Meningkatkan Keandalan Elektro-Mekanis Menggunakan ESA

Gambar 1. Gangguan motor yang umum terjadi (CF = Frekuensi tengah, RS = Kecepatan Berjalan, LF = Frekuensi Jalur)

Electrical Signature Analysis (ESA ) adalah teknologi pemeliharaan prediktif (PdM) yang menggunakan tegangan suplai motor dan arus operasi untuk mengidentifikasi gangguan yang ada dan yang sedang berkembang di seluruh sistem motor. Pengukuran ini bertindak sebagai transduser dan gangguan apa pun dalam sistem motor menyebabkan arus suplai motor bervariasi (atau memodulasi). Dengan menganalisis modulasi ini, dimungkinkan untuk mengidentifikasi sumber gangguan sistem motor ini. Pengujian motor berenergi menggunakan ESA akan memberikan informasi berharga untuk motor induksi AC dan motor DC, generator, motor rotor belitan, motor sinkron, dan motor peralatan mesin yang digunakan untuk pengujian, komisioning, dan pemecahan masalah PdM.

Bentuk gelombang arus dan tegangan dikumpulkan menggunakan instrumen ESA ALL-TEST PRO On-Line II™ (ATPOL II™) yang portabel, genggam, dan dioperasikan dengan baterai, kemudian melalui analisis Fast Fourier, teknisi dapat mengevaluasi kondisi kelistrikan dan mekanis sistem motor.

Gangguan sistem motor (baik yang terkait dengan daya masuk, listrik motor atau mekanik motor, kopling mekanik atau beban yang digerakkan) semuanya akan memiliki tanda tangan yang unik ketika menggunakan teknik ESA (lihat Gambar 1). Oleh karena itu, dengan informasi tentang motor dan sistem motor, frekuensi gangguan yang relevan dapat diidentifikasi, dan seluruh sistem dapat dievaluasi.

Sejumlah indikasi kinerja terungkap dalam domain waktu dan frekuensi yang memberikan informasi yang diperlukan untuk menentukan ‘kesehatan’ motor dan dampak dari beban yang dikirim. Hal ini memungkinkan untuk ‘melihat’ kecepatan lari yang sebenarnya, frekuensi slip motor, frekuensi gear mesh, komponen drive train, dan kecepatan putaran gear.

Fast Fourier Transform (FFT) digunakan untuk membuat spektrum frekuensi tinggi dan rendah. Puncak dalam spektrum ini sesuai dengan kecepatan rotasi komponen yang berbeda-beda dalam mesin. Sebagai contoh, dalam kasus kipas angin yang digerakkan oleh motor listrik melalui sabuk, puncaknya sesuai dengan kecepatan motor, frekuensi lewat kutub, kecepatan kipas angin, dan kecepatan sabuk. Jika gear box digunakan sebagai pengganti belt drive, maka puncak spektral akan muncul pada kecepatan rotasi roda gigi dan frekuensi penyambungan roda gigi.

Melakukan Analisis Tanda Tangan Listrik

Data pelat nama tidak diperlukan selama proses pengumpulan data, tetapi analisis otomatis dapat dilakukan dengan memasukkan tegangan pelat nama motor, kecepatan lari, daya pengenal, dan arus beban penuh selama proses analisis. Kesalahan sistem mekanis yang umum terjadi antara motor dan beban karena keausan dan aplikasi termasuk ketidaksejajaran sabuk atau penggerak langsung, keausan sabuk atau insert, masalah tegangan sabuk, dan keausan sheave. Beban dapat memiliki berbagai jenis kesalahan tergantung pada jenis beban. Yang paling umum adalah komponen yang aus (misalnya segel), komponen yang rusak (roda gigi, kipas, bilah impeler, dll.), dan bantalan.

Perangkat lunak ESA memungkinkan teknisi memasukkan informasi tentang sistem mekanis (lihat Gambar 2), dan kemudian frekuensi yang relevan dihitung secara otomatis (perangkat lunak ini menyediakan kursor untuk menemukan frekuensi ini di dalam spektrum). Analisis peralatan yang digerakkan meliputi peralatan berikat, diarahkan, dan berbilah. Harap diperhatikan bahwa informasi sistem mekanis tidak diperlukan untuk analisis kelistrikan dan mekanis motor dan hanya relevan ketika ada kebutuhan untuk menganalisis beban mekanis.

Gambar 2. Perangkat lunak Analisis Tanda Tangan Listrik mengotomatiskan penghitungan dan menyediakan kursor frekuensi

Sebagai contoh, mari kita lihat data frekuensi rendah dari Kipas Pengumpul Debu 1 yang digerakkan oleh motor induksi 150 kilowatt, 400 volt, 260 amp, 1485 RPM (lihat Gambar 3). Perhatikan Puncak berlabel BLT – ini adalah frekuensi sabuk, atau kecepatan sabuk. Terdapat kelipatan BLT, yang ditunjukkan dalam kedua spektrum. Spektrum yang lebih rendah menunjukkan Puncak Frekuensi Jalur dan bahwa ada sideband di kedua sisi Frekuensi Jalur yang berada pada frekuensi BLT. Fakta bahwa frekuensi sabuk hadir, khususnya pada 4,3 Amps, adalah signifikan. Pita samping dievaluasi berdasarkan fakta bahwa pita tersebut ada. Juga, kelipatan dari frekuensi sabuk- oleh karena itu, saya menduga ada masalah dengan kolektor ini. Namun, teknisi yang mengumpulkan data ini dan melakukan analisis awal memilih untuk memantau mesin ini daripada melakukan inspeksi atau pengujian lebih lanjut.

Gambar 3. Kipas pengumpul debu ini digerakkan oleh Motor Induksi 150-kilowatt, 400 volt, 260-amp, 1485 RPM.

Mesin kembarannya, Dust Collector Fan 2, juga diuji. Pada Gambar 4, perhatikan bahwa beban motor lebih rendah daripada Fan 1 (194A vs 220A), namun puncak BLT berada pada 8,3A; sedangkan, Fan 1 hanya memiliki puncak 4,3A. Dari pengujian awal ini, kami tidak dapat menyimpulkan bahwa ini adalah masalah yang serius, tetapi ini adalah bendera peringatan bahwa ada sesuatu yang berbeda dengan mesin ini dibandingkan dengan yang pertama.

Gambar 4. Hasil pengujian kipas pengumpul debu 2.

Karena data ini diambil selama Fase Deteksi dari proses kerja PdM, langkah selanjutnya adalah memulai fase Analisis. Sebagai bagian dari tahap Analisis, teknisi melakukan inspeksi visual cepat pada kedua mesin dan mencatat bahwa belt dengan Fan 2 memiliki gerakan belt yang berlebihan dibandingkan dengan Fan 1. Langkah selanjutnya adalah melakukan beberapa pekerjaan tambahan yang dapat mencakup pengambilan data tambahan dengan ESA atau membawa instrumen lain sebagai bagian dari Tahap Analisis.

Kesimpulan

Motor listrik merupakan transduser yang sangat baik ketika menggunakan Analisis Tanda Tangan Listrik, karena Anda dapat mengevaluasi daya yang masuk, kondisi kelistrikan dan mekanis motor, dan beban yang digerakkan. Dalam hal kualitas daya, kontrol, kondisi stator dan rotor, celah udara, bantalan, penyelarasan, dan beban, gangguan yang berkembang dapat dideteksi dan dijadikan tren untuk tujuan Pemeliharaan Prediktif – tetapi Anda harus terlebih dahulu memiliki peralatan yang tepat untuk melakukan Analisis Tanda Tangan Listrik.

Kisah aplikasi ini merupakan bagian pertama dari tiga seri tentang penggunaan ESA untuk menilai kondisi sistem mekanis yang digerakkan oleh motor.

Untuk informasi lebih lanjut, kunjungi www.alltestpro.com.

Tentang ALL-TEST Pro, LLC

ALL-TEST Pro memenuhi janji pemeliharaan dan pemecahan masalah motor yang sesungguhnya, dengan alat diagnostik, perangkat lunak, dan dukungan inovatif yang memungkinkan Anda untuk tetap menjalankan bisnis.