Fantastisk video om teorin runt DFT, även fast jag inte läst om DFT på över 10 år så hängde jag med på det mesta!
Ersholm
Skriver om allt som intresserar mig, mina tankar och funderingar.
-
Läste [1] som studerat olika fallstudier om processen att implantera Lean Manufacturing (LM) och författarna beskriver processen som lång och att den kräver målmedvetenhet. Organisationer/företag fokuserar oftast bara på några få delar av processen som ex. Cellular manufacturing, pull system mm. för att få deras produktionssystem att bli bättre.
I verkligheten är det en långsiktig satsning som om det ska lyckas behöver fokus vara på att eliminera krångliga moment som bristande riktning och planering. Vidare behövs att alla element av LM implementeras i rätt sekvenser och med en plan. Artikeln [1] ger förslag på en guide för att kunna implementera ett LM-system i sekvenser som ger goda chanser att lyckas med implementering även övertid.
I artikeln som kort beskriver olika delar av LM fanns även ett citat som jag verkligen fastnade för,
Berger et al. [31] suggested that the Standard Work is the basic tool for continuous improvement.
Där ”Standard Work” menas med den säkraste och effektivaste arbetssättet för att utföra ett arbete, på kortast möjliga tid med minsta möjliga resurser, så som tid, material och maskiner.
För att kunna börja med LM gäller det att börja någonstans och början är Standard Work.
Referenser
- R. Sundar, A. N. Balaji, and R. M. S. Kumar, “A Review on Lean Manufacturing Implementation Techniques,” Procedia Engineering, vol. 97, no. 1, pp. 1875–1885, 2014, doi: https://doi.org/10.1016/j.proeng.2014.12.341.
-
Väldigt intressant video om hur FFT kom till och lite kort vad den används till.
-
Fast fourier transform (FFT) är den dominerande metoden för att omvandla en tidssignal (även kallat råsignal) till ett spektra inom vibrationsanalys. I en artikel från 2020 [1] testar en forskargrupp på LTU att behandla data från verkliga haverier (2 st) som gått igenom en envelope-process med en 3 stegs descrete walvet transform (DWT) och welvet packet transform (WPT) där dom jämför dessa mot varandra och standard processen FFT. Förklaring av alla 3 får bli ett eget inlägg senare.
Resultatet blir att FFT och DWT är relativt lika varandra, däremot så har WPT mindre brus vilket ger att skadan i ett av fallen syns 4a dagar tidigare jämfört mot FFT och DWT. WPT ökar tydligare i trend, nästan dubbelt upp mot övriga. Detta för att det blir lättare att larmsätta och med det i förlängningen träna upp en modell för maskininlärning för att övervaka.
Baksidan på medaljen är att WPT är en mer komplex process än FFT och det leder till att beräkningen tar 6200 gånger längre att göra för WPT (5,62 s) mot FFT (0,92 ms).
Det ska också nämnas att 1 av 2 fall kunde varken WPT, DWT eller FFT hitta några tecken på inkommande haveri, forskargruppen misstänker att det hade att göra med att givaren var placerad för långt ifrån felande lager.
Ska bli spännande att följa om WPT tekniken blir mer vanlig i framtiden och om det är den tekniken som behövs för att kunna använda maskininlärning på ett mer pålitligt sätt än idag.
Referenser
- Strömbergsson D, Marklund P, Berglund K, Larsson P-E. ”Bearing monitoring in the wind turbine drivetrain – A comparative study of the FFT and wavelet transforms.” Wind Energy. 2020;23:1381–1393. https://doi.org/10.1002/we.2491
-
För att kunna göra bra analyser behövs bra data att analysera. För att få in bra data behövs rätt inställningar, så att vi kan hitta störfrekvenserna (ex. lagerfrekvenser) för maskinen i både spektra, trend och tidssignal. Får vi in dålig data så blir också analysen sämre. Skräp in, skräp ut.
För att säkerställa att alla störfrekvenser finns med i ett spektra använd följande minimum krav enligt [1]:
- Använd upplösning som tydliggör den lägsta störfrekvensen ex. FTF och den högsta störfrekvensen ex. GMF.
- Inkludera minst 3,25 övertoner på GMF och minst 6,25 övertoner på BPFI i spektra.
- Använd minst en mätning för att fånga upp lagerskador (PeakVue, Envelope etc.)
ISO-standard säger 10-1000 Hz i normal fall för vibrationsövervakning, däremot om du övervakar en växellåda kan du behöva över 1000 Hz för att få in 3,25 GMF eller 6,25 BPFI och om du övervakar en trumma på en transportör kan det behövas gå under 10 Hz för att se den lägsta störfrekvensen. Axelsrotationsfrekvens ska alltid vara synligt i spektra och ska inte klippas bort, däremot kan det vara nödvändigt att klippa bort FTF för att undvika ”skidbacke” i spektra.
Hur många axelvarv behövs i en mätning för att det ska bedömas som tillräckligt? Enligt [1] så rekommenderas 10 rotationer på axeln under en mätning, helst 12 rotationer. Av min erfarenhet att döma så är det alldeles för lite, jag rekommenderar ett minimum på 20 rotationer, vilket är i linje med vad [2]-[3] rekommenderar. Helst dubbelt upp mot minimum, fler axelvarv är bättre för mätningen i normal fall. Vill du följa lagerskador behöver du många rotationer, säg att du har en skada på kulan i ett lager. Då är det inte säkert att den hinner slå i ytter- eller innerringen med bara 10 rotationer.
Vidare enligt [1] så bör upplösningen ha 33% i skillnad mellan defektfrekvenserna som ska följas. Vilken kan vara en rimlig regel. Däremot så rekommenderas att ha så hög upplösning som möjligt, baksidan med hög upplösning är att mättiden blir längre. Detta gör att man behöver tänka sig för när man analyserar långsamtgående maskiner (under 100 rpm). Att höja upplösningen på en elmotor med ex. 1500 rpm från 1600 linjer till 6400 linjer ökar mättiden från ca 1,6 till 6,4 sekunder/mätning vilket kan vara värt väntan. Medan att göra samma sak på en trumma till en transportör kan öka mättiden från 25 till 100 sekunder/mätning, vilket kan förlänga en mätrond betydligt.
För övrigt rekommenderas att inte använda medelvärden, detta går emot vad som sägs av bland annat Mobius Institute och andra mer tongivande analytiker inom condition monitoring. Anledningen är ex. om vi tar en kula som har en skada i ett lager, inom att den inte per automatik slår i ytter- eller innerringen så finns en risk att denna typ av skada smetas ut av medelvärdesbildningen.
Referenser
- J. Sylvester, Enhancing System Reliability Through Vibration Technology. Great Britan: The Seasoned Analyst, 2020.
- S. Morris, Monitoring slow rotating equipment with vibration analysis? SKF Pulp & Paper Practices, nr 19, Dec, 2016. [Online] Tillgänglig: cdn.skfmediahub.skf.com/api/public/0901d196805b0942/pdf_preview_medium/0901d196805b0942_pdf_preview_medium.pdf#page=2.71 Hämtad: 2025-05-05
- D. Strömbergsson, Improving detection and diagnosis of bearing failures in wind turbine drivetrains, Division of Machine Elements, Luleå Tekniska Universitet, Luleå, Sverige, 2020. [Online] Tillgänglig: https://ltu.diva-portal.org/smash/get/diva2:1439962/FULLTEXT02.pdf
-

Envelope-tekniken i schematisk bild [2]. Envelope-tekniken inom vibrationsövervakning är något som jag sett en hel del inte riktigt förstår hur den fungerar. Jag har bland annat läst en felaktig beskrivning i Sylvesters annars så relativt välskrivna bok Enhancing System Reliability Through Vibration Technology, 2020 (rekommenderad läsning för den inbitne). Därför gör jag ett försök att gå igenom hur tekniken fungerar.
Envelope-tekniken är en analysmetod som togs fram 1984 av McFadden & Smith och är framförallt för att hitta lagerskador. Metoden går ut på att repetitiva slag skapar resonans i lagret och detta går att separera från ”maskinbruset” [1].
Steg 1 är att samla in en tidssignal även kallat ”råsignalen” som i steg 2 passerar ett bandpassfilter som sorterar ut eftersökt frekvensområde. SKF har 4 olika frekvensområden som går att sortera ut, kallas väldigt enkelt Envelope 1-4. Där 4 är den högsta frekvensen, alltså de ”finaste” filtret.
Steg 3 är att den filtrerade signalen processeras genom en demodulator (enveloper) för att hitta upprepningsfrekvensen (repetitiva slag, spikar) från tidssignalen därefter sker steg 4 som är FFT av den behandlade signalen [2].
Hur står sig Envelope-tekniken mot andra metoder/tekniker? I en studie från 2023 jämförde man Envelope, EMD (empirical mode decomposition) och gammatons filter (används primärt inom ljudmodulering). Där man kom fram till att Envelope var en överlägsen teknik mot de andra metoderna för att hitta lagerskador. Envelope fångade alla skador i spektra medans de övriga oftast bara gav utslag på 1 av 8 kanaler [3]. Här jämfördes inte SPMs stötpulsmätning (SPM HD) eller någon annan av dom stora konkurrenternas lösningar. Däremot så har SPM tagit fram sin egen envelope-teknik (HD ENV) vilket i min mening säger en del om envelope-teknikens värde.
SKF har sin envelope-teknik patenterad så används envelope-teknik från en annan tillverkare kan slutresultatet skilja sig. Det går alltså inte att jämföra ett resultat rakt av mot ett annat system.
Vidare ska nämnas att artikeln från 1984 kommer jag inte åt i detta nu så refererar till Daniels doktorsavhandling där han beskriver detta.
Referenser
- D. Strömbergsson, Improving detection and diagnosis of bearing failures in wind turbine drivetrains, Division of Machine Elements, Luleå Tekniska Universitet, Luleå, Sverige, 2020. [Online] Tillgänglig: https://ltu.diva-portal.org/smash/get/diva2:1439962/FULLTEXT02.pdf
- D. Howieson, Vibration Monitoring: Envelope Signal Processing, 2003. [Online] Tillgänglig: http://www.maintenance-engineering.eu/downloads/public/envelope%20bearing.pdf
- A. Kumar, D. Strömbergsson, Par Marklund, and F. Sandin, “Exploring Filter Banks and Spike Interval Statistics of Level-Crossing ADCs for Fault Diagnosis of Rolling Element Bearings,” Annual Conference of the PHM Society, vol. 15, no. 1, Oct. 2023, doi: https://doi.org/10.36001/phmconf.2023.v15i1.3493.
-
Run-To-Failure
Det finns olika typer av underhållsprogram som används inom industrin där dom stora Run-To-Failure (ja det är faktiskt en metod) är den vanligaste och det är rimligast att använda på maskiner med lägre prioritet, som är ”billiga” att ersätta och som kan bytas utan att störa produktionen. Däremot brukar den skapa kostnader i form av driftstörningar, skadade maskiner (ibland även på maskiner som varit i närheten) och övertidsarbete.
Maskiner som går till haveri blir ofta 10 gånger dyrare att reparera/åtgärda än om reparationen hade varit planerad.
Metoden gör även att det är svårt att säga vilken status det är på maskinerna i anläggningen och därför är det också svårt att veta vilka underhållsåtgärder som är nödvändiga [1].
Periodiskt förebyggande underhåll
Periodiskt förebyggande underhåll går ut om att maskinens historia analyseras för att kunna planera in åtgärder innan problem på maskinen uppstår. Förbyggande åtgärder innebär alltså aktiviteter som byte av olja, filter, rengöring och inspektion.
En undersökning gjord av United & American Airlines i början på 90-talet (?) visade att 20-25% maskinerna som haft underhållsåtgärder ledde till uppstartsfel, där ungefär 10% berodde på defekta lager. Det man kan dra från det är att göra underhåll kan leda till defekter, vilket gör att maskiner som underhålls baserat på tid kan korta ner maskinens livslängd jämfört med ex. tillståndsbaserat underhåll [1].
Tillståndsbaserat underhåll
Det tillståndsbaserade underhållet bygger på antagandet att det flesta maskinkomponenterna ger i från sig någon typ av varning innan haveri. För att kunna övervaka maskinen krävs flera olika typer av icke-destruktiva tester som ex. oljeanalys, vibrationsanalys och temperaturmätningar. Det skapar möjligheter att göra underhållsplanering med relativt hög noggrannhet, många industrier rapporterar en produktionsökning med 2-10% med tillståndsbaserat underhåll, minskar kostnader för reservdelar och arbetskraft.
Av alla icke-destruktiva tester som kan göras på en maskin så ger vibrationsövervakning bäst resultat för att undvika haveri [1]. Ett exempel är från två raffinaderier I USA där dom oplanerade stoppen för reparation av utrustning minskade från 33% till 4% [2].
Det finns även möjlighet att med data som skapas i och med tillståndsbaserat underhåll använda detta för att förbättra anläggningen, vilket kallas aktivt baserat underhåll. Vilket går ut på att om en maskin går till haveri försöker man analysa varför och göra förbättringar för att undvika att det händer igen [1].
En utredning om förebyggande underhålls ekonomiska nytta (årtal oklart) från olika industrier i Kanada, USA, Frankrike mm. visade att:
- Reparationskostnader minskade med 50-80%.
- Maskinhaverier reducerades med 50-60%
- Reservdelslager minskade med 20-30%
- Maskinstillestånd minskade med 50-80%
- Övertidskostnader minskade med 20-50%
- Maskiners livslängd ökade med 20-40%
- Produktiviteten ökade med 20-30%.
Här ingår flera delar som inspektioner, smöranalys mm. Däremot har vibrationskontroll visat sig vara väldigt betydelsefull [2].
Referenser
- G. White, Maskinvibration: Vibrationsteori och principer för tillståndskontroll. Landskrona, Sverige: Diatek vibrationstenik, 1996.
- G. Lindholm, Vibrationer i maskiner. 1996.
-

Stanley Milgram, en psykolog från Yale ville förstå hur nazisterna under andra världskriget kunde döda så många på så stor skala. Är det så att om någon ovan för oss i hierarkin ger oss en order på något som är helt emot våran moraliska kod, känslan för rätt och fel, att vi helt enkelt bara lyder.
Försvaret från många nazister var -”Vi hade inget val, vi följde bara order.”
Så därför designade Milgram 1961 ett experiment för att försöka förstå våran lydnad till en autoritär makt och det var relativt enkelt utformat. Två volontärer, en skulle spela lärare och en skulle spela student. Den som spelade studenten var egentligen en annan forskare involverad i experimentet, men det var utformat så att det såg ut som att forskaren blev student av slumpen. Läraren skulle ställa en mängd frågor till studenten och om studenten svarade fel eller vägrade svara skulle läraren ge en elektrisk stöt.
I själva verket var stöten som studenten fick mild och läraren fick också denne en mild stöt för att hen skulle känna hur det kändes. Det gjordes klart för läraren att för varje switch så ökade strömstyrkan, för att göra det extra klart var varje switch märkt med “Slight Shock”, “Moderate Shock”, “Strong Shock”, “Very Strong Shock”, “Intense Shock” och “Extreme Intensity Shock” tills det kom till dom sista “Danger: Severe Shock”, “XXX” så det inte var någon chans till missförstånd vad vilken switch gjorde.
160 deltagare gick igenom experimentet med 4 olika variationer.
- Studenten satt intill läraren och läraren placerade fysiskt studentens hand på metallplattan.
- Studenten var i samma rum som läraren och läraren kunde se & höra studentens reaktion efter varje chock.
- Studenten var i ett annat rum och läraren kunde inte se effekten av varje chock men hen kunde höra studentens skrik och protester.
- Studenten var i ett annat rum och läraren kunde varken se eller höra studenten.
Som väntat uttryckte alla frivilliga oro, när dom förstod att dom utsätter studenten för smärta. Bredvid varje lärare var en forskare som stod intill dom med en vit labbrock och dom frågade om dom skulle fortsätta experimentet trotts studentens klagan. Forskaren svarade alltid -”Vänligen fortsätt.”, frågade läraren en andra gång svarade han -”Experimentet kräver att du fortsätter.”
Allt eftersom experimentet fortlöpte och volontärerna använde fler och fler switchar men större styrka började några volontärer bli nervösa, vissa svettades och skakade. Även fast volontärerna var väldigt obekväma så fortsatta de flesta med experimentet.
Innan experimentet hade forskargruppen uppskattat att 2-3% av urvalsgruppen skulle fortsätta hela vägen och dom som gick hela vägen skulle ha psykopatiska drag.
Volontärerna i grupp 1 slutade 70% utan att gå speciellt långt. Grupp 2 hade något lägre och 60% slutade utan att gå speciellt långt. Däremot när dom inte kunde se eller höra studenten så var det bara 35% som vägrade fortsätta, vilket betyder att 65% av volontärerna skulle gå så långt att dom hade kunnat döda studenten.
Även om dom trodde att studenten var skadad eller död så yrkade flera på oro för sin egen roll och insisterade på att dom inte kunde hållas ansvarig, inte en enda av volontärerna visade någon oro för studentens hälsa. Ingen frågade om att få titta in i det andra rummet utan var oroliga för egen roll i det och om det kunde falla något ansvar över dom.
När experimentet var över så visade forskargruppen att studenten var okej och att inga stötar hade delats ut. Vissa som gick hela vägen visade ånger för vad dom gjort medans andra skyllde deras gärningar på studenten. Om det skulle bli några konsekvenser av detta så skulle dom ansvariga ställas till svars, dom gjorde bara som dom blivit tillsagda.
Vissa gick så långt och skylde på studenten ”han var så dum och envis”, ”han förtjänade att få stötar.”
Av dom som avslutade experimentet tidigare när dom insåg att dom utsatte studenten för smärta kände sig ansvariga för en högre makt. Vissa var religösa men alla kände sig ansvariga till en högre makt än den forskare som var i rummet.
Experimentet har kritiserats för att vara djupt oetiskt.
Läs mer på Wikipedia
Referens
- S. Sinek, Leaders Eat Last: Why Some Teams Pull Together and Others Don’t. London: Portfolio Penguin, 2017