소식

Apr 03, 2024

디지털 기술을 사용한 왕복동 압축기 밸브 결함 예측

계획되지 않은 가동 중지 시간은 오늘날 산업 제조업체의 가장 큰 문제점 중 하나이며 매년 약 500억 달러의 비용이 소요됩니다. 가동 중지 시간으로 인한 비용은 석유 및 산업 분야에서 더욱 심각합니다.

계획되지 않은 가동 중지 시간은 오늘날 산업 제조업체의 가장 큰 문제점 중 하나이며 매년 약 500억 달러의 비용이 소요됩니다. 가동 중지 시간으로 인한 비용은 수익이 중요한 장비 가동 시간과 직접적인 관련이 있는 석유 및 가스 산업의 경우 훨씬 더 심각합니다. 예를 들어, 미드스트림 및 업스트림 천연 가스 처리에서는 파이프라인 압력에 도달하기 위해 고압비 왕복 압축기의 지속적인 작동이 필요합니다. 가스의 흐름은 연속적이기 때문에 처리가 중단되면 일반적으로 처리되지 않은 가스가 연소되어 제품이 손실됩니다. 이러한 압축기에는 예비 부품이 거의 없거나 전혀 없는 경우가 많습니다. 따라서 유지 관리를 위해 오프라인 상태가 되면 운영자는 용량을 줄이거나 프로세스를 중지하여 초과분을 발생시키는 것 외에는 선택의 여지가 없는 경우가 많습니다.

산업용 사물인터넷(IIoT)과 같은 디지털 기술의 채택은 장비 고장을 사전에 예측하고 예기치 못한 가동 중단으로 이어지기 전에 결함을 포착함으로써 이러한 위협을 완화할 것을 약속합니다. 그러나 실제로는 유지 관리 담당자와 운영 책임자가 계획되지 않은 가동 중지 시간을 제거하기 위한 IIoT 솔루션을 구현하기 위해 작업할 때 몇 가지 문제가 발생합니다.

압축기 밸브는 왕복동 압축기 가동 중지 시간의 큰 원인입니다. 왕복동 압축기 밸브의 상태 모니터링은 오랫동안 사용되어 왔지만 밸브 결함을 예측하는 데 적합한 기술은 아직 성숙되지 않았습니다. 일반적으로 사용 가능한 최상의 솔루션은 조기 경고만 제공합니다. 압축기 밸브 고장을 예측하는 것은 주로 다음 두 가지 이유로 어렵습니다.

이러한 문제를 해결함으로써 밸브 고장을 예측할 수 있습니다.

API(American Petroleum Institute) 670 표준의 제5판을 통해 OEM(Original Equipment Manufacturer)이 모니터링 지점에 대한 조항을 포함해야 하는 특정 요구 사항으로 인해 왕복동 압축기에 대한 온라인 상태 모니터링의 확장이 활성화되고 장려되었습니다. 라이더 밴드 마모, 크로스헤드 마모, 베어링 결함 등을 포함하여 API 표준에 따라 계측하여 여러 가지 일반적인 결함 모드를 감지하고 진단할 수 있습니다. 특히, 압력-볼륨 분석과 결합된 크랭크 각도 센서 및 실린더 내 압력 모니터링을 통해 밸브 고장, 피스톤 링 및 패킹 누출, 업스트림 공정 압력 및 용량 변화와 같은 시스템 수준 문제를 감지하고 진단할 수 있습니다. 제어 장비 결함.

사용 중인 대부분의 압축기에는 API 표준에 따라 상태 모니터링 계측을 위한 장착 위치가 내장되어 있지만 현재 계측되지 않는 압축기, 특히 구형 장비가 많습니다.

현재 사용 중인 장비를 개조하는 데에는 몇 가지 문제가 있습니다.

이러한 장애물에 직면하여, 다른 유형의 장비에 비해 왕복동 압축기의 경우 상태 기반 유지 관리(CBM) 및 예측 유지 관리(PdM)의 광범위한 채택이 더디게 진행되었습니다. 그러나 새롭게 떠오르는 디지털 기술을 적용하면 이미 사용 중인 장비에 모니터링 시스템을 설치하는 데 드는 비용을 절감하여 CBM 및 PdM을 구현할 수 있습니다. 물리 기반 모델과 기계 학습 알고리즘의 하이브리드 접근 방식을 사용하면 CBM 또는 PdM 프로그램에 대해 동일한 값을 달성하는 데 필요한 모니터링 지점이 더 적어질 수 있습니다. 최신 고주파 감지 및 데이터 수집 하드웨어를 사용하면 모니터링된 신호에서 더 많은 정보를 추출하여 장비 상태에 대한 향상된 통찰력을 얻을 수 있습니다.

마지막으로, 예측 방법을 적용하면 오류 발생 시간과 오류 위치를 명시적으로 추정할 수 있으므로 운영자는 언제 어디서 유지 관리를 적용해야 하는지 더 명확하게 알 수 있어 PdM 프로그램의 가치가 향상됩니다.

압축기 밸브의 잔여 유효 수명(RUL)을 예측하기 위해 계측 압축기에 예측 알고리즘이 구현되었습니다. 예측 알고리즘은 CBM 접근 방식에 비해 향후 밸브 결함에 대해 훨씬 더 조기에 경고를 제공할 뿐만 아니라 모니터링되는 장비의 RUL을 명시적으로 추정합니다. 일반적으로 왕복동 압축기 밸브 고장을 예측하는 것은 어렵습니다. 성능 저하가 매우 비선형적이고 다양한 기간에 발생하기 때문입니다. 이 문제를 해결하기 위해 비선형성 수준과 성능 저하 기간을 각 오류에 대해 사용 가능한 기록 데이터에 맞게 조정하는 지능형 예측 접근 방식이 사용되었습니다. 예측 접근 방식의 동작을 설명하기 위해 가공 공장에서 몇 주에 걸쳐 진행된 오류의 예를 시간에 따라 조사했습니다. 이미지 1에서 볼 수 있듯이 RUL은 손상 수준이 건강한 상태에서 크게 벗어나기 오래 전에 데이터의 하향 추세에 따라 감소하기 시작했습니다.