Статистические методы для упрощения данных анализа масла

Рис. 1

Дальше, взяв в расчет данные о вязкости, кислотное число (AN) и результаты инфракрасного анализа, мы, читая между строк, можем сделать вывод, является ли снижение противоизносной защиты результатом добавления неправильного масла, истощения присадок и т. д.

Хотя все эти параметры важны для нашего анализа, в них, к сожалению, используются сильно варьирующиеся единицы измерения, и у каждой из них своя собственная степень случайного изменения (разброс данных).

Это затрудняет построение общих графиков изменения значений во времени. Кроме того, к различным параметрам применяется разная логика срабатывания сигналов тревоги. Один из способов обойти эту проблему — использовать статистически полученные процентные величины вместо фактических значений параметров.

Преимущества

Этот простой метод дает специалисту, выполняющему анализ, следующие преимущества:

• Все параметры могут быть отражены на общем графике тенденций с использованием общих единиц измерения (процент). Это позволяет одновременно увидеть рост и уменьшение значений параметров, облегчая «чтение между строк». На рис. 1 видно, что вязкость снижается, а количество частиц и железа быстро растет, что наводит на мысль о том, что в машину, возможно, было добавлено неподходящее масло, и это вызвало высокую скорость износа.
• Для всех параметров могут быть установлены и отражены на общем графике общие сигналы тревоги. Например, одно стандартное отклонение может означать предупреждение, а два — критическую ситуацию (табл. 1).
• Шумовые колебания вследствие нормальных отклонений не учитываются, так как вычисление процента для каждого параметра вычисляются с учетом его собственного стандартного отклонения.
• Проценты понятны всем, включая руководство. А такие значения как количество частиц, мг КОН/г масла и т. д. уже менее знакомы для неподготовленного наблюдателя.
• Любые аналитические параметры, не связанные с маслом, например значения вибрации, могут быть легко добавлены на график и, следовательно, в процесс анализа и принятия решений.
• Это простой и быстрый метод.

Преобразование данных в проценты

• Используя исторические данные, определите среднее (нейтральное) значение для каждого параметра (уравнение 1).
• Вычислите стандартное отклонение для каждого параметра, используя тот же набор данных, который использовался для вычисления среднего значения (уравнение 2).
• Получите балл Z: вычтите среднее значение из текущего значения, а затем разделите результат на стандартное отклонение (уравнение 3). Это число показывает, на сколько стандартных отклонений данное значение больше или меньше среднего.
• Используйте таблицы с кумулятивным нормальным распределением. Значения кумулятивного распределения для заданного Z-балла можно вычислить почти в любом редакторе электронных таблиц.
• Представьте значение нормального распределения в процентах.

Например, предположим, что в машине средний уровень железа 15 ppm и стандартное отклонение 3 ppm. Наблюдаемое значение, равное 18 ppm, дает Z-балл, равный 1, или на одно стандартное отклонение больше среднего. Значение 18 ppm будет соответствовать 84 процентам.

Если бы наше наблюдение происходило при среднем значении (15 ppm), значение соответствовало бы 50 процентам. В табл. 1 показано, где на кривой кумулятивного нормального распределения находятся разные значения Z-баллов.

Этот и другие методы могут эффективно применяться для упрощения данных анализа масла и ускорения диагностики. Поэкспериментируйте с процентами, например примените скользящее среднее от 10 проб и стандартное отклонение вместо фиксированных значений, если это уместно. При таком упрощении результаты анализа масла станут еще более заметными для тех, кто принимает решения.

Заставьте статистику работать на вас

Рис. 2

При планировании технического обслуживания на основе данных анализа масла с помощью простых статистических приемов можно значительно упростить данные, выявить взаимосвязи между параметрами анализа масла и повысить уверенность в выводах.

Статистические методы, такие как корреляционный анализ, помогают принимать правильные решения. Они также позволяют сосредоточить внимание на определении основной причины нештатной ситуации.

Изучение данных, полученных в результате анализа масла девяти идентичных гидравлических машин, выполняющих одну и ту же функцию в одной и той же среде, выявило существенные различия по содержанию цинка в зависимости от времени эксплуатации масла. Дальнейшие исследования показали, что со временем также уменьшаются кислотные числа (AN). Рассчитав корреляцию, мы видим, что значения цинка и AN сильно коррелируют (рис.2).

Роль ZDDP

Мы знаем, что диалкилдитиофосфат цинка (ZDDP), используемый в большинстве противоизносных присадок, вступает в реакцию с реагентом гидроксида калия (KOH), используемым для измерения кислотного числа AN, повышая значения в новом масле.

AN уменьшается по мере истощения присадки. Как только противоизносная/противоокислительная присадка ZDDP истощается, она оставляет делает базовую смесь менее защищенной от окисления, и кислотные числа начинают увеличиваться от своей минимальной точки по мере деградации базовой смеси.

Кроме того, при истощении ZDDP машина подвергается повышенному износу из-за потери противоизносных свойств масла. Цинк и AN, как правило, хорошо коррелируют в большинстве масел, содержащих противоизносную присадку ZDDP. Важно количественно оценить эту корреляцию, использовав тестовые данные, характерные для конкретного применения.

Анализ показывает, что в одной из машин низкий уровень цинка и низкое AN. Поскольку и цинк, и кислотные числа истощились, и так как между этими двумя параметрами в данном случае сильная корреляция, можно с высокой долей уверенности сказать, что присадка ZDDP истощена до минимального предела. Такая ситуация требует принятия мер по обслуживанию. Вполне вероятно, что просто подошел к концу срок службы масла.

Деградация

Кроме того, деградация могла усилиться из-за аномальных нагрузок. Дополнительный анализ масла и осмотр машины позволят определить, является ли ухудшение качества масла нормальным. Если имеет место аномальная деградация, должна быть установлена конкретная первопричина проблемы.

Как только первопричина выявлена, можно запланировать техническое обслуживание для исправления ситуации. Если скорость деградации считается нормальной, мы просто меняем или восстанавливаем масло, не проводя дальнейшие исследования.

Понимая, как соотносятся различные параметры масла, мы можем исследовать симптомы нештатной работы и принимать решения с уверенностью в том, что выявленная нештатная ситуация — не ложная тревога.

• Автор статьи:
  Дрю Тройер (Drew Troyer)
• Источник:
  Statistical Techniques to Simplify Oil Analysis Data