ブログ

Jul 20, 2023

デジタル技術を使用した往復コンプレッサーのバルブ故障の予測

I tempi di inattività non pianificati rappresentano uno dei maggiori problemi per l’industria

計画外のダウンタイムは今日の産業メーカーにとって最大の問題点の 1 つであり、毎年推定 500 億ドルの損失が発生しています。 収益が重要な機器の稼働時間に直接関係している石油・ガス業界にとって、ダウンタイムのコストはさらに深刻です。 たとえば、中流および上流の天然ガス処理では、パイプラインの圧力に達するために高圧力比の往復コンプレッサーを連続的に運転する必要があります。 ガスの流れは連続しているため、処理が停止すると、通常、未処理のガスがフレアし、製品の損失につながります。 多くの場合、これらのコンプレッサーにはスペアがほとんどないか、まったくありません。 そのため、メンテナンスのためにオフラインになった場合、オペレータは処理能力を削減するか、プロセスを停止して過剰分をフレアする以外に選択肢がないことがよくあります。

産業用モノのインターネット (IIoT) などのデジタル テクノロジーの導入により、機器の故障を事前に予測し、予定外のシャットダウンにつながる前に故障を検出することで、これらの脅威を軽減できることが期待されています。 ただし、実際には、メンテナンス担当者や運用リーダーが計画外のダウンタイムを排除することを目的とした IIoT ソリューションの実装に取り​​組むときに、いくつかの課題が発生します。

コンプレッサーのバルブは、往復コンプレッサーのダウンタイムの大きな原因です。 往復圧縮機バルブの状態監視は長い間行われてきましたが、バルブの故障を予測するための適切な技術は成熟するのが遅かったです。 利用可能な最良のソリューションは通常、早期警告のみを提供します。 コンプレッサーバルブの故障を予測することは、主に次の 2 つの理由から困難です。

これらの課題に対処することで、バルブの故障を予測できるようになります。

米国石油協会 (API) 670 規格の第 5 版では、監視ポイントの規定を含める OEM に対する特定の要件により、レシプロ コンプレッサーのオンライン状態監視の拡張が可能になり、促進されました。 ライダーバンドの摩耗、クロスヘッドの摩耗、ベアリングの故障など、いくつかの一般的な故障モードは、API 標準に従って計測することで検出および診断できます。 特に、クランク角センサーとシリンダー内圧力モニタリングを圧力体積分析と組み合わせることで、バルブの故障、ピストンリングとパッキンの漏れ、上流プロセスの圧力や容量の変化などのシステムレベルの問題の検出と診断が可能になります。制御機器の故障。

稼働中のほとんどのコンプレッサーには、API 標準に準拠した状態監視計器用の取り付け位置が組み込まれていますが、多くのコンプレッサー、特に古い機器には現在計器が設置されていません。

現在使用されている機器の改修は、いくつかの課題に直面しています。

これらの障害に直面して、レシプロコンプレッサーでは他のタイプの機器に比べて状態基準保全 (CBM) と予知保全 (PdM) の普及が遅れています。 ただし、新たなデジタル技術を適用することで、すでに稼働している機器への監視システムの設置に関連するコストを削減することで、CBM と PdM を実現できます。 物理ベースのモデルと機械学習アルゴリズムのハイブリッド アプローチを使用すると、CBM または PdM プログラムで同じ値を達成するために必要な監視ポイントが少なくなる場合があります。 新しい高周波センシングおよびデータ収集ハードウェアを使用すると、監視対象の信号からより多くの情報を抽出できるため、機器の状態に対する洞察が強化されます。

最後に、予測手法を適用することで、障害発生までの時間と障害位置を明示的に推定できるため、オペレーターはメンテナンスをいつどこに適用するかをより明確にし、PdM プログラムの価値を高めることができます。

予測アルゴリズムが計装コンプレッサーに実装され、コンプレッサー バルブの残存耐用年数 (RUL) が予測されました。 予後アルゴリズムは、CBM アプローチと比較して、将来のバルブの故障についてはるかに早い段階で警告を発するだけでなく、監視対象の機器の RUL を明示的に推定します。 一般に、往復コンプレッサーのバルブの故障を予測することは、劣化が非常に非線形であり、さまざまな時間スケールで発生するため、困難です。 これに対処するために、非線形性のレベルと劣化のタイムスケールを各故障で利用可能な履歴データに適合させるインテリジェントな予後アプローチが使用されました。 予後アプローチの動作を説明するために、加工工場で数週間にわたって進行した障害の例を時間の経過とともに調べました。 画像 1 に見られるように、損傷レベルが健全な状態から大きく逸脱するずっと前に、データの下降傾向に応じて RUL が減少し始めました。

多くの場合、機械の故障は最初は徐々に故障し、寿命が近づくと急速に故障します。 したがって、障害の重大度がアラートを確実にトリガーできるレベルに達すると、通常はコンポーネントの寿命が近づいています。 画像 2 に示すように、この障害の警告しきい値は、障害重大度が警告しきい値条件 (赤い水平線) に達すると、繰り返しアラートをトリガーしました。 被害がまだ重大ではなかったため、初期のアラートは誤検知として解釈された可能性があります。 ただし、画像 3 に見られるように、その後の警告アラートは故障のわずか数日前に発生しましたが、予知者は寿命の終わりがわずか数日後にあることを正確に予測していました。 時間が経過し、予測アルゴリズムが増大する障害の履歴をさらに消費するにつれて、推定故障日はより安定し、予測がより正確になります。

バルブ予後ソリューションを導入する前は、石油会社はバルブに漏れがないかどうかを判断するために、ポータブル機器を使用してバルブ キャップの温度を定期的に測定していました。 通常、これらの測定は毎日実行されることが期待されていますが、毎日のメンテナンスの作業負荷と優先順位によっては、常にそうであるとは限りません。 導入された監視ソリューションを使用すると、障害が継続的に追跡され、テキスト メッセージを通じて現場の整備士にアラートを送信できます。 定期的な監視を予知ソリューションと組み合わせると、石油会社は機器の故障について 5 ～ 7 日間の警告期間を確認することができました。 これにより、メンテナンス担当者は作業を計画し、より少ない人数でより緊急の要件を維持できるようになりました。 さらに、バルブの故障を早期に警告することで、シフト中にダウンタイムが低コストでメンテナンスを実行できるようになります。

歴史的に、往復コンプレッサーのバルブ故障を予測することは、必要な予後技術が十分に成熟していないため、実際には困難でした。 これまで、コンプレッサーのオペレーターは、バルブの漏れがすでに発生した後にそれを検出するために状態監視にほとんど依存しており、メンテナンス担当者はバルブの故障に事後的に対応する必要がありました。 さらに、予知はもちろんのこと、状態監視に必要な機器や計器類の設置は、通常、高価な計画となります。 しかし、物理学ベースのアルゴリズムとデータ駆動型のアルゴリズムを適切に組み合わせ、最先端の予後技術を適用することで、従来の手段では通常検出可能になる前にバルブの故障を予測することができます。

ある石油会社は、中流天然ガス事業の一環としてペルミアン盆地で処理プラントを運営しています。 処理プラントには、スイート天然ガスとサワー天然ガスの両方をパイプライン圧力まで圧縮するための複数の往復コンプレッサーが含まれています。 PdM パイロット プログラムの一環として、いくつかのコンプレッサーが計測され、バルブの漏れを予測するために PdM ソリューションが実装されました。 計装されたコンプレッサーはすべて改装された 4 スロー 3 段コンプレッサーでした。 バルブの漏れを予測するために、圧力と体積の分析に基づいた、物理ベースとデータ駆動のハイブリッド アプローチが使用されました。 コンプレッサーには、シリンダーインジケーターポート内の圧力トランスデューサーと、回転位置を測定するためのクランク角センサーが装備されていました。 パイロット プログラムの目的の 1 つは、クランク角信号を必要としない圧力容積解析を使用してバルブの漏れを予測する新しいアプローチの性能を検証することでした。 これは、新しいアプローチをより伝統的なアプローチと比較することによって達成されました。

コンプレッサーの改造を困難にするいくつかの課題がありました。 最も大きな課題は、ハードウェアのリードタイムと必要な設置時間でした。 回転位置システムとクランク角測定計器は、既製のものがすぐに入手できないことが多く、通常、調達に数週間から数か月かかります。

さらに、クランク角測定用にレシプロコンプレッサーを改造するには、設置場所の清掃、マルチイベントバンドの設置、上死点との位置合わせ、既存のタップ位置のみを使用するカスタムブラケットを使用した位置センサーの設置に数時間の設置時間が必要です。 しかし、数か月のリードタイムと数時間の設置時間は、顧客にとって理想的なものではありませんでした。 さらに、ハードウェアのコストは法外でした。 したがって、クランク角測定の必要性を排除できれば、PdM ソリューションの価値が大幅に高まり、広く採用できるようになります。

漏れ検出は圧力体積解析を使用して実行されます。 圧力容積解析では、シリンダー圧力信号は通常、クランク角センサーによって測定された角度位置と同期します。 圧縮ガスの体積は角度位置の関数として計算できます。 漏れは、測定された圧力対体積の熱力学を理想的なポリトローププロセスと比較することによって推定されます。

クランク角測定を使用せずに漏れ検出を可能にするために、漏れ予測アルゴリズムでは物理ベースとデータ駆動のハイブリッド アプローチが採用されています。 物理ベースの要素は従来の圧力と体積の分析に依存して漏れ量を推定しますが、データ駆動型の要素は回転位置を抽出し、シリンダー圧力信号から直接体積を計算する手段を提供するため、シンクロクランク角センサー。 画像 4 に見られるように、圧力信号から推定された回転位置は、測定された回転位置とほぼ一致しています。 したがって、パフォーマンスをほとんど損なうことなく、真の信号の代わりに推定信号を使用して故障予測を行うことができます。

Daniel Nelson は、Novity の主任モデリング エンジニアです。 彼は産業機器のマルチフィジックス モデリングに 12 年以上の経験があり、特に機械的な劣化と故障の分析に重点を置いています。 ネルソン博士は、理学士号と博士号を取得しました。 サンディエゴ州立大学で計算物理学の博士号を取得。 詳細については、www.novity.us をご覧ください。