Современные подходы решения задач оптимизации мощностей предприятий в части управления ремонтами и поддержания работоспособного технического состояния станочного оборудования основаны на прогностических методах безразборной вибрационной диагностики. В статье рассмотрены методологические вопросы внедрения современных инструментов технического контроллинга на предприятиях машиностроения, проблематика управления жизненным циклом оборудования, описана апробированная методика проведения технической диагностики высокоточных станков и приведены ее результаты.

 

Ю.И. Савинов, канд. техн. наук, 
ведущий эксперт по вибродиагностике и предиктивному сервису ООО «Твинс технологии» ГК «Цифра»

 

Анатолий Туманов,

заместитель технического директора дивизиона «Машиностроение и металлообработка» ГК «Цифра»

 

 

Совершенствование работы машиностроительных предприятий затрагивает многие направления их деятельности и в первую очередь производственные системы. Наиболее затратными и технологически сложными объектами производственно-­технологической базы является оборудование. Сложившийся на предприятиях перечень технологических переделов предполагает наличие строго определенного по структуре станочного парка. Его технический уровень и состояние во многом определяют качество производства изделий, а также эффективность способов поддержания готовности производственной инфраструктуры к исполнению государственных заказов. Технологическое ранжирование переделов позволяет экономически целесообразно выстроить структуру средств оснащения машиностроительных предприятий, включающих заготовительное, обрабатывающее, сборочное и испытательное оборудование. Вся эта разветвленная производственная среда состоит из сложных технических объектов, требующих компетентного и своевременного контроля и управления. От технического состояния сложного технологического оборудования зависит на предприятии многое, включая качество изготавливаемой продукции. Поэтому контроль надо осуществлять максимально действенными и эффективными способами.

 

Технический контроллинг является новой формой управления производственной инфраструктурой предприятия. Без регулярного проведения технического аудита и контроллинга промышленным предприятиям очень трудно выдерживать конкуренцию с теми компаниями, которые их успешно применяют. Для предприятий важно, чтобы система контроллинга могла предложить технологически обоснованные рекомендации для менеджмента, базируясь на новых методах и моделях оптимизации производственных решений, в первую очередь связанных со станочной техникой [1].

 

Технический контроллинг сосредоточен на оперативной экспертизе и обслуживании средств оснащения, что помогает вырабатывать обоснованные решения по формированию и управлению станочным парком исходя из задач повышения эффективности использования мощностей предприятий.

 

Актуальными задачами обновления/обслуживания станочного парка являются: технический аудит → безразборная диагностика оборудования → сервисная поддержка техники. При этом ключевым фактором результативности вибрационной диагностики является профессиональная компетентность специалистов. Однако количество отечественных специалистов, владеющих наукоемкими методиками безразборной экспертизы технического состояния технологического оборудования, пока еще не соответствует растущим потребностям на такие услуги. Дело в том, что в их основе лежат не только знания динамики станков и возможностей диагностирующей аппаратуры, но и know-how по анализу и интерпретации полученной с объектов информации. Такие специализированные методики и диагностические модели оборудования нарабатываются годами [2, 3, 4].

 

Полученная диагностическая информация о техническом состоянии оборудования дает основу планирования всего цикла ремонтно-­восстановительных работ для служб предприятия, включая закупку запчастей. Особое значение информация о техническом состоянии имеет при переходе к обслуживанию «по фактическому состоянию» на основе предиктивного анализа.

 

Преимуществами предиктивного анализа являются:
• Прогнозирование и раннее предупреждение.
• Снижение внеплановых простоев.
• Более рациональное планирование ремонтов.
• Увеличение ресурса оборудования.
• Снижение эксплуатационных затрат.

 

К основным проблемам внедрения предиктивного анализа относятся:
• Корректный выбор точек установки датчиков.
• Обеспечение достаточного объема и качества данных.
• Фильтрация шума и влияние внешних факторов.
• Интерпретация результатов и интеграция в систему обслуживания.
• Стоимость внедрения и обучения персонала.

 

 

Перспективы применения

 

 

Развитие технологий IoT, нейронных сетей и алгоритмов глубокого анализа способствуют интеграции вибродиагностики в единое пространство производственных информационных систем, обеспечивая тем самым работу системы непрерывного мониторинга. Применение вибродиагностики и предиктивного анализа позволяет выявлять дефекты узлов до их выхода из строя, снижать затраты на обслуживание и повышать надежность оборудования. Успешное внедрение требует регулярного сбора данных, качественного анализа и интеграции результатов в систему технического обслуживания.

 

После ввода в действие ГОСТ 34479-2018 «Станки металлорежущие. Условия испытаний. Нормативно-­техническое обеспечение совершенствования методов диагностирования и технологий ремонтно-­восстановительных работ станочного парка» [2] все еще возникают вопросы о готовности машиностроительных предприятий работать по современной методике предупредительного обслуживания.

 

При этом имеется положительный опыт предприятий металлургии, нефтехимической и газовой промышленности, где уже перешли к обслуживанию оборудования по фактическому состоянию и получили в первый год снижение затрат на обслуживание оборудования на 30%, практически исключили аварийный выход из строя оборудования из-за технической неисправности [3].

 

В машиностроительных отраслях переход на современное обслуживание только начинается, что вызвано в первую очередь сложностью технологического оборудования и достоверностью идентификации имеющихся дефектов. Наиболее эффективное обслуживание станочного парка выполняется на предприятиях промышленности, специалисты которых проводят мониторинг и диагностику станков с высокой достоверностью и информативностью [4, 5], что позволяет предотвращать преждевременный выход из строя технологического оборудования, повысить эффективность работы станков, сократить расходы на обслуживание.

 

Как правило, получение хороших результатов имеет место там, где специалисты руководствуются оригинальными методиками диагностики, защищенными патентами и изобретениями, используют методы диагностики, отработанные на специальных стендах, например, стендах по проверке шпиндельных узлов или стендах для обкатки шариково-­винтовых пар (ШВП). Известны примеры проверки и отработки методов диагностирования ШВП как для метрической, так и для арочной резьбы. Апробация упомянутых методических решений была выполнена в ходе выполнения ремонтов собственными силами на предприятиях ракетно-­космической промышленности, причем методы проверены на отечественных станках и на станках производства Германии, Японии, Швейцарии, Тайваня и  др. [6].

 

Специалисты, которые имеют опыт по безразборной диагностике отечественных и импортных станков, должны уметь работать со станками различных типов: токарными, токарно-­карусельными, обрабатывающими центрами, горизонтально-­расточными, координатно-­расточными, шлифовальными, балансировочными и  др.

 

 

Этапы проведения безразборной диагностики

 

 

Для понимания процесса безразборной диагностики опишем последовательность выполнения работы. Весь процесс проведения вибродиагностики можно разделить на несколько этапов, которые выполняются на любом типе оборудования.

 

На первом этапе нужно получить необходимую информацию о диагностируемом оборудовании. Например, для диагностики станка требуются: кинематические схемы шпинделя, поворотного стола, приводов по трем осям, перечень элементов каждого из приведенных узлов, частоты вращения электродвигателей.

 

На втором этапе специалисты рассчитывают так называемые «собственные частоты» для каждого элемента узла, что в дальнейшем позволяет при сравнении расчетных данных с экспериментальными определить виды имеющихся дефектов и характеризующие их величины [2, 4, 5]. Пример методики расчета собственных частот приведен в работе [6].

 

Каждый элемент в подшипнике (наружное кольцо, внутреннее кольцо, сепаратор и тела качения) имеет свои собственные частоты колебаний, поэтому их достаточно легко различить и определить дефектный элемент. Частоты всех элементов раскладываются на первые 10 гармоник и сводятся в одну таблицу. Далее рассчитываем по формулам [2, 3, 4, 5] частотные характеристики вращающихся элементов на основе значений частот вращения шпинделей, винтов ШВП, валов. По рассчитанным собственным частотам элементов узлов определяем параметры необходимого частотного диапазона, приняв, что в него должны попадать десять гармоник каждого элемента. Проводим измерение спектров огибающей и прямых спектров в выбранном частотном диапазоне. Необходимо иметь возможность работать в октавном или в третьоктавном режимах. Время измерения выбираем с учетом суммирования не менее десяти спектров, в дальнейшем после суммирования и определения спектра со средними значениями проводим сравнение и анализ вышеприведенного спектра с ранее рассчитанными значениями собственных частот деталей и узлов станка. В связи с тем, что иногда реальная частота вращения отличается от заданной, необходимо в таких случаях определить реальную частоту вращения вала, провести корректировку расчетов для собственных частот всех элементов с учетом ширины допуска (в процентах) для автоматизированной подстройки расчетных частот и их сравнения с пик-факторами спектров. Определяем виды дефектов, для чего накладываем откорректированные собственные частоты элементов на графики спектров огибающей и прямого спектра, по выбору вводим различные расчетные значения элементов, по одному или сразу несколько.

 

На следующем шаге определяем величину каждого вида дефекта для каждого случая выявленного соответствия расчетных и экспериментальных величин. При этом берем отношение наибольших по значению пик-факторов из экспериментальных данных к величине среднеквадратичного значения (СКЗ).

 

СКЗ для определения величин дефектов вычисляем двумя способами: по всей ширине частотного диапазона и по участкам со стабильным характером значений СКЗ. Рассчитываем для каждой величины дефекта коэффициент модуляции, т. е. отношение в процентах разницы максимального и минимального сигналов к сумме максимального и минимального сигнала, этот коэффициент характеризует достоверность идентификации. В окончательном варианте выводим графики: временной сигнал, спектр огибающей, прямой спектр, используя 1/3 октавный фильтр.

 

Далее необходимо на основе анализа спектров идентифицировать причины дефектов: кинематические или параметрические погрешности, дефекты из-за сил трения или ударного воздействия.
Эксперт-­диагност, который проводит описанный выше анализ, должен учитывать, является ли сигнал амплитудно- или частотно-­модулированным, при этом уделять особое внимание модулирующему сигналу.

 

На спектре огибающей и прямом спектре вводим отличающимся цветом откорректированные значения собственных частот всех элементов, выводим таблицы всех амплитуд, по которым произошла идентификация дефектов, определяем виды и величины дефектов и коэффициент модуляции. Виды и величины дефектов представляем в отдельной таблице. Также представляем изображение узлов станка в графическом виде, где каждый элемент станка, влияющий на точность обработки, выделяется одним из трех цветов в зависимости от его технического состояния.

 

Принято следующее изображение дефектов:
• красный — превышает допустимые пределы и подлежит замене (подшипники, шестерни, ремни, ШВП и т.д.) или требует устранения дефектов сборки (перекосы, несоосность и т. д.);
• желтый — имеется допустимый износ или дефект сборки;
• зеленый — нет дефектов.

 

 

Примеры проведения безразборной диагностики оборудования

 

 

Описанная выше методика базируется на данных, составляющих цифровую модель станка. Цифровые модели станков являются основой для перехода к предиктивному обслуживанию, их применение обеспечивает повышение надежности и производительности оборудования, оптимизацию производственных процессов и снижение эксплуатационных затрат, способствует формированию интеллектуальных производственных систем, открывающих путь к созданию полностью цифровых фабрик будущего.
В машиностроительной отрасли уже имеется значительный опыт по созданию и применению на предприятиях цифровых моделей для всех типов станков (рис. 1).

 

 

Рис. 1. Типы цифровых моделей станков
 

 

В качестве примера рассмотрим результаты проведения вибродиагностики двух токарно-­карусельных станков модели 1М512МФ3.
Предварительно создается цифровая модель рассматриваемого станка. На показанных ниже мнемосхемах (рис. 2, 3) отмечены потенциально проблемные узлы и детали станка.

 

Рис. 2. Схема состояния деталей станка 1М512МФ3 № 1

 

Рис. 3. Схема состояния деталей станка 1М512МФ3 № 2
 

 

 

После проведения измерений и идентификации дефектов на мнемосхеме цифровой модели отражается реальное состояние: красным цветом выделены элементы, у которых износ превышает установленные допустимые пределы, желтый цвет соответствует деталям, имеющим износ в допустимых пределах, зеленым цветом обозначены элементы, не имеющие износа. Дополнительно выводятся данные и по величинам износа.

 

По результатам проведенной вибродиагностики возможно представление итоговых результатов в графическом виде.

 

У станка 1М512МФ3 № 1 имеется износ, превышающий допустимые пределы:
• в поворотном столе износились подшипники 3614, 3618 и 2316;
• в продольном приводе износился винт ШВП и шарики, подшипники 206 и 1000917, роликовые опоры Р88-102;
• в вертикальном приводе износилась гайка и шарики ШВП, подшипники 9116 и 1000917.

 

У станка 1М512МФ3 № 2 также выявлен износ, превышающий допустимые пределы:
• в вертикальном приводе износились подшипники 9116 и 1000917, установленные на винте ШВП;
• имеется износ подшипников 206 в редукторе привода.

 

Как видно из схем, ремонту подлежат лишь некоторые узлы станков. Из этого следует, что проведение ремонта по фактическому состоянию снижает затраты на закупку комплектующих, поскольку замене будут подлежать только детали, входящие в узлы, подлежащие ремонту.

 

Проведение ремонта по фактическому состоянию на основе вибродиагностики позволяет также сокращать трудоемкость капитального ремонта, поскольку исключает заведомо ненужные работы, такие так разбор узлов станка, которые не вышли из строя и имеют ресурс для дальнейшего функционирования.

 

Сокращение трудоемкости капитального ремонта приводит к двум важным результатам: сокращению затрат на заработную плату рабочих, осуществляющих ремонт, а также уменьшению времени простоя оборудования, что позволяет увеличить его производительность.

 

Таким образом, для станков модели 1М512МФ3, подошедших по времени согласно графику выполнения планово-предупредительного ремонта к проведению капитального ремонта, то есть полной разборки станков, реально необходимо выполнить только ограниченный объем работ — разбор лишь тех узлов, где имеются дефектные детали. В результате не только сокращается время ремонта, но и уменьшаются затраты на закупку комплектующих. Следовательно, переход на систему ремонта оборудования по фактическому состоянию, в частности применение методики вибродиагностики станков, позволяет получить существенный экономический эффект.

 

 

Автоматизация процесса вибродиагностики технического состояния узлов станка

 

 

Методика, описанная в предыдущем разделе, позволяет эффективно определять не только неисправности механических узлов станка, но и видеть зарождающиеся в них дефекты. Но здесь имеется одна очень серьезная проблема — проведение анализа под силу только высококвалифицированным экспертам-­вибродиагностам, которые работают не на каждом промышленном предприятии. Причем даже для такого эксперта эта работа не простая и требует значительных временных затрат.
Повышение результативности и эффективности указанных работ достигается за счет автоматизации ряда входящих в эти работы процессов как на этапах сбора данных, так и во время их анализа с помощью применяемой на предприятии информационной системы.

 

В качестве примера можно привести систему стационарного мониторинга «Диспетчер-­ВМ1», разработанную и поставляемую компанией ООО «ИЦ Станкосервис» (ГК «Цифра»), в которой возможно как полуавтоматическое, так и автоматизированное определение дефектов. Система стационарного мониторинга используется в составе комплексного программно-­аппаратного продукта «Диспетчер ТОиР. Техническая диагностика», в котором есть и блок анализа вибрационных данных.

 

Блок анализа вибрационных данных использует некоторые алгоритмы, построенные на основе методики, описанной в первой части статьи, а также предусматривает получение данных не только со стационарных приборов, но и с переносных диагностических комплексов, что при анализе позволяет более эффективно расследовать причины возникновения дефектов и отказов.

 

Вибродиагностические методы анализа автоспектра и спектра огибающей вибросигнала реализованы здесь посредством ряда автоматизированных процессов. Так, для выявления дефектов деталей шпиндельного узла станка с ЧПУ с помощью диагностической управляющей программы, зная типы подшипников и других деталей, а также скорость вращения шпинделя, можно автоматически определить не только неисправный подшипник, но также и тип неисправности — например, дефект сепаратора, наружного или внутреннего кольца, тел вращения и т. д.

 

На графике (рис. 4) экспериментальные данные, т. е. измеренный спектр вибрации, приведены в виде линий синего цвета. Расчетные данные, характеризующие отдельные дефекты деталей, приводятся в виде линий различных цветов. При несовпадении экспериментальных данных, характеризующих частоты, на которых наблюдаются дефекты, с данными для бездефектных деталей можно идентифицировать как сами виды дефектов, так и степень их развития. Оценка развития дефектов определяется отношением эталонных (бездефектных) значений амплитуд сигналов на частотах, соответствующих видам этих дефектов, к среднеквадратичному значению экспериментально полученных амплитуд.

 

Рис. 4. Временной сигнал, прямой спектр, спектр огибающей состояния ШВП при наложении расчетных значений частоты винта, гайки, тел качения и вкладышей гайки ШВП
 

 

Важно сказать, что комплекс кроме вибрационных данных имеет возможность получать данные от систем управления оборудованием (УЧПУ, ПЛК), а также информацию об отказах, дефектах станков, планах и результатах проводимых ремонтным персоналом работ по техническому обслуживанию. Это позволит при накоплении данных использовать методы ИИ и МО для перехода к предиктивному обслуживанию.

 

На рис. 5 приведен пример результата идентификации дефектов ШВП, полученного в автоматическом режиме.

 

Рис. 5. Результаты идентификации дефектов ШВП, полученные в автоматическом режиме.
 

 

 

Дополнительные задачи контроллинга работы оборудования

 

 

Получаемые при работе всей системы «АИС Диспетчер» объективные данные о выполняемых технологических операциях позволяют решать специальные задачи для профильных служб и специалистов предприятия, таких как отдел главного механика и отдел главного технолога.
В результате обработки данных об отклонениях в соответствии с заданными диагностическими правилами создается объективная картина «здоровья» производственного оборудования. Формируемая для отдела главного механика визуальная картина (аналитический экран) позволяет в удобном виде отражать состояние оборудования и проводить целенаправленный анализ проблемных станков и узлов за интересующие периоды их работы.

 

Кроме того, специальная аналитическая панель по контролю вибрации отображает состояние станков, оснащенных системами вибрационной диагностики. При этом индицируется статистика выявленных отклонений по нескольким уровням критичности: повышенная вибрация; виброперегрузка; удар-сообщение; удар-стоп-подача; удар-авария.

 

Аналитическая панель «Экран главного технолога» позволяет:
• обнаружить нарушения технологического процесса операторами;
• определить причины возникновения брака;
• выявить неоптимальные процессы с точки зрения перегрузки оборудования и, наоборот, с точки зрения заниженных режимов работы;
• оптимизировать технологический процесс;
• локализовать технические проблемы оборудования.

 

Выполнение этих задач основано на использовании ключевых индикаторов: «Виброперегрузка», «Предупреждение», «Остановка тех. процесса». Анализ этих индикаторов может быть выполнен в разрезе одинаковых технологических операций (одинаковых повторяющихся циклов УП) или разных циклов УП для одной единицы оборудования. Есть и возможность анализировать значения режимов работы оборудования по кадрам УП. Индикаторы отражают также количество соответствующих событий, произошедших за анализируемый интервал времени.
Для дополнительного анализа возможен вывод графика измеряемых параметров, позволяющего сделать определенные выводы. Например, если повышение уровня вибрации произошло сразу после изменения значений скорости подачи и скорости вращения шпинделя, то вероятная причина — вмешательство оператора в технологический процесс. А если все зарегистрированные события локализованы только в циклах с отклонениями от эталона, это также свидетельствует о вине оператора.

 

В заключение следует сказать, что контроллинг технического состояния технологического оборудования на основе цифровых моделей станков основан на объективных данных и создает благоприятные условия для углубленного анализа режимов производственного использования оборудования как для оперативной оценки ситуации, так и для предотвращения неисправностей и нарушений технологии.

 

Литература
1. Макаров В.М., Савинов Ю.И. Обоснованный выбор средств контроля качества в технологических процессах // Главный механик. 2015. № 4. С. 16–29.
2. ГОСТ 34479–2018: «Станки металлорежущие. Условия испытаний. Нормативно-­техническое обеспечение совершенствования методов диагностирования и технологий ремонтно-­восстановительных работ станочного парка». ЕАСС. 2018 г. С. 63.
3. Барков А.В., Баркова Н.А. Вибрационная диагностика машин и оборудования. СПб.: Изд. центр СПбГМТУ, 2004.
4. Писарев В.И., Ваганов А.А., Денисенко А.Ф., Тютерев И.О. Техническое обслуживание и ремонт металлообрабатывающих станков с ЧПУ на основе безразборной диагностики технического состояния. Известия Самарского народного центра Российской академии наук // 2014. Т. 16. № 1 (2). 
5. Савинов Ю.И. Управление жизненным циклом станков на предприятиях Роскосмоса // Станкоинструмент. 2016. № 2. С. 74–81.
6. Савинов Ю.И. Управление жизненным циклом станков с ЧПУ и переход к их обслуживанию по фактическому состоянию // РИТМ машиностроения. 2025. № 3. С. 120–123.

 

Источник журнал "РИТМ машиностроения" № 4-2026