A Study in Machinery Failure Detection

This paper presents a comparison of machinery condition monitoring results obtained through the use of troubleshooting tools and traditional predictive maintenance instruments and software.

Mnet 164255 Azima320 0
A Study in Machinery Failure Detection  By Joe Van Dyke, P.E.  This  paper  presents  a  comparison  of  machinery  condition   monitoring  results  obtained  through   the  use  of  troubleshooting  tools  and  traditional  predictive  maintenance   instruments  and  software.  The problem example  A  critical motor‐driven  fan develops  a  fan  end  bearing  defect  that  threatens  to  cause  an  unplanned  outage  in  a  critical  plant  operating  process.      Consider  the  following  possible  scenarios:  • The maintenance department,  in  an  effort  to  save money  and  time, only uses  a  troubleshooting  vibration test instrument on an ad hoc basis. They only check machines that are suspected of having  a problem.   Because  this  fault mode develops  fairly  rapidly  and with  little warning,  the machine  condition deteriorates over a matter of weeks or months going unnoticed until it is too late to plan  repairs and production must be interrupted.  • Or the maintenance team uses a troubleshooting  instrument as more of a survey type  instrument,  but  they’ve  learned  not  to  use  it  on  these  machines  because  it  keeps  telling  them  the  motor  bearings  are  bad  on  motors  known  to  be  in  good  condition.    They  are  just  as  unaware  of  the  problem as in the first scenario.  • Or maybe they use their troubleshooter routinely on these machines which didn’t identify any faults  even  the week  before  failure.  This  happens  because  the  criteria  are  not  specific  to  this  type  of  machine  which  has  unique  stiffness  characteristics  resulting  in  lower  bearing  wear  indicating  amplitudes. There is no way to adjust the sensitivity even if it were known to be necessary.  All  of  these  scenarios  are  realistic  and  represent  the  typical  results  one  can  expect  when  using  a  troubleshooting vibration test instrument in place of a traditional predictive maintenance program.  Also  consider  that  serious machine problems often  can exist and be evident  in vibration data, but not be  readily observable on site.  2  A better answer to the problem  A maintenance department implements traditional routine periodic monitoring using a portable survey  instrument and sophisticated analytical software or outsources the data analysis. This method  is much  less susceptible to develop problems and will in all likelihood, have noticed the onset of the fan bearing  problem  early  enough  to  schedule  the  repairs  at  a  convenient  time,  avoiding  an  unplanned  outage  altogether.  Comparing  and  contrasting  troubleshooting  tools  and  traditional  systematic PdM  The  similarities  between  troubleshooting  and  traditional  surveying  techniques  are  clear.    Both  instruments  and  methods  measure  vibration  and  facilitate  analysis  of  the  recorded  data.    Both  approaches  apply  the  same  concept  of  accurately  measuring  machinery  vibration,  deriving  some  indicative features from the data and comparing these features to relevant standards.   However, the reasons for better performance of traditional PdM methods and practices are perhaps not  so clear.  They fall principally into two categories, technical and strategic.     Technical Advantage of traditional PdM  Traditional instruments and software offer users the ability to refine the test parameters and diagnostic  criteria as they conduct and accumulate more test results.  This allows for adjustments to baselines and  other  critical  details  to  accommodate  variability  that  exists  among  similar  machine  types.  Different  applications,  loading  conditions, operating  environments,  and  structural  supports  inherently  result  in  different vibration signatures.   This capability is essential and available in traditional advanced analytical  software, but contrasts sharply with  the  limits  that are  implicit  to  troubleshooting  instruments where  test parameters and diagnostic  criteria applied are  fixed or hard‐coded  in what can be described asa  black box.     With a troubleshooting device, the user has little or no control over the analysis and may or may not be  able to  view the recorded data once diagnostic results are derived.    Traditional  test  instruments and software offer a multitude of methods  for  fine‐tuning  the analysis of  machinery vibration.   The user of  traditional  software  is operating a  system  that can  learn and adapt  whereas the user of a troubleshooting instrument has the basic tools but no way to improve on it’s “out  of the box” performance.  Strategic Advantage of traditional PdM  Troubleshooting  instruments are generally  incapable of accomplishing  the principal goal of predictive  maintenance, which is to efficiently and effectively provide information about the evolving condition of  critical plant machinery.   One must trend the severity of specific faults over time to establish a rate of  degradation.  In order  to accomplish  this,  it  is  important  that  testing be conducted on a  frequent and  regular basis.     3  Also, considering that typically less than ten percent of plant equipment may have developing problems,  it is extremely important to capture machine faults at an early stage.  Reactive troubleshooting does not  accomplish this.  With active PdM opposed to reactive troubleshooting, it is possible to detect signs that  a  machine  is  going  to  fail  weeks  or  months  ahead  of  time.  This  allows  maintenance  actions  to  be  undertaken  at  times  when  it  is  convenient  and  will  not  interrupt  the  plant  operation.      While  it  is  possible  to  use  a  troubleshooting  instrument  as  a  survey  instrument,  the  technical  limitation  of  the  instrument and  the accompanying software  (if any) make prognostics  (trending) very unreliable  if not  impossible in most cases.   In  an  active  Predictive  Maintenance  program,  it  is  common  practice  to  collect  data  routinely  and  regularly, screening hundreds of machine tests of which only a few may indicate problems.  The task of  analyzing  the  data  accurately  is  the  primary  function  of  the  program.  The  tools  are  optimized  to  accomplish  this  routine  cycle  of  test  and  analysis  quickly  and  very  accurately.    Troubleshooting  instruments  are  simply  not  designed  to  perform  this  fundamental  task  in  an  efficient  and  effective  manner.     The troubleshooting instrument analyzes a machine.  But the question is if you have not been screening  on a periodic basis, how do you know when to test and analyze?  Also, if not screened on a routine basis,  typically the fault is going to have to be at an advanced enough state that it’s already been detected by  operators ears, eyes or smells of something burning... so there is less time to take action to avoid loss or  some level of reduced production.  While taking corrective action before a failure reduces cost of machine repairs, the real money saved is  by avoiding a production  interruption. This can only be achieved by applying a Predictive Maintenance  program that includes periodic monitoring of machines, identifying faults at an early stage and planning  and prioritizing repairs during a planned outage or period that is convenient to the plant.  The Ultimate question  Troubleshooting  instruments and methods and traditional PdM  instruments/software have similarities,  but their effectiveness as maintenance tools are vastly different.  Ultimately you must ask:  Do you want  to test a few suspect machines and identify a limited set of problems with pretty good accuracy, or do  you want to survey a  large number of machines for the maximum set of faults with highest achievable  accuracy to optimize the maintenance in your plant?  ‹ © 2011 – Azima DLI – All rights reserved.  About the author:  Joe Van Dyke, Vice President, Operations & Business Development  During  Joe Van Dyke's  career at DLI  Engineering, he managed  commercial and government  engineering  activities and was a member of the company's senior management team. Joe  is the original designer and  developer  of  the automated diagnostic  system  software  that  is  contained  in  the  ExpertALERT predictive  maintenance systems. Joe is a recipient of the US Department of the Navy’s Reliability, Maintainability and  Quality Assurance Award  in  recognition  of  the  contribution  to  the  overall  fleet  readiness made possible  through  the development and deployment of Azima DLI’s ExpertALERT  software.  Joe holds a master's of  science degree  in mechanical engineering from the University of Washington and  is a  licensed mechanical  engineer  for  the  State  of Washington. He  is  the  author  of  several  papers  on  the  subject  of  automated  diagnostic techniques for machinery.