Comment PRECOG analyse les formes d’onde des mouvements périodiques
Des machines comme les moteurs d’aiguille ferroviaires se déplacent par cycles. PRECOG analyse chaque instant de la courbe mesurée, de sorte que les défauts apparaissent même là où un seuil unique ne les verrait pas.
Traitement des données de télémétrie
Une étape supplémentaire pour le mouvement périodique
Il est utile de lire cet article une fois que vous connaissez l’utilisation de PRECOG pour les machines à fonctionnement continu (voir évaluation des données). Une seule étape supplémentaire est nécessaire lorsque la même approche est utilisée pour un mouvement périodique : PRECOG doit être calculé pour chaque instant le long de la courbe.
Pour cela, choisissez un instant et rassemblez les valeurs de cet instant sur chaque courbe, comme le montre la figure. Lorsque le calcul est fait pour chaque instant, il donne une image claire des segments de la courbe qui contiennent des anomalies.
Chaque instant d’une courbe périodique est évalué, de sorte qu’un seul mouvement peut révéler plusieurs anomalies à la fois. Le décompte de ces anomalies donne une bonne image de l’état de santé général de la machine.
Cible et tolérance
Définir les premières valeurs cibles
D’après notre expérience, il est utile de fixer la valeur cible de chaque instant à la valeur maximale enregistrée lors d’un fonctionnement correct dans des conditions normales, et de fonder la tolérance sur l’écart type des données. Les spécifications du fabricant, comme la consommation électrique maximale, doivent également être prises en compte. Ensuite, des cas d’essai peuvent affiner les valeurs de cible et de tolérance jusqu’à l’obtention du résultat voulu.
Mesure
L’instrument de mesure compte
La précision, la sensibilité et la fréquence d’échantillonnage de l’instrument de mesure peuvent fortement influencer les types de défauts détectables sur un appareil. Examinez attentivement la spécification technique de l’instrument et testez-le sur un appareil échantillon avant un déploiement à grande échelle.
Recettes
Diviser la courbe en sections avec des recettes
Pour une analyse plus fine et pour distinguer les défauts possibles, la courbe est divisée en sections plus petites d’après les résultats des essais. L’analyse des données d’essai montre quelles périodes doivent être surveillées.
Une recette peut alors être rédigée pour évaluer rapidement et simplement les données fournies par PRECOG. La recette peut être affinée à partir de l’expérience et, dans la plupart des cas, peut être appliquée immédiatement à de nombreuses unités du même type d’équipement. Chaque section est évaluée par rapport à la recette pour identifier le défaut.
Exemple 1
Contrainte due à une lame d’aiguille déformée
La recette
| Section | Pertinent | Pourcentage | Nombre d’anomalies / plage de mouvement |
|---|---|---|---|
| 1 à 3 | Oui | au-dessus de 90% | Faible / à l’intérieur |
| 4 | Oui | au-dessus de 30% | Multiples / à l’intérieur |
| 5 | Oui | au-dessus de 80% | Peu / à l’intérieur |
| 6 | Oui | au-dessus de 30% | Non pertinent / en dessous |
| 7 | Oui | au-dessus de 15% | Non pertinent / en dessous |
| 8 | Oui | au-dessus de 60% | Non pertinent / en dessous |
| 9 | Oui | au-dessus de 50% | Faible / à l’intérieur |
| 10 | Oui | au-dessus de 90% | Faible / à l’intérieur |
Exemple 2
Fonctionnement anormal dû à un corps étranger
PRECOG trouve aussi les défauts que les méthodes à seuils détectent, de sorte qu’une seule approche couvre tous les défauts que les données mesurées peuvent révéler.
La recette
| Section | Pertinent | Pourcentage | Nombre d’anomalies / plage de mouvement |
|---|---|---|---|
| 1 à 7 | Non | ||
| 8 | Oui | au-dessus de 70% | Multiples / au-dessus |
| 9 | Non | ||
| 10 | Oui | au-dessus de 85% | Multiples / au-dessus |
La même approche par recettes fonctionne pour d’autres machines périodiques, par exemple les aiguillages ferroviaires de l’étude de cas ferroviaire.
Vous avez une machine à mouvement périodique ?