基于振动分析技术的医院大型动力设备可靠性升级*

倪雨嘉 杨晓东 方舒超

上海市儿童医院 上海 200062

1 医院动力设备的可靠性需求

医院作为全年24小时不间断运作的机构，医院楼宇对于其动力设备的运转可靠性有着极高的依赖性。现代医院的动力设备从系统上划分，大致可分为给排水系统、电力系统、暖通系统、蒸汽系统、中心供氧、负压吸引等。此类系统的核心设备就好比医院楼宇的五脏六腑，而其遍布楼宇的庞大管网就好比楼宇的血管神经网络，保障着末端先进医疗设备的正常运作，维系着医疗环境的安全有序，其重要性可想而知。随着现代医院对动力设备依赖性的不断提升，其对可靠性的需求也正以成正比的态势不断攀升。同时，近年来医院的动力设备在数量与体量上均在不断攀升。现代大型医院的每一次改扩建都意味着一次动力设备的扩充，而随着科技的进步，医院的每一次改扩建项目往往会新增一批型号不同且更为先进的设备，或是更新原先陈旧老式的设备。以冷源设备为例，二十年前的医院多以分体式空调为主要冷源设备，而今一所大型医院内可能就拥有VRV机组、离心式机组、螺杆机组、风冷热泵机组、溴化锂机组等不同型号的冷源设备。这一系列随着时代变迁所带来的发展与变化，不但需要医院后勤部门在技术储备上与时俱进，更是应在管理理念上不断突破，才能适应这一变化所带来的挑战。

2 医院动力设备的可靠性现状

然而，各大医院对于动力设备系统的管理精细化程度以及系统可靠性水平参差不齐。现代化程度较低的老旧医院楼宇内，设备的自动化程度低，大量的运维工作需通过人工操作、人工巡检等方式完成，甚至部分核心设备未配置冗余量，单台核心设备发生故障时，维修期间将导致系统停用从而严重影响部分临床业务的开展。现代化程度较高的新建医院楼宇，其设备的自动化程度高，通过集成度较高的自动化系统即可完成绝大部分的运行操作以及监控预警工作，且对于核心设备均配置了合理的冗余备用量，可做到维修单台核心设备过程中依托备用设备保障临床业务工作不受影响。但是，即便是现代化程度较高的新建楼宇，单纯地依靠自动化技术以及核心设备的冗余配置做到动力保障体系的容灾可靠远远不够。做好预防性维修工作，是降低设备非计划性停机维修，降低业务影响的有效手段。然而，真正做到精准的预防性故障判别、落实预防性维修的医院微乎其微，大部分医院依然停留在被动式维修、抢修的技术阶段，整体动力设备保障体系的可靠性需进一步提升。

3 医院动力设备的管理难点——预防性维修判别手段匮乏且不可靠

所谓动力设备的预防性维修，指的是当设备本体出现问题，但并未导致设备失效停用前，即已完成判断并提前进行有计划有准备的维修。此类有计划的维修，临床可根据后勤部门的预通知，同步配套业务计划的调整，可大大降低维修阶段对于临床业务的影响。

目前对于动力设备故障预判的手段较为匮乏且不可靠，进而导致了预防性维修率低下。常见的故障预判手段大致有两种，第一种是通过对设备基本工况参数的实时监测，了解诸如：电流、电压、温度、负载等参数，当监测到工况数据超过限值则可基本判定设备发生了故障。此类方式虽然可有效甄别设备的状态，但发现故障时往往为时已晚，因为基本运行参数的超限，代表了设备已濒临失效或已经故障，并不能完全给维修预留充足的计划和准备时间。第二种方式则是通过少部分经验丰富的维修技术人员“经验化”的判别，他们通过丰富的经验，接收设备的运行声音即可进行故障预判。此类方式虽可前置设备故障预判时间，但经验丰富的维修技术人员可遇不可求，且依托人力无法做到对于设备24小时不间断的监测，在人工巡检的真空期，设备的故障隐患依然难以被挖掘。因此，绝大部分医院始终无法有效提升动力设备的预防性维修率。

4 依托振动分析技术构建动力设备的“心电图谱”

4.1 基于故障显性机理捕捉隐患“蛛丝马迹”

大型动力设备故障振动分析系统是基于设备故障显性的机理，通过大数据技术对运行振动频谱的分析，捕捉故障爆发前的“蛛丝马迹”。马达电机、水泵、空压机等动力设备的核心部件，在运行过程都会伴随着振动、声音、温度等可被监测的变量。正常运行过程中，这些变量普遍相对稳定，若产生了部件故障往往首先是振动发生异常，进而运行声音产生变化，若未及时处置，则最终演化为温度的升高直至彻底损坏。对于设备安全监管较为重视的医院通过点温巡检、温度传感器实时探测等方式，一般可在温度升高阶段发现问题，但此时的设备也已接近故障停机。若要给计划性维修、应急处置预留充足的时间，则须进一步前置故障判别时间，在设备运行异常的最初显性阶段，即振动异常阶段发现问题，进而实施有效的干预。

4.2 振动分析系统的建设方案

建设方式上，在动力设备核心运行部件上设置数量不等的振动传感器（一般依设备体积和功率而定），通过数据采集器、路由器进行通讯组网并结合物联网、大数据分析技术形成此类系统总体建设架构[1]。实现实时振动数据采集、存储、比对分析、预警判别于一体的设备振动分析预警平台（如图1所示）。实时采集的设备振动数据以振动频谱的形式呈现，犹如设备运行的“心电图谱”，工况良好的设备振动频谱往往规律且稳定，任何部件异常都可能直接反应在频谱图中，以不规则的图形状态显现，此类情况的发生即是预示着故障早期隐患的发生，须跟进下一步故障检测。数据平台同时具备自主学习、迭代功能，随着样本数据的不断累积，其分析输出的预警信息准确性也将同步提升，为后勤工程人员对于设备故障判别提供重要依据。

图1 上海市儿童医院动力设备振动分析平台部分界面

4.3 振动分析系统的应用路线

应用路线方面，首先第一阶段需梳理出医院动力设备清单，医院根据实际预算情况，若预算充足则建议覆盖所有动力设备，若预算有限，则可根据重要度等级，选择重要度较高、影响面较大的动力设备（诸如：大型生活供水泵、总排水泵、空调循环泵、空压机、中央空调冷却塔电机等等）进行首批次覆盖。第二阶段则是系统搭建阶段，根据前期梳理确定的设备清单，对应部署振动传感器，搭建通信网络，软件调试[2-5]。第三阶段则进入了后期运行与维护阶段，也是最为关键的阶段，直接影响到此类系统的应用效果。在后期运行维护阶段，后勤工程人员首先须监测记录各设备运行频谱，同步结合现场设备实际运行情况进行比对，扩充系统内样本量并与软件工程师共同优化细化各类频谱图的定义。随着样本量的不断累积，系统的大数据智能预警能力将得到不断完善，不但可以精准识别异常状态设备，同时可以预测提示异常设备的故障原因，进一步提升后勤工程人员维修效率。

5 振动分析系统的实际应用案例与成效

以某次我院一台大型电机设备的在线诊断为例，某日系统监测发现1台高压三相异步电机电动机非轴伸端振动偏大。从趋势图中可以发现（如图2所示），开始监测机组时振动值已经达到12g，于13:23瞬时降低，而后趋势缓慢增大，在14:02 再次瞬时降低。调阅非轴伸端分析频率为10000Hz的波形频谱图中显示，在3500～5500Hz之间存在较大能量，可以看到大量的明显的底噪，以及120Hz（约7.5倍工频）为间隔的边带，系统提示维修人员是非轴伸端轴承润滑不良，并伴有轴承外圈早期故障，且大概率发生轴承松动[6]。经后勤维修人员现场停机查验，确认存在上述问题，立即落实维修工作，更换老化轴承并添加润滑油，及时避免了后续更为严重的故障隐患。

图2 电动机非轴伸端振动趋势

我院动力设备在线振动分析平台于2021年正式启用，应用成效显著，上半年度预警10次，正确率100%，其中大数据故障原因判断准确率为80%。预防性维修率环比2020年下半年度上升25%，整体达95%，楼宇内大型动力设备可靠性得到显著提升。

6 结束语

医院动力设备振动分析系统是一次“机电技术+大数据技术”的创新融合，通过大数据技术的应用，有效解决了传统机电技术在故障预判时效性方面的短板，进一步前置故障预判时间，也将动力设备的预防性维修引入了更科学、更智能、更精准的发展轨道，提升了医院大型动力设备的可靠性[7]。每一名医院后勤管理者应紧跟科学技术迭代的步伐，突破传统思维，以科学的手段解决管理中的痛点与难点，携手构筑安全、可靠、高效的后勤保障体系。