对泵进行操作和维护的方法是什么？

在过去30多年中，基于状态的维护（CBM）已经被有关人士在许多专题中讨论过，并且以各种形式被应用在大部分行业中。但是人们到底在多大程度上理解了CBM的真正含义，多公司是否使他们的CBM程序发挥了较好的效果呢？本文探讨了如何通过掌握机器在运转中的微小变化来主动预测维护策略，以满足每个泵组的特定需求，争取通过预测性维护工作的财政预算审批。
  前言：“如果它没坏，不要修理它”——这是外行、管理人员和工程师的一句口头禅。有时这样的话也可能出自有经验的人士之口，他们认为妨碍一台旧设备的工作弊大于利；人们普遍存在着这样一种看法，由于缺乏相关的技能或者知识来处理陈旧的设计，因此导致质量控制过程表现不佳，不能确保设备更新成功。最后，工程师们遇到的一大难题是如何能取得结论性的令人信服的数据来说明，如果不提前采取措施对泵进行维修，泵就会彻底损坏。

作者擅于运用全寿命周期方法将CBM技术用于泵的操作和维护，本文总结了作者在这方面的一些经验，以及为达到“较佳”泵组可靠性和可用性而采取的一些方法步骤。根据状态随时间的变化进行维护：许多书籍和论文中都提及了根据泵的状态随时间变化的情况对泵进行维护（TBM）。但是，分析比较优劣已经超出了本文的范围。当考虑CBM程序时，公司需要根据泵的工作情况制定适当的维护策略。影响该决策的因素很多，需要考虑到泵的每一种具体应用情况。其中的关键因素包括以下几点：

*企业文化

*安全性

*环境

*维修资源的可用性

*泵对于设备的正常工作和安全性是否至关重要?

*备用件或者更换的可用性/订货至交货的时间/成本.

*发生运转故障的代价是什么以及是否能承受运转故障造成的经济损失?

*工作经验 (OPEX) – 是否经历过基于时间的故障或者随机模式的故障？如图1、2所示。

*预期的失效模式是怎样的?

*如何能较大程度地优化可用资源.

*能够检测哪些参数来预测维护要求?

*哪些情况意味着故障–泵不能运转、密封件或者挡油环渗漏，性能或者效率的微弱下降。后者对于大功率机械更有意义。
    

　　该列表并不详尽，还可以进一步划分为更多的零部件失效模式。例如，轴承的失效也可能会不止一种模式，这取决于具体的轴承设计和应用。

　　关于失效的定义也需要仔细考虑。凡是对安全运行有直接影响的那些因素都是显而易见的。诸如效率这样的其他参数则可能没有这么明确的限定，特别是当泵作为整体系统的一部分时。例如，在冷却水回路中，如果换热器管道保持清洁，使得其他损失降低较低限度，那么泵的性能损失在某种程度上是可以接受的。

　　选择收集哪些数据：一旦确定了相关的潜在失效模式，就可以对合适的检测方法进行评估。并不是所有的失效模式都可以在泵组不停机的条件下直接检测，因此常常还需要监测次级效应。OPEX同样也可以帮助我们发现失效模式的早期现象。这是CBM的重要组成部分，它能够确保我们跟踪到微小的变化，并利用这些变化来发现未来潜在的问题。

　　当考虑采集哪些数据时，应该注意，失效模式的产生可能是多个因素同时作用的结果，仔细检查会发现，有些失效模式表面上看起来很相似，但其实它们的原因截然不同。以轴承为例：轴承失效的一些常见原因包括润滑不足、过度润滑、润滑油污染、轴承调节对位有误差，以及轴承载荷过高，所有这些表面上看起来不同的现象都可以通过不同的方式加以监测。不过值得一提的是，即使每个单独的现象本身并不严重，但是如果这些情况中的两项或更多项同时发生，那么将会对轴承的使用寿命造成更为严重的影响，知道要监测什么能够帮助我们及早采取行动纠正问题，延长组件的寿命，如果有必要，可以计划在预定停电期间对组件维护/干预。

　　下面讨论在对泵组进行监测时一些最有用的参数。振动——需要测量的最普通的参数之一，但是要考虑测量的位置，以便确保对这种类型的机械采取了合适的测量方法。要考虑哪种频率更容易共振，了解系统的感应的共振点。

　　ISO10816的第7部分提供了一个良好的突破口，特别是当你没有其他的信息可用于支撑评价时。根据与持续工作有关的风险，以及组件频率的假设标准，所提供的信息区分了4个振动水平区域，特别适用于转子泵组。然而，随着检测单一泵组的经验越来越丰富，根据给定泵的应用或者甚至是给定泵组的期望水平，我们可以开始定义专属的“警示信号”这样一来，就能够察觉之前可能已经在不经意间错过的非常微小的变化。例如，不同的泵组也可能表现出不同的振动特性，而这仅仅是由于它们在某个建筑结构内的位置不同。这并不一定反映出每个泵组的可靠性，但是，它能够解释一个单元的结果为何与另一个单元不同，或者二者之间为何有这样的变化趋势，这一点非常重要。温度记录法——评估泵组组件的温度时非常需要耐心，因为它受设备制造商，设计者，应用操作任务，环境以及测量方法的影响非常大。

　 大型的泵组经常会将温度传感器嵌入轴承中，以便确保可以进行准确且可重复的测量，因为存在适用于大量不同型号轴承的工业标准。但是，轴承更小的零件上的温度测量经常只是进行表面测量，而且需要相当的耐心来确保这些结果不具有误导性。如果可以提供可靠的数据，OPEX可以提供一个良好的基准，否则我们必须要寻求泵的制造商的帮助了。

　 超声波——不要与超声检测混淆，后者利用一束超声波对被动结构进行检测。相对于状态监测，超声波的使用包括测量由某一活动信源产生的超声波。在这一情况下，超声波在诊断方面具有大量的特色。

　 *一般情况下，超声波传播的距离短。

　 *比起更低频率的声波而言，超声波具有更优异的导向性，更容易辨认信源。

　 *缺陷（比如轴承损耗）在损伤可以通过其他方法检测出来之前就可以发出可以检测出来的超声波。

　 *在其他技术测量方法中，检测器会响应某个缺陷，而利用超声波，我们可以很容易监听到缺陷源。超声波在检测与泵组相关的三个重要的失效机理时十分有效，它们分别是冲击、磨损和震荡。图3显示的是一个例子，由此可见，气穴的早期阶段在可以通过其他方法检测出来之前，就可以通过超声频谱予以检测，超声波特征的样式的细微变化可以提供明显的线索证明力可以由泵组的具体的组件提供，甚至可以在没有其他方法可以检测到的情况下提供功率变化的蛛丝马迹。

　　压力/流量——压力计在大多数泵的应用场合中十分常见，然而，如何确保仪器处于精度范围内往往是个问题。不过，这些仪器通常只适用于提供近似的读数，并不能满足检测所要求的标准。

　　除了过程要求流量信息的场合，流量测量仪器的应用并不多见。超声波流量计只需要在管道的合适部分放置仪器。但是，由于工作场合需要在每个应用设备上安装和校准仪器，这往往只用于怀疑有特定问题的场合。

　　电流——仪器通常仅仅装配到高电压单元，它可以用于指导泵的效率。我们需要有关泵性能的数据，以及可靠的系统数据（扬程，流量等），以便能够提供准确的诊断。在较小的零件上安装临时仪器通常并不划算。

　　视觉——人们往往习惯采用各种技术来寻找答案，而忽略了通过巡视工厂来收集信息。一旦改变工厂轮班的人事安排就可以通过仅仅提供“一对新鲜的眼睛”揭示有价值的信息，收集并评价常规的真实信息，可以对一些相关问题发出早期警告，这些问题可能在随后会导致更多严重的问题。需要注意的一些简单事项如下：

　　*泄露（产品，油液，润滑油）

　　*污染源（污物）

　　*腐蚀

　　*仪器效率

　　*油位

　　*异常噪音

　　*环境变化

　　污染——油液和润滑油污染是轴承失效的一种重要原因。对油液进行简单的肉眼检测能够识别主要的污染。许多公司会提供具体的化学分析方法，但是请认识到它们也许只调查你所详述的污染。采用润滑油润滑的轴承非常容易受到肮脏的润滑油喷射器或者润滑油喷嘴的污染。即使专用润滑油喷射器并不使用不同种类的润滑油，也可能发生交叉污染。寻找污染程度的细微变化能够揭示污染物造成的损害风险，以及已经造成的威海。

　 确定单个泵组装置的需求：根据环境、设计、目前操作方法以及操作/维护历史的不同，每台泵组装置各自有着不同的需求。任何单独的机械也同样如此。以一台电动机为例，两个看似相同的轴承(驱动端和非驱动端)往往只是因为冷却风扇在非驱动端这一端而处于完全不同的环境条件下。不同的工作温度和风力影响条件都会对润滑要求和轴承隔离器的效果造成一定影响。

        基于一定规律开启关闭的泵组装置和那些连续运行的泵组装置相比，二者有着不同的需求。有些泵组装置并未工作在优选工作范围内，这样将会产生较大的振动，承受较高的轴承负载，并且相对于工作在设计点附近的泵组装置来说，前者的性能和效率更易过早地降低。熟知所有这些参数有利于我们把珍贵的资源集中用于监测那些恶劣条件下工作的泵装置，而不至于浪费时间资金去检查那些“低风险”单元。

　 在线与人工采集数据两种趋势的比较：究竟是通过在线/自动监测方式还是通过人工测量方式来收集和跟踪数据，这一问题的决策会较大地影响初始投资成本。除了初始投资成本，在决策中还需要考虑其他因素：

　*在线数据采集要求庞大的数据存储——如何管理它呢？

　*哪些数据要通过在线方式来采集。如果只采集部分数据，则无法反映问题的全貌。例如，如果在一个给定的周期内，泵的振动有所增大，那么需要采集哪些足够的数据才能反映这一工况的变化呢?

　*如果采集到了大量的数据，那么谁来分析它，怎样分析呢? 为了预先建立一个分析系统来识别不同的趋势，必须提前做好大量工作并对相关情况有全面充分的认知。

　*设备的工作频率如何?一些事关安全的重要泵组装置实际上在大部分时间内处于待用状态。

 利用数据进行整体维护：收集有关泵组工作状况和性能的数据只是初步的工作，接下来还需要审慎的评估泵组与其工作环境之间的复杂关系，才能很好地利用这些数据来针对设备操作和维护做出明智的决定。

　不同的原因可能会表现出类似的现象。该阶段的目标之一是在泵组失效之前尽可能准确地诊断出任何故障状态，从而使泵组停机时间较小化，使零件制造的可用时间较大化。

　在查看分析采集的数据时需要考虑以下问题：*能否将运转过程中的微小变化与泵组的状态变化联系在一起？我们要意识到一些系统的流量控制不是主要目标，导致没法得知

真实流量。在冷却时的回路上尤其如此，温度控制是主要目的，而流量节流保持稳定温度。恒温不意味着有恒定的流量。

　　*在泵组上次工作或维修时，它的状况是怎样的？

　　*还有什么其它的条件参数可能会发生改变？考虑辅助工艺条件下的变化，例如冷却水温度、石油供应压力等。

　　*就数据采集的准确性和误差而言，这些变化明显吗?

　　*采取了哪些措施来确保数据采集的一致性？考虑仪器校准，测量位置的改变，测量人员的变化和环境的变化(夏季/冬季)等。

　　将基于状态的维护和预防性维护结合起来，进行定期的维护工作，例如润滑等。超声波是检测滚动轴承润滑的一种良好技术手段，而简单的油分析将表明润滑油是否性能退化或者被污染(也是轴承老化的前兆）。

　　即使基于状态的数据不能明确肯定地表明给定元件的状态，它仍然可以提示我们重点关注哪些元件当比较数据的趋势时，拥有许多相同类型的泵组为我们提供了极为有利的条件。

　　结合目测和收集的数据可知——润滑脂是否从轴承里泄漏出来，并不在轴承内部——为什么？考虑过度润滑，轴承隔离器不起作用或其他导致润滑脂泄露的影响因素。

　　利用状态监测探寻以下三种失效机理：冲击——零件破损、部件松动、表面不平、气蚀。摩擦——部件松动，排列不齐，缺乏润滑，力的大小波动变化，压力过大。扰动——液流不稳定、效率低下、液流未与液压表面很好地吻合，液压表面粗糙、正常工作时间以外的操作。整体维护将泵组视为其所在系统的一部分。泵和系统相互影响，往往系统的微小变化比泵组的大变化所造成的影响更为显著。

　　要实现有效的CBM程序，还需考虑同样重要的其他一些因素：光—良好的光照是在设备工作过程中得以发现微小变化的至关重要的前提条件。如果装配工人无法看到他们正在做什么，那么就不能有效地执行复杂的工作。

　　车间清洁—与光照条件相似，微小的泄露在肮脏的工作车间里是不容易被发现的，如果车间保持清洁，人们就会观察的更仔细，从而也会降低污染带来的风险。程序/质量保证——对于任何监管要求而言，都必须重视建立强有力的程序，以及对所做工作做好文档记录。如果泵组由于质量差或者控制管理工作的缺陷而发生故障，那么CBM所带来的益处将会消失殆尽。除了要做到保证质量之外，同样重要的工作还有建立相关的文档依据，记录做了什么、怎么做的以及为什么这么做，它们为今后的故障事件分析提供宝贵的依据，从而建立持续改进的良性循环。

　　维护后检查——考虑在维护之后应该进行哪些检查工作，以确保泵组的装配和运运转正常，并确认原来那些问题确实得到了有效地解决。

　　预算审批过程中遇到的难题，令人沮丧的是，虽然工程师们做了大量的工作来进行基于状态的评估，建议工厂采取预防性维护措施，但是这些维护工作的预算审批遇到了一些阻碍。

　　在争取通过预防性维护工作审批的过程中，往往会遇到以下难题：能否说服有关人员相信风险的存在——在上次发生故障之前通常没有收集支持数据。通常在好和坏之间没有一个明确界定。就采取哪些措施达成一致——有许多因素影响持续工作的风险，包括任务的变化，环境等。人们不喜欢花钱去修那些还没损坏的东西。人工干预的风险看起来比机器继续保持运转的危险更大。

　　整理实际案例会让工程师们陷入以下问题——你如何知道已经找到了根本原因，所有原因都找出来了么？能否判断已经考虑了所有因素——可能还有一些未发现的问题。缺乏资源。另一个值得注意的问题是该过程中的人因：如果机器出现故障，我们必须花钱来修理它——我们做出了这样的决定。另一方面，如果要在机器损坏之前就花钱来进行维护，那么需要有人做出这样的决策，并且这样的人员还得有足够的自信，即使面对质疑依然相信自己的判断。为了尽早解决上述问题，务必要确定现有工作的实际业务成本，其中需要综合考虑的因素包括损失产量、客户信任度降低、隐含的维修成本、支付给供应商的高利率，以及不可持续的“快速维修”的成本。所有这些成本都可以与CBM计划的更具有确定性的成本进行比较。要改变长久以来的思维习惯不是一时半会儿的事情，特别是那些不常常与工作设备打交道的人。我们需要花费一些时间去努力说服那些控制预算的人，促使他们也用宏观一体的观点来看待维修的投资与回报。提供明确的数据和建议有助于决策过程。旨在寻找“快速的解决办法”——无需巨大的投资就带来完全不同的效果，并且没有风险。这将有助于证明我们观点的正确性，促使其他人也投入CBM计划中。

　结论：从基于时间向基于状态的维护计划转换尚需时日来转变，并且需要整个组织内的全力支持。但是，只要我们持有正确的观念，从整体的角度出发来评估资产，那么就能够辨认出泵组和泵系统在工作中的微小变化，并利用这种变化来判断泵系统的状态是否正常，以达到资产优化的目的。