СТРАТЕГИЯ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ ОБОРУДОВАНИЯ МОЛОЧНОГО ПРОИЗВОДСТВА НА БАЗЕ МЕТОДОВ ДИАГНОСТИКИ

Погорельцев С. Г. 

ООО «Эрман»

Аннотация. Статья посвящена совершенствованию технического обслуживания оборудования молочного производства путем разработки методов технической диагностики машин и автоматизированной системы управления ремонтами.

Ключевые слова: молочное производство, техническое обслуживание оборудования, техническая диагностика, автоматизированная система управления ремонтами.

Strategy for maintenance of dairy production equipment based on diagnostic methods

Pogoreltsev S. G.
OOO «Ehrmann»

Abstract. The article is devoted to improving the maintenance of dairy production equipment by developing methods for technical diagnostics of machines and an automated repair management system.

Keywords: dairy production, equipment maintenance, technical diagnostics, automated repair management system.

Надежность технологического оборудования закладывается на этапе разработки и изготовления, а поддерживается на этапе эксплуатации. Для обеспечения высоких показателей эксплуатационной надежности машин необходимо совершенствовать методы их технического обслуживания и ремонта (ТОиР). Методы технического диагностирования позволяют определять техническое состояние изделия и остаточный ресурс, что приводит к увеличению на 30–50 % фактического ресурса (срока службы) оборудования [4]. Результат диагностирования – объективная информация о техническом состоянии оборудования, в которой заинтересованы все субъекты производственной деятельности: от собственников и руководителей (для полноты картины о состоянии производственных фондов) до сотрудников ремонтных служб и складов (для планирования сроков и видов ТОиР, закупки запчастей и пр.).

К сожалению, до сих пор на большинстве пищевых предприятий используются малоэффективные стратегии технического обслуживания по факту поломки или по регламенту. Системы автоматизации планирования и учета ТО практически не используются.

Рассмотрим данную проблему на примере молочного производства концерна Ehrmann. Основатель концерна Алоиз Эрманн открыл первое предприятие в 1920 г. в Германии. Первая производственная площадка в России была построена в 2000 г. За годы своего существования завод выпустил большой объем молока и различных молочных продуктов.

Несмотря на успехи завода в области менеджмента готовой продукции, предприятие сталкивается со множеством проблем в области технического обслуживания основных производственных фондов. В последние годы использовалось в основном реактивное техническое обслуживание оборудования, т.е. его ремонт проводился по факту поломки. Сбор и анализ данных по сбоям проводились эпизодически для отчета перед руководством предприятия. Система плановых ремонтов (ППР) практически не применялась из-за сложности учета времени фактической работы оборудования и низкой эффективности (более половины ТОиР по системе ППР проводилось без фактической на то необходимости). В связи с этим перед предприятием встал вопрос о поиске более эффективной стратегии ТОиР.

Цель исследований – разработка научных подходов к совершенствованию качества системы технического обслуживания, повышению надежности и безопасной эксплуатации технологического оборудования молочного производства путем разработки и взаимной интеграции методов технической диагностики и автоматизированной системы управления ТОиР.

При разработке методики диагностики машин существует два методологических подхода к определению диагностических признаков дефектов: a) расчетные методы (нейронные сети, распознавание образов, диаграммы Парето и пр.). Такие методы не требуют знания механизма возникновения и развития неисправности, но при их использовании необходимы периоды обучения и большие массивы данных, соответствующих неисправностям разного вида; б) экспертные системы, основой которых являются математические диагностические модели неисправностей и модели нормального функционирования машины, разработка которых является нетривиальной задачей [1, 5]. В рамках настоящих исследований принято решение использовать для анализа диагностической информации первый подход путем применения методологии и технологии нейросетевого анализа.

Практические исследования по разработке методов технического диагностирования проводятся на заводе Ehrmann для сепараторов и гомогенизаторов. На предприятии используются центробежные сепараторы HMRPX 618 HGV 74C производительностью 30 т/ч и гомогенизаторы типа Tetra Alex 400 производительностью до 27 400 л/ч. Данное оборудование эксплуатируется на предприятии с 2000 г.

Техническое диагностирование основано на контроле и сравнительном анализе значений диагностических признаков – показателей, полученных в результате измерений, по которым можно судить с определенной вероятностью о наличии неисправностей машин [1]. В качестве диагностических параметров могут использоваться различные физические параметры работы машин [5]. Однако предварительные исследования показали, что наиболее информативные диагностические признаки дефектов сепараторов и гомогенизаторов – параметры их вибрации, шума, температуры различных узлов. По изменению их значений можно косвенно судить о наличии и степени развития ряда механических неисправностей: дефектов подшипников, зубчатых и ременных передач, клапанных механизмов, погрешности монтажа и пр. Эти параметры выбраны для дальнейшего использования в качестве диагностических признаков.

Измерения параметров шума и вибрации осуществляются с помощью микропроцессорного измерительного прибора 1-го класса точности «Ассистент». Для измерения температурных характеристик оборудования используется бесконтактный ИК-термометр (пирометр) типа DT-8833 (рис. 1).

Рис. 1. Приборы для измерения диагностических параметров: (а) шумо- виброанализатор «Ассистент»; (б) пирометр DT-8833

Значения диагностических признаков измеряются в заранее определенных наиболее информативных точках, которые выбираются исходя из конструкции машины, а также с учетом рекомендаций отечественных и зарубежных стандартов. Эти точки располагаются максимально близко к подшипниковым узлам [2]. Параметры шума измеряются согласно ГОСТу с передней и боковых сторон машин на расстоянии 1 м от их поверхности. На рис. 2 показаны точки измерения диагностической информации гомогенизатора (а) и сепаратора (б), которые были отобраны в ходе предварительных исследований с точки зрения их максимальной информативности.

Рис. 2. Схема расположения точек измерения различных диагностических признаков гомогенизатора (а) и сепаратора (б): V₁, V₂, V₃, V₄ – вибрации; Т₁, Т₂, T₃, T₄ – температуры; S₁, S₂, S₃ – звука

C января 2014 г. на заводе с периодичностью 2 раза в неделю проводятся сбор и статистический анализ значений диагностических признаков, при этом фиксируется фактическое состояние (наличие дефекта, его вид и степень развития) объекта диагностирования. Данные заносятся в базу данных и уже сейчас используются для идентификации дефектов путем сравнения текущих значений температуры, спектров звука и вибрации с «эталонными» значениями.

На рис. 3 представлены примеры 1/3-октавных спектров уровня звука в дБ(А) (см. рис. 3, а) и вибрации в дБ (см. рис. 3, б) гомогенизатора соответственно в точках S₃ и V₃. Рабочая температура узлов исследуемых машин в контрольных точках находится в диапазоне от 32 до 55 °С.

Рис. 3. 1/3-октавные спектры уровня звука (а) и вибрации (б) гомогенизатора

Дальнейшие исследования связаны с построением и обучением нейронных сетей [5] на базе накопленной информации. Обученная нейронная сеть позволит в будущем использовать ее для решения задачи классификации диагностической информации, т.е. по результатам новых измерений автоматически определять вид и степень развития дефекта.

Результаты применения нейронных сетей в задаче технической диагностики оборудования молочного производства будут представлены в последующих публикациях.

Для автоматизации управления ТОиР могут быть использованы как специализированные автоматизированные информационные системы управления ТОиР (ИСУ ТОиР), например программный комплекс TRIM разработки НПП «СпецТек» [3], так и универсальные инструменты, например система управления базами данных (СУБД) Access от компании Microsoft.

Внедрение в ИСУ ТОиР информации о результатах технического диагностирования позволит существенно упростить процедуру дефектации машин, иметь объективную картину о текущем техническом состоянии производственных фондов, планировать работы по ТОиР, исходя из фактического состояния оборудования.

Специалистами завода Ehrmann разработана собственная система управления ТОиР на базе СУБД Access. Рабочее окно системы показано на рис. 4. В настоящее время с ее помощью ведется учет и проводится анализ проведенных мероприятий, накапливается информация о техническом состоянии оборудования, планируются сроки и объем мероприятий по ТОиР.

Рис. 4. Окно системы управления ТОиР оборудования предприятия на базе СУБД Access

 Выводы

• Проанализированы существующие подходы к ТОиР оборудования на молочном заводе Ehrmann и выяснено, что существующие стратегии ТО являются неудовлетворительными и нуждаются в модернизации с учетом мировых тенденций развития систем качества обслуживания производственного оборудования.
• Более совершенной системой ТОиР является автоматизированная система активного технического обслуживания на базе сбалансированного использования системы ППР и технического обслуживания по фактическому состоянию на базе методов технической диагностики.
• Среди многообразия методов диагностирования наиболее приемлемыми для оборудования молочных предприятий являются тепловые, вибрационные и акустические методы. При этом могут использоваться внешние (переносные) средства диагностики с периодичностью измерений 1–2 раза в неделю.
• Для автоматизации типовых процедур планирования и организации мероприятий по ТОиР и диагностике разработана собственная система управления на базе СУБД Access.
• Проведенные на заводе Ehrmann предварительные исследования по совместному использованию автоматизированных систем управления ТОиР на базе программы Access и методов технической диагностике сепараторов и гомогенизаторов показали эффективность такого подхода.
• Для решения задачи классификации технического состояния по значениям диагностических признаков предложено использовать нейросетевые методы анализа данных. Результаты исследований будут представлены в последующих публикациях.

 Список литературы

1. ГОСТ 13379–2009 «Контроль состояния и диагностика машин. Руководство по интерпретации данных и методам диагностирования». – М.: Стандартинформ, 2010.
2. ГОСТ 13373-1–2009 «Контроль состояния и диагностики машин. Вибрационный контроль состояния машин». Часть 1. Общие методы. – М.: Стандартинформ, 2010.
3. Крюков И., Антоненко И. Автоматизация управления ремонтами и ТО на предприятиях пищевой промышленности // Пищевая промышленность. 2009. № 5.
4. Надежность машиностроительной продукции: практическое руководство по нормированию, подтверждению и обеспечению. –М.: Изд-во стандартов, 1990.
5. Неразрушающий контроль: справочник. В 7 т. / под общ. ред. В.В.Клюева. Т. 7. В 2 кн. Кн. 2: Балицкий Ф.Я., Барков А.В., Баркова Н.А. и др. Вибродиагностика. – М.: Машиностроение, 2005.
6. Нейронные сети. STATISTICA Neural Networks: методология и технологии современного анализа данных / под ред. В.П. Боровикова. – 2-е изд. – М.: Горячая линия – Телеком, 2008.