarme durch sich ändernde Betriebszustände zu vermeiden. Automatische Erkennung des Betriebszustands und anpassung der Warnschwellen Schwingungsverlauf bei Betriebszustand 1 (2200 bar) Schwingungsverlauf bei Betriebszustand 2 (2600 bar) 8

9 Überwachung von Getrieben und Extrudern PROGNOST -Predictor Überwachung von kritischen Anlagenteilen PROGNOST -Predictor ist ein automatisiertes Zustandsüberwachungssystem für rotierende Maschinen, das mit modernster Diagnosetechnologie frühzeitig Fehler erkennt und so eine zustandsorientierte Wartung ermöglicht. Umfassende Bauteil-Diagnosen Mithilfe spezieller Analysen werden mehrere Arten von Komponenten überwacht wie z. B. Gleit- und Wälzlager, Getriebe, Motoren und Wellen. Die Analyseergebnisse geben Aufschluss über den Gesamtzustand, und mithilfe von Trenddaten lassen sich Wartungsentscheidungen auf Grundlage des Maschinenzustands treffen. PROGNOST -Predictor arbeitet mit dem besonderen und einzigartigen Überwachungsparameter, Confidence Factor. Dieser Parameter ermöglicht auch ungeübten Benutzern, Schwingungssignaturen korrekt zu analysieren, die Ausprägung und Entwicklung einer Bauteilstörung frühzeitig zu identifizieren und gleichzeitig Fehlalarme zu vermeiden. Frühzeitige Warnhinweise Durch frühzeitige Erkennung von Maschinenfehlern sind Reparaturarbeiten besser planbar, sodass die nötigen Ersatzteile und das erforderliche Personal zur gewünschten Zeit zur Verfügung stehen. Außerplanmäßige Ausfallzeiten gibt es fast nicht mehr. Der Anwender kann den Zustand der einzelnen Maschinenbauteile anhand von Grafiken überprüfen. Wenn sich Bauteile in einem Alarmzustand befi nden, wechseln sie die Farbe, um den Warn-, Störungsoder Alarmzustand anzuzeigen. 9

10 Gear Vibration Imaging Durch das Gear Vibration Imaging lassen sich Getriebefehler optimal erkennen. Mittels synchroner Wellenform-Mittelwertberechnung und weiterer Filtermethoden werden die Schwingungsfrequenzen isoliert, die jeweils entstehen, wenn die einzelnen Zähne des Zahnrads in die gegenüberiegenden Zähne eingreifen. Zugleich werden Störgeräusche und erzeugte Schwingungen von anderen mechanischen Bauteilen herausgefiltert. Mithilfe statistischer Methoden zur Mustererkennung werden übermäßige Schwingungen identifiziert und berechnet. Bei der Erkennung von sich entwickelnden Fehlern wird ein Alarm ausgelöst. Diese Methode ist normalen Spektralanalyseverfahren überlegen, da die Energie des Fehlers auf einen bestimmten Bereich im Schwingungsbild beschränkt wird. Durch das Gear Vibration Imaging wird die Anbahnung von Getriebefehlern somit deutlich früher erkannt als mit Spektralanalysen. Durch das Gear Vibration Imaging werden die von jedem Zahnrad im Getriebegehäuse erzeugten Schwingungen getrennt von auftretenden Störschwingungen dargestellt. Bei Beschädigung einzelner Zähne eines Zahnrads kommt es an typischen Stellen zu hohen Ausschlägen. Confidence Factor Confidence Factor ist eine Mustererkennung die die auftretenden Spitzen mit einer Fehlermuster-Datenbank abgleicht. Der Confidence Factor liefert eine verlässliche Information ob es sich um einen entstehenden Schaden handelt oder nicht. Wenn der Confidence Factor eine niedrige Prozentzahl aufweist ist die Wahrscheinlichkeit eines Schadens gering; steigt die Prozentzahl steigt die Wahrscheinlichkeit ein defektes Bauteil identifiziert zu haben. In dieser Grafik sind ein hoher Confidence Factor und eine hohe Bandamplitude zu sehen, die einen Alarm auslösen. Alle Bänder weisen übereinstimmende Amplituden auf. 10

11 11

12 PROGNOST Systems GmbH Daimlerstr Rheine Deutschland +49 (0) (0) info@prognost.com PROGNOST Systems, Inc Hercules Ave. Houston, TX USA infousa@prognost.com