ESA als informatiebron in onderhoud

Condition monitoring via Electrical Signature Analysis 

Aan de stam van methoden om industrieel onderhoud te plannen, is een relatief nieuwe loot toegevoegd: het interpreteren van elektrische gegevens, ofwel Electrical Signature Analysis (ESA). Deze methode is behoorlijk nauwkeurig en kan snel inzicht geven in de conditie van elektromotoren en draaiende onderdelen die daarmee verbonden staan. Deze metingen geven niet alleen een probleem weer, maar kunnen ook voorspellen wanneer een storing zal optreden. De stroom van gegevens is wel heel groot en lastig te interpreteren. Het onderhoudsteam moet dus worden uitgebreid met nieuwe specialismen.

Informatie in elektrische signalen

Vandaag wordt de conditie van een installatie meestal nog bepaald door het meten van temperaturen, IR-stralingen en vibraties. Daarnaast worden ook de druk en flow gemeten, om bijvoorbeeld de conditie van een pomp te meten in relatie met de fabrieksspecificaties. Ook kunnen akoestische signalen indicaties geven voor defecten. Dit zijn stuk voor stuk prima methoden, maar ze geven vooral weer dat er al een groter probleem is, door slijtage of bijvoorbeeld gebrekkige smering of uitlijning. Ze zijn in wezen onnauwkeurig en geven onvoldoende inzicht in latent aanwezige problemen en de ontwikkeling daarvan in de tijd en de bandbreedte, of dus wanneer een fataal defect zal plaatsvinden.

De datastroom is heel groot en lastig te interpreteren. Traditioneel opgeleide onderhoudstechnici kunnen hier weinig mee

ESA geeft dit nauwkeurig inzicht wel, zoals bleek uit een KIVI-webinar, georganiseerd door de vakafdeling Maintenance. Daarin vertelde Derek Benner, Asset Reliability Specialist bij Samotics, over de hoeveelheid informatie die zich bevindt in elektrische signalen tussen motor en aansturing. Dit artikel is deels gebaseerd op dat seminar.

Data scientists

Benner kwam met het idee om in het onderhoudsteam gebruik te maken van de expertise van data scientists. In vergelijking met traditioneel opgeleide onderhoudstechnici, kunnen zij grotere hoeveelheden data beter schikken om hieruit informatie te halen. Steeds meer componenten genereren data en om deze te minen, kan zo'n data scientist dus een waardevolle rol spelen binnen een onderhoudsploeg.

Anders dan andere sensormetingen

Een groot voordeel van ESA is dat sensormeting hier niet direct aan de motor zelf wordt gedaan, maar op een willekeuring punt voorbij de aansturing; bijvoorbeeld bij een schakelaar of frequentieregelaar. Dit betekent dat er ook gemeten kan worden in situaties waarbij de motor slecht bereikbaar is of die een risico inhouden voor de medewerkers die de meting uitvoeren. Denk maar aan motoren onder water of op grote hoogte, zoals bij windmolens, maar ook aan motoren die dieper verborgen liggen in een productielijn en waar de toegankelijkheid slecht is. Dit kan, omdat de aard van de meting anders is dan bij de sensormetingen die nu veel worden gebruikt.

ESA kan een betere basis vormen voor predictief en prescriptief onderhoud dan de nu standaard uitgevoerde metingen

Het gaat in deze metingen om een elektrisch signaal en het meetresultaat laat zich weergeven in grafieken met bijvoorbeeld sinussen en piekspanningen. Eigenlijk lijkt het meetresultaat erg op die van power quality, maar nu wordt niet de kwaliteit van de geleverde spanning gemeten, maar zijn de afgenomen spanning en de fluctuaties daarin het meetonderwerp. Daarin wordt ook de belasting van de motor verwerkt. ESA geeft inzicht in de conditie van het asset, de prestaties en het energieverbruik ervan. Het is een goede basis van conditiemonitoring en kan daardoor een betere basis vormen voor predictief en prescriptief onderhoud dan de nu standaard uitgevoerde metingen.

Toekomstvast meten
Meten is nodig in onderhoud. Omdat het onderhoud zelf verandert onder invloed van een steeds grotere efficiëntie, verandert ook het meten.
- Vroeger werd er beperkt gemeten en was er vooral sprake van reactief onderhoud. Iets werd dus vervangen wanneer het defect was.
- Door meer te meten, is vervolgens de basis gelegd voor gepland onderhoud. Nadeel is dat onderdelen soms eerder en soms later defect gaan dan gepland.
- Een volgende stap is het voorspellend onderhoud (predictive maintenance), waarbij door een betere meting een preciezer moment van onderhoud of de vervanging van een asset kan worden bepaald. Dit gebeurt door het inzetten van sensoren op de onderdelen.
- Nog een stap verder is wanneer je met deze metingen de inzet van een asset aanpast aan gewenste resultaten en er onderhoudsacties aan verbindt die op een meetmoment nodig zijn. Dit is prescriptive maintenance.

Wat meet je?

Meten gebeurt door sensoren en dataloggers die een analoog signaal omzetten in een digitaal signaal. Dit wordt vervolgens omgezet in een frequentiespectrum. Het woord 'spectrum' zou al een alarmbel moeten laten rinkelen. Het gaat dus niet om een eenvoudig lineair beeld, maar om een veelheid aan gegevens. Dit is lastig te interpreteren en daarom kan dit weer worden omgezet in een logaritmische schaal, waarbij een algoritme ervoor zorgt dat er een versimpelde weergave plaatsvindt waarin piekjes gekoppeld aan het Hz-getal duidelijk worden weergegeven.

Probleem: niet ieder piekje is een dreigend falen. Ze zijn het gevolg van een elektrische of mechanische component, maar de hoogte en de plek ervan hoeven niet altijd een probleem te zijn, tenzij deze over de tijd veranderen. Dan zijn dit indicaties voor faalmechanismen zoals cavitatie in pompen, uitlijningsproblemen en lagerschade.

 

Waarbij kun je ESA toepassen?

Op dit moment is de toepassing van deze methodiek onshore en dan nog met name in de industrie. Denk bijvoorbeeld aan pompstations, overslagbedrijven, vliegvelden, de papierindustrie en windenergie. Toepassing in de utiliteit zou ook kunnen, bijvoorbeeld bij hydrofoorinstallaties, maar daarvoor is de interpretatie van gegevens nog te ingewikkeld. Het vergt een zekere deskundigheid en daarmee is dit vooralsnog te duur in relatie tot de winst. Toepassing kan in principe ook bij liften en roltrappen, maar ook bij deze niet-essentiële assets staan de kosten niet in verhouding tot de opbrengsten.

Voor zover bekend, wordt deze methodiek nog niet offshore toegepast. Dat zou eigenlijk best moeten, omdat daarmee bijvoorbeeld de efficiëntie van de aandrijving en cavitatie bij de schroef van een schip kan worden gemeten, waardoor schade kan worden voorkomen of verminderd.

Praktijkvoorbeelden

Stel dat je een pompstation beheert met vier identieke pompen die bij belasting in cascade schakelen. Bij weinig vraag staat alleen de eerste pomp aan. Bij toenemende vraag schakelt steeds een pomp bij en bij afnemende vraag wordt er weer teruggeschakeld. Als je het signaal bekijkt, zie je dat de derde pomp een afwijkend beeld heeft door andere pieken. Met die pomp is dus wat aan de hand. Wat precies, hangt af van de geleverde signaalgegevens.

ESA is niet nieuw. Het wordt al toegepast sinds de jaren zestig van de vorige eeuw. Vanuit de theorie weten we ook wel waar problemen zich in een signaal laten zien. Lastig is dat niet alle theoretisch mogelijke falen ook vaak in de praktijk optreden. Je zal nu dus nog vooral moeten blindvaren op gegevens van reeds bekende faalmechanismen in pompstations en de ervaring van het onderhoudsteam.

Nadelen

ESA biedt voordelen, maar is in bepaalde gevallen lastig toepasbaar. Bijvoorbeeld systemen met uiteenlopende aanstuurfrequenties en een wisselende belasting zijn een uitdaging. De motoren daarin zijn lastiger in te schatten, omdat ze reageren op wat nodig is om het operationele proces in stand te houden. Daarnaast wordt er gemeten op de aansturing van één motor. Als die vervolgens via een belt & pulley-systeem verschillende andere applicaties aanstuurt, wordt het lastiger om de precieze plaats van het probleem te pinpointen. De metingen betreffen in zulke gevallen veel meer frequenties, wat het moeilijk maakt om de oorzaak te achterhalen. Je wil echter niet alleen zeggen dat er iets aan de hand is, maar ook waar. In veel gevallen lukt dat prima, maar soms ook niet direct.