浅谈预测性维护技术在选矿厂的应用

2022-06-18朱黎阳王国文

矿山机械 2022年6期

朱黎阳，王国文

金川集团股份有限公司选矿厂甘肃金昌 737100

随着工业数字化的发展，智能制造 2025 的提出，以及“机械化换人、自动化减人”的推广，选矿厂对设备精细化管理要求和管理水平也逐步提高[1]。近年来，选矿厂各生产系统自动化、信息化水平已显著提高，基本实现无人值守。由于生产模式发生转变，维护与检修人员减少，但为了保障安全生产和设备的正常运转，仍需进行必不可少的点检工作。尤其是系统中的单台设备，如带式输送机、棒磨机及渣浆泵等设备在运行时必须保证长周期良好运行，发生设备故障将会造成非计划停车，影响系统正常生产。设备故障不仅会增加运营成本，还造成计划外的停机，影响生产和安全。

1 选矿行业设备维护现状

选矿厂大型设备较多，属于设备资产密集型企业，生产连续性强。现场球磨机、破碎机、带式输送机、渣浆泵等关键旋转设备的良好运行是保障连续生产的基石。目前，选矿厂主要设备运行维护管理采用点巡检结合修复性维护、定期拆解维修、事后抢修等模式。设备运行状态监测手段有限，点巡检效果受工作人员经验、敬业程度、经验判断等因素限制，制约了设备能力发挥和管理水平的提升。设备早期故障无法及时发现及有效诊断，增加了非计划停车时间。

依靠人工和经验的运行维护策略，因缺乏数据统计支撑，不能正确评估和优化当前的运行维护模式，也不能准确预测设备状态，不适应当前数字化、智能化转型中企业精细化管理的要求。

2 预测性维护技术

工业设备的维护维修分为事后维护、预防性维护以及预测性维护[2]。事后维护是修复性维护，预测性维护和预防性维护都属于事先维护[3]。而后两者不同之处在于预测性维护是通过安装在工业设备上的传感器实时监控设备的运行状态，预判故障可能发生的时间，如果存在故障隐患，将会自动触发报警或者维护命令，而预防性维护是凭经验记录运行状态。

预测性维护是一种反应式的保养，既避免了过度维护，也防止欠维护而发生故障，在降低成本的同时提高了可靠性。

预测性维护以振动、温度参数为基础，结合工艺、设备结构与设备维修数据及故障机理，对设备运行状态进行多角度、全方位的实时监测，通过传感器采集设备实时运行状态数据，进行计算、分析和判断，构成完整的状态监测系统。目前，故障监测主要通过测温、测音及测振等方式[4]进行状态判断，各类监测方式能够监测的故障类型如表 1 所列。

表1 各类监测方式能够监测的故障类型

利用状态监测系统可实现关键设备连续数据采集[5]，在设备前端即可实现报警；通过网络将数据传输到服务器终端，实现监测数据的统一管理；组织专家定期分析会诊，判断当前设备状态，预测设备未来状态，制定科学的维护策略；通过长时间的数据积累，不断优化设备运维管理模型，实现主要设备的预测性维护。

3 预测性维护技术在选矿厂的应用

预测性维护技术可以减少设备故障，提高其开机率，发挥设备的潜能[6]。

预测性维护技术应用于球磨机、带式输送机及渣浆泵等设备，其上安装的智能无线监测传感器，将采集到的信号通过智能无线终端上传至运算中心，数据处理后传输至状态监测系统进行分析，用于预测设备的剩余使用时间、故障点、故障类型等信息。结合人工诊断技术，实现异常设备的智能报警和诊断。设备状态经过智能系统诊断与人工诊断的双重验证，其结果将通过系统的可视化组件进行呈现，并提供检验维修建议，完成现场检修后，将设备最新运行状态与历史状态进行对比、分析，实现设备检修后状态评估，保证设备平稳运行。基于预测性维护技术的设备故障监测诊断系统如图 1 所示。

图1 基于预测性维护技术的设备故障监测诊断系统

当设备运行数据异常时，该系统会自动报警，并通过短信、邮件以及手机 APP 的方式推送给现场相关设备管理人员。现场工程师可通过软件中的分析工具对设备数据进行追踪回溯，判断当前设备状态，也可通过诊断专家支持实现云端故障诊断，帮助现场确定设备异常原因、部位、损伤严重程度、部件剩余寿命评估等，为运行维护检修决策提供数据支撑。设备故障诊断分析如图 2 所示。