Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ASTM D7720 TRADUCIR - En.es PDF
ASTM D7720 TRADUCIR - En.es PDF
Esta norma ha sido publicada bajo la designación D7720 fi jo; el número inmediatamente después de la designación indica el año de adopción original o, en el caso de
revisión, el año de la última revisión. Un número entre paréntesis indica el año de la última aprobación. A epsilon superíndice ( ') indica un cambio editorial desde la última
revisión o re-aprobación.
1 Alcance mensurando valores basados en por ciento se utilizan para crear, evaluar y ajustar los límites
evaluar los umbrales de alarma mensurando, que se denominan límites de alarma, ya que se
1.4 Esta guía se puede aplicar a la muestra de datos de las pruebas
aplican a los datos recogidos de análisis de aceite en servicio. Estos límites de alarma se
de en-servicio lubricante muestras de aceite recogidas de manipulación (por
contaminación del sistema. Los límites de alarma distinguir o varios niveles separados de
alarma. Cuatro niveles son comunes y serán utilizados en esta guía, aunque tres niveles o
1.5 Esta guía también se puede aplicar a la muestra de datos de
de pruebas de muestras de aceite en servicio recogidas de otras aplicaciones de equipos
cinco niveles también se pueden utilizar.
donde el monitoreo para el desgaste, la condición del aceite, o la contaminación del sistema
son importantes. Por ejemplo, puede ser aplicado a conjuntos de datos de aplicaciones fi
1.2 Una técnica básica de control de proceso estadístico descrito
aceite del transformador llena y el interruptor de circuito.
se recomienda en el presente documento para evaluar los límites de alarma cuando los conjuntos
de datos mensurando pueden caracterizarse como tanto paramétricos y en control. Una
distribución de frecuencia para este tipo de datos paramétricos establece fi ts una distribución
1.6 Límite de alarma evaluar las técnicas, que no son estadísti-
normal de dos colas de buen comportamiento que tiene una “campana” apariencia curva. límites
camente basada no están cubiertas por esta guía. Además, las técnicas de esta norma
de control estadístico Los datos se calculan usando esta técnica. Estos límites de control
pueden ser incompatibles con las siguientes técnicas de selección de límite de alarma:
operador puede utilizar para crear objetivamente, evaluar y ajustar los límites de alarma.
1.7 Las técnicas de esta guía proporcionan salidas que pueden estar
en comparación con otras técnicas de selección de límite de alarma. Las
1.3 Una técnica de distribución acumulativa estadístico descrito técnicas en esta guía no se oponen o sustituyen los límites que han sido
en este documento también se recomienda para crear, evaluar y ajustar los límites de establecidos, revisados por un fabricante de equipos originales (OEM) u otra
alarma. Esta técnica particular emplea un porcentaje de distribución acumulativa de los parte responsable.
valores del conjunto de datos ordenados. La técnica se basa en una distribución de 1.8 Esta norma no pretende considerar todos los problemas de seguridad,
conjunto de datos real y por lo tanto no depende de una presunta estadística per fi l. La si los hay, asociados con su uso. Es responsabilidad del usuario de esta norma
técnica se puede utilizar cuando el conjunto de datos es o bien paramétrico o no establecer las prácticas de seguridad y salud y determinar la aplicabilidad de
paramétrico, y puede ser usado si una distribución de frecuencia aparece sesgada o las limitaciones reglamentarias antes de su uso.
tiene sólo una única cola. Además, esta técnica puede ser utilizada cuando el conjunto
de datos incluye la variación de causa especial además de la variación de causa común,
2. Documentos de referencia
aunque la técnica se debe repetir cuando una causa especial cambia significativamente o
se elimina. Las salidas de esta técnica son valores mensurando fi específicas
2.1 Normas ASTM: 2
D445 Método de prueba para la viscosidad cinemática de líquidos
correspondientes a los niveles de porcentaje seleccionado en una parcela de distribución
transparentes y opacos (y Cálculo de la viscosidad dinámica)
acumulativa del conjunto de datos ordenada. Estas
D664 Método de prueba para el índice de acidez de los productos derivados del petróleo mediante
valoración potenciométrica
1 Esta guía está bajo la jurisdicción del Comité ASTM D02 en los productos del petróleo y
2 Para las normas ASTM citadas, visite el sitio web de ASTM, www.astm.org, o el contacto de cliente en
lubricantes y es responsabilidad directa del Subcomité D02.96.04
sobre Directrices para In-Servicios de Análisis de Lubricantes. ASTM service@astm.org. por Annual Book of ASTM Standards información de volumen, consulte la página
Edición actual aprobado el 1º de junio de 2011. Publicado en septiembre de 2011. DOI: 10.1520 / Resumen de documentos de la serie en el sitio web de ASTM.
D7720-11.
Copyright © ASTM International, 100 Barr Harbor Drive, PO Box C700, West Conshohocken, PA 19428-2959, Estados Unidos.
D974 Método de prueba para Número de ácidos y bases por ColorIndicator D7670 Prácticas para el Tratamiento en servicio muestras de fluido para partículas
Titulación Análisis de la contaminación utilizando Filtros de membrana
D4928 Método de prueba para el Agua en petróleo crudo mediante coulométrica Karl
determinación del desgaste de escombros ferromagnético y no ferromagnético
Fischer
y diagnóstico de cojinetes de motor de turbina aeroderivados y Aircraft Gas
ción y el desgaste entre dos superficies en movimiento relativo se determinan por las
D6595 Método de prueba para la determinación de metales de desgaste y propiedades de las superficies y las propiedades del fluido de contacto, distintos de
contaminantes en los aceites lubricantes usados o fluidos hidráulicos uso girando el viscosidad en masa.
disco de electrodos espectrometría de emisión atómica 3.1.3.1 Discusión -Metal a contacto de metal se produce y la
química del sistema está involucrado. Adsorbido físicamente o se hace reaccionar químicamente
D6786 Método de prueba para conteo de partículas en Mineral del aceite aislador El uso de películas suaves cargas de contacto de apoyo (generalmente muy delgado). En consecuencia, un
D7042 Método de prueba para la viscosidad dinámica y la densidad de los 3.1.4 causa casualidad, n -source de variación aleatoria inherente
líquidos por Stabinger (y el cálculo de la viscosidad cinemática) en un proceso que es predecible dentro de los límites estadísticos; también llamado causa
común.
3.1.5 característica, n -property de elementos de una muestra o
D7279 Método de prueba para la viscosidad cinemática de líquidos transparentes y
población que, cuando se mide, contado o de otra manera observado, ayuda a
opacos por automatizado Houillon Viscosímetro
distinguir entre los elementos.
D7414 Método de prueba para Condition Monitoring de oxidación en In-Service
3.1.6 conjunto de datos, n colección-lógico de datos que soporta una
Petróleo y basado en hidrocarburo Lubricantes por análisis de tendencias Utilizando
función de usuario y podría incluir una o más tablas de datos, archivos, o fuentes.
transformada de Fourier de infrarrojos (FT-IR) Espectrometría
3.1.11 observación periférica, n -observación que parece 3.2 Definiciones de términos especí fi co para esta Norma:
se desvía notablemente en valor de otros miembros del conjunto de la muestra en la que 3.2.1 límite de alarma, n valores de condiciones -alarmas que delinean
aparece, también llamado parte aislada. un nivel de alarma de otro dentro de un conjunto mesurando; también llamado umbral de
3.1.12 paramétrico, n -term referencia a una estadística tecno- alarma.
nique que asume la naturaleza de la distribución de frecuencias subyacente se 3.2.1.1 Discusión varios niveles de alarma -Cuando son desig-
conoce. NATed, entonces un límite primera alarma separa el nivel normal del nivel de alerta, y
3.1.13 población, n -bien de fi nida conjunto (ya sea finito o un segundo límite de alarma separa el nivel de alerta de nivel de acción. En otras
en finito) de elementos. palabras, mesurando valores de datos mayor que el límite de alarma primero y
menos-que-o-igual-a están en el estado de la segunda alarma de nivel de la segunda
3.1.16 línea central, n -LINE en un gráfico de control que representa la 3.2.1.3 Discusión control de procesos -Statistical se utiliza para
nivel medio de la estadística está supervisando. evaluar los límites de alarma que comparan un valor límite de control con un valor de límite de
3.1.17 límites de control, n -Límites en un gráfico de control que son alarma. distribución acumulativa estadístico se utiliza para evaluar los límites de alarma mediante
usado como criterios para la señalización de la necesidad de una acción o juzgar si la identificación de un valores porcentuales acumulados correspondientes con cada valor de límite
un conjunto de datos no o no indica un estado de control estadístico basado en un de alarma y la comparación de estos resultados, por ejemplo, porcentajes de un conjunto de datos
grado prescrito de riesgo. en cada nivel de alarma, con porcentajes esperados del conjunto de datos típicamente asociados
3.1.21 distribución acumulativa, n -Representación de la a- 3.2.4.1 Discusión equipo -Como puede referirse a equip-
Tal fracción de la población, expresada ya sea como masa, en volumen, zona, o ment de un tipo particular que puede incluir marca, modelo, lubricante en uso, y el
basado en el número, que es mayor que o menor que los valores de tamaño discretos. sistema de lubricación. Condiciones similares pueden incluir medio ambiente, ciclo de
trabajo, las condiciones de carga.
3.2.5 mesurando establecer, n ensamblaje -meaningful de medi- mesurando conjuntos de datos de prueba de la muestra de aceite en servicio y el análisis. Este
surands que representa colectivamente medidas características que revelan análisis estadístico se debe realizar periódicamente para actualizar los niveles de alarma
modos y causas de fallo dentro de una población equipo. utilizando los datos históricos disponibles para el usuario.
3.2.5.1 Discusión -En la industria, un conjunto mensurando es algu- 4.2 El usuario de fi ne una población equipo. El usuario entonces
veces llamado establece parámetro de análisis. selecciona un conjunto mesurando pertinente que represente medidas
3.2.6 equipo no crítica, n -Categoría para la producción características que revelan modos probables y causas de la degradación o el
activos que no son equipos críticos; también llamado balance de planta. fracaso de la maquinaria lubricada y para los lubricantes para que la población
equipo.
3.2.7 intervalo de muestreo óptimo, n -optimum (estándar) 4.3 Para cada una alarma basada mensurando el usuario debe tener una
intervalo de la muestra se deriva de insuficiencia per fi l de datos. Es una fracción del estadísticamente datos representativos conjunto que abarca la población equipo. Si el
tiempo entre la iniciación de un fallo del modo y el equipo falla crítica. En general, los conjunto de datos sigue una distribución estadística paramétrica, a continuación, el usuario
intervalos de muestra deben ser lo suficientemente corto para proporcionar al menos puede aplicar el control estadístico de proceso (SPC) y técnicas de distribución acumulativa
dos muestras antes del fallo. El intervalo se establece para el modo de fallo crítico más para evaluar estadísticamente los valores límite de alarma. Si el conjunto de datos es no
corto. paramétrico o si se incluye la variación de causa especial, entonces el usuario puede aplicar
la técnica de distribución acumulada para evaluar estadísticamente y hacer los ajustes
Condiciones de alarma de nivel (en orden de gravedad)
prácticas a los valores límite de alarma existentes.
3.2.8 BLANCO, adj nivel -favorable show-designación de alarma
ing sin daños o como nuevo tener desgaste razonable o condición operativa
esperada. 5. significación y Uso
3.2.8.1 Discusión -Algunos otros términos utilizados para este nivel de 5.1 Los límites de alarma se utilizan ampliamente para la condición de moni-
alarma puede incluir, pero no están limitados a nivel normal, satisfactorio, Toring utilizando datos de resultados de la prueba de la muestra de lubricante en
aceptable, 1, nivel A, adecuado para uso continuo y bueno. servicio. Hay muchas bases para elegir inicialmente valores para estos límites de
alarma. Hay muchas preguntas que deben ser abordados. Éstos incluyen:
3.2.8.2 Discusión condición de alarma de nivel no es -BLANCO
generalmente acentuada por cualquier indicación de color especial en las pantallas o informes. Son esos límites bien o mal? ¿Hay demasiados resultados negativos
falsos positivos o falsos? ¿Son prácticos?
3.2.9 VERDE, adj designación nivel de alarma -favorable
mostrando condición aceptable y que muestra un cambio medible en un valor 5.2 Esta guía enseña técnicas estadísticas para evaluar
mesurando en comparación con el nivel de alarma BLANCO. si los límites de alarma son significativos y si son razonables para los problemas de fl
agging que requieren una acción inmediata o futura.
3.2.9.1 Discusión -Algunos otros términos utilizados para este nivel de 5.3 Esta guía está pensada para aumentar la consistencia,
alarma puede incluir, pero no se limitan a la feria, ver lista, monitor, aceptable, utilidad y fiabilidad de las recomendaciones de acción basado en la condición
el nivel 2, nivel B y moderada. proporcionando mantenimiento de la maquinaria y el seguimiento personal de una manera
3.2.9.2 Discusión condición de alarma nivel -GREEN es com- significativa y práctica para evaluar los límites de alarma para ayudar a la interpretación de
comúnmente acentuada por letras verdes o selección verde o fondo verde en las los mecanismos de control y estado del aceite, así como datos sobre la contaminación del
pantallas o informes. sistema lubricante.
3.2.10 AMARILLO, adj designación alarma de nivel intermedio:
advirtiendo una condición de falla está presente y es probable que necesite atención en
6. Supuestos y Limitaciones
el futuro.
3.2.10.1 Discusión -Algunos otros términos utilizados para este nivel 6.1 Los supuestos siguientes de fi ne las condiciones ideales y
de alarma puede incluir, pero no se limitan a ámbar, alerta, nivel limitaciones para los límites de alarma de un conjunto de datos que representa una
3, nivel C, la prioridad de la acción baja, precaución, advertencia, y anormal. población equipo. Se entiende que las condiciones ideales no son a menudo cumplen
3.2.10.2 Discusión condición de alarma nivel -amarillo es y que las condiciones reales puede afectar la exactitud o sensibilidad de los límites de
comúnmente acentuada por las letras amarillas o resaltado amarillo o fondo alarma. Asunción y condiciones incluyen:
amarillo en pantallas o informes.
3.2.11 ROJO, adj -Alto nivel designación de alarma que muestra 6.1.1 Se debe tener precaución para los conjuntos de datos con muy pocos
mejorar con poblaciones más grandes. poblaciones más grandes (por ejemplo, 1.000 más) que pueden haber sido generados por una empresa que ya no fabrica el
pueden proporcionar mejores límites de alarma. Sin embargo los datos deben ser equipo.
representativos de la población de equipos. 6.7.1 Para el caso de los límites basados en datos actuales, éstos
6.1.2 El proceso de la maquinaria es un sistema de bucle cerrado límites pueden tener un gran valor para soporte y mantenimiento. Esta guía debe
mediante el cual las mediciones de prueba sólo se ven afectados por las operaciones de ser considerado cuando se pueden producir variaciones en el uso y
mantenimiento o el inicio de un modo de fallo. mantenimiento. El usuario que desee apartarse de OEM sugirió límites de alarma
6.1.3 Una población equipo o flota es una población de deben considerar contacto y conversaciones con el OEM cuando desde su de fi
máquinas como que se espera que se mantenga de acuerdo con el mismo se realizan desviaciones límites de la NED.
protocolo. Las máquinas de la población equipo operado en un entorno similar,
bajo unas condiciones de ciclo de trabajo y de carga similares para incluir el uso 6.7.2 Para el caso de los límites basados en datos antiguos o de una
de fluidos similares y capacidades. Si la máquina se mantiene como tal, sigue compañía que ya no produce o compatible con el producto, los cambios en lubricantes o
siendo parte de la misma población, independientemente de su edad. prácticas de mantenimiento puede tener un efecto en los límites de fabricantes de equipos
originales proporcionadas. Estos límites se pueden utilizar como punto de partida para los
6.1.4 Un intervalo óptimo de la muestra se ha establecido límites como se discute en 7.2.2 . Se espera que las técnicas indicadas en esta guía para
la contabilidad de los modos de fallo probables o esperados y al menos dos ayudar a la calidad y precisión de estos límites.
muestras estará disponible entre la iniciación del modo de fallo y su fase terminal.
7. Procedimiento
6.1.5 El conjunto de datos debe representar mediciones históricas
que cubre al menos un intervalo de revisión o en el caso de una gran flota, debe cubrir 7,1 en servicio se utiliza comúnmente el análisis de muestra de lubricante
todas las fases operativas de nuevo hasta la revisión. para la condición de comprobación de las características de lubricante, la contaminación del
6.1.6 Cada mesurando establecido está libre de interferencias. sistema de lubricación y el desgaste del equipo. Las muestras se recogen periódicamente y
consistentemente de puntos de muestra designados en el equipo y se analizan ya sea por un
6.2 Los siguientes comentarios sólo se aplican a los datos paramétricos
laboratorio fuera del sitio, por un laboratorio en el lugar, por los kits de prueba en el sitio o por
para el que el conjunto de datos fi ts una distribución normal:
en-línea de sensores.
6.2.1 La población satisface una distribución normal en AC-
la concordancia con la norma D6299 Anderson-Darling (AD) estadística que se utiliza para
7.1.1 Analyses típicamente implica múltiples pruebas que producen
probar objetivamente para la normalidad tal como se describe en SubsectionA1.4 de
varios valores de medida (también llamados parámetros de análisis) que han sido
Prácticas D6299 , O de acuerdo con un ensayo equivalente para la normalidad.
seleccionados intencionalmente reportar y medir las características que cubren la gama
prevista de las condiciones que han de supervisarse. El grupo de pruebas (por ejemplo,
6.2.2 La mayoría de los datos de alarma de nivel blanco y verde son
prueba de pro fi le) está destinada a orientar características seleccionadas asociadas con
espera que caiga dentro de dos desviaciones estándar de la media o representan alrededor del
el tipo activo o equipo que está siendo supervisado y producir una lista de valores de
94% de todas las muestras tomadas.
medida denomina conjunto mesurando (conjunto de parámetros también llamado
Se espera que los datos de la muestra 6.2.3 anormales a caer fuera de dos
análisis). Es común tener tres límites de alarma entre cuatro niveles de alarma asociados
desviaciones estándar de la media y representan aproximadamente el 6% de todas las muestras
con cada mesurando a base de alarma. Los límites de alarma pueden ser superior o
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
tomadas. Se espera que estos datos para exceder una alarma de nivel de color amarillo y un
inferior o superior e inferior, dependiendo de la naturaleza de cada mesurando. La
rendimiento inaceptable o una indicación de una condición degradante que se espera.
combinación de todos los límites de alarma para un conjunto mensurando completa se
llama un límite de alarma establecido.
6.3 Al utilizar la técnica de distribución acumulada de para-
datos de medición, los límites de alarma se pueden fijar en los puntos que no coinciden con las
desviaciones estándar.
7.1.2 No es necesario que cada mensurando tener alarma
6.4 La consideración cuidadosa se debe dar a la agrupación de límites. mensurando y los valores de datos que no son a base de alarma tienen otros
una población. Mejora de la precisión de los valores de alarma y límites que se usos como el apoyo, la correlación o la comprobación de validez.
generan se puede obtener dividiendo un grupo mayor de menos equipos / máquinas
similares en otros más similares más pequeñas. 7.1.3 límites de alarma basado Mensurando sirven como un producto intermedio
equipo se selecciona para una población equipo que incluye un gran número de para evaluar o ajustar los límites de alarma para equipos críticos en
elementos del equipo similares que tienen el mismo lubricante y que operan bajo comparación con el equipo no crítica.
condiciones similares. Una lista de todos los valores de medida de una prueba de 7.2.5 Esta guía funciona mejor con un segregados, bien comportado
muestra de lubricante pro fi le seleccionado para una población resulta equipo en un población de equipo idéntico de manera que la variación de causa común en los
conjunto mesurando que representa las mediciones de característica seleccionada para valores de datos mensurando será pequeño y modos de fallo será fácilmente
revelar modos probables y causas de la degradación o el fracaso de la maquinaria observable en los datos.
lubricada y para los lubricantes. 7.2.6 Se reconoce que para un laboratorio con cientos o
incluso miles de variantes de equipamiento, que pueden llevar mucho tiempo para
7.2.1 Para cada mensurando para los que el usuario desea crear, usar y administrar decenas o cientos de diferentes conjuntos de límite de
evaluar los límites de alarma, el usuario genera un conjunto de datos que cubre la población alarma. Por lo tanto la aplicación práctica de esta guía puede requerir de compromiso
equipo. Si el conjunto de datos sigue una distribución estadística paramétrica, a compensaciones al seleccionar el equipo c especificidad para la inclusión en una
continuación, el usuario puede aplicar control estadístico de procesos y técnicas de población equipo estadístico. La limitación en la calidad de los límites de alarma
distribución acumulativa para evaluar estadísticamente los valores límite de alarma. Si el generadas de esta manera deben ser reconocidos.
conjunto de datos es no paramétrico o si se incluye la variación de causa especial,
entonces el usuario puede aplicar la técnica de distribución acumulada para evaluar 7.2.7 Es una práctica común para los usuarios designar equipos
estadísticamente y hacer los ajustes prácticas a los valores límite de alarma existentes. en categorías, tales como bombas, motores, compresores, cajas de engranajes, turbinas
de vapor, turbinas de gas, motores diesel, etc. Otros dividiendo estas abajo por marca y
modelo es deseable, particularmente para flotas. Aún dividiendo aún agrupaciones por
7.2.2 El análisis estadístico sugiere en esta guía es más velocidad, ciclo de trabajo, y la carga se obtendrán los mejores alarmas.
efectiva el uso de grandes conjuntos de valores de datos medidos ($ 30) para cada
mesurando a base de alarma. Los datos históricos es necesario para el análisis estadístico. 7.2.8 Si un equipo de los grupos de usuarios de demasiados diferente
Por lo tanto, esta guía se suele utilizar para evaluar y ajustar los límites de alarma. Si tipos de equipos o funciones operativas, a continuación, se hace difícil asegurar que los
suficientes datos históricos no está disponible, los límites de alarma para equipos similares o límites de alarma resultantes son relevantes y estadísticamente precisa. Si hay muy
relacionados se pueden utilizar como punto de partida hasta límites pueden ser generados pocas piezas de equipo en la población entonces la variación de los datos medidos
para el equipo específico. Otros límites de alarma para hacerse comenzado pueden estar dentro de cada población se vuelve demasiado amplia causar algunos problemas que
basadas en fuentes tales como fabricantes de equipos originales, proveedores de lubricantes, no se alarme, mientras que otros son prematuramente fl agged.
consultores expertos de la industria. Sin embargo, estos límites de alarma se deben migrar
hacia los límites de alarma de base estadística que los datos estén disponibles. 7.3 Modos y causas -Para cada población equipo,
el usuario crea o selecciona un conjunto mesurando apropiada, la cual, incluye una lista
de valores de medida que cubren muchos de los modos de fallo experimentados
7.2.3 El usuario de esta guía tendrá acceso a un histórico comúnmente y las causas de raíz ( “modos y causas”) de componente y lubricante. Para
base de datos que contiene la información siguiente: demostrar este punto, se proporciona una discusión a modo de ejemplo en los siguientes
párrafos acerca de cómo crear un conjunto mesurando que cubre unos pocos modos
7.2.3.1 información Equipamiento para la maquinaria lubricada
comúnmente experimentados y causas de condiciones de desgaste no deseados tales
y otros equipos,
como el desgaste por abrasión, desgaste prematuro fatiga, el desgaste corrosivo, y
7.2.3.2 identidad Lubricante para el lubricante utilizado en cada
desgaste anormal resultante de lubricación límite. La discusión sugiere además
compartimento lubricante,
mensurandos para identificar el estado de los equipos y el lubricante utilizado en la
7.2.3.3 Una población equipo de enumerar una serie de equip- como
población equipo asociado. tabla 1 se proporciona como un ejemplo general de cómo
ment basándose en la similitud de la información del equipo y la identidad de lubricante,
crear un conjunto mesurando sobre la base de la discusión en los párrafos siguientes.
conjuntos mensurando y la lógica detrás de ellos varían en función de los equipos y
7.2.3.4 Los modos de fallo y las causas de los problemas comunes
lubricantes modos y causas del fracaso. Hay más discusión sobre las formas de
dentro de la población de equipos,
distribución de conjunto de datos en mensurando 07.09 a 07.12 para conjuntos de datos
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
En primer lugar, elegir la prueba de modos y causas. Estos son algunos ejemplos: A continuación, un conjunto mensurando mostrará una lista de valores de medida fi especificados por sus
revelar una causa fundamental para el desgaste abrasivo. medición de la densidad ferroso y el análisis, análisis elemental, y la viscosidad son algunos ejemplos de pruebas
desgaste análisis escombros (espectroscopia de emisión atómica, ferrografía) son dos de capaces de detectar este fallo.
muchas técnicas para controlar el desgaste, tales como el desgaste abrasivo. Hay muchas otras 7.3.5 La degradación del lubricante 3 -Lubricantes son susceptibles
pruebas de muestra de lubricante en servicio se puede realizar para supervisar causa y la a la degradación química de temperatura elevada prolongada y la exposición a fuentes de
presencia de desgaste abrasivo. oxígeno tales como la humedad o la aireación. Hay varias pruebas de muestra de lubricante
en servicio se puede utilizar para verificar la identidad y estado de degradación para un
7.3.2 Desgaste de la fatiga 3 carga dinámica -Long plazo de carga lubricante. A menudo, estos incluirán pruebas para los cambios de viscosidad (tales como una
superficies de apoyo es una causa principal de desgaste fatiga en tribología. El desgaste prueba de viscosidad cinemática) y pruebas para fi cambios químicos significativos en la
excesivo o prematuro fatiga es frecuentemente causado por la carga dinámica elevada. química del lubricante (tales como la Transformada de Fourier de infrarrojos, permitividad
Otra condición medios de control tales como el análisis de vibración se utiliza a menudo relativa, índice de acidez o el número de base). Magnitudes medidas de los ensayos
para determinar información sobre causas fundamentales relativos a la carga dinámica seleccionados se incluyen en el conjunto mesurando.
elevada tal como desequilibrio, la resonancia, o desalineación. Tres de muchas
mediciones de la muestra de lubricante diferentes en-servicio capaz de detectar la
aparición y progresión de desgaste fatiga incluyen la densidad ferroso, desgaste análisis 7.3.6 mezcla de lubricantes -Mezcla o mala aplicación es an-
escombros, y el análisis de metales elementales. otro problema común que debe ser detectado y corregido.
7.4 Los niveles de alarma alarma -Un es un medio de alertar a la
operador que existe una condición particular. Un ejemplo de cuatro niveles distintos
7.3.3 el desgaste corrosivo 3 -Corrosive contaminación de fluido de de los estados de alarma se proporciona con esta guía. Son blanco, verde, amarillo
sistemas de lubricación es una causa principal de desgaste corrosivo en la tribología. y rojo. Menos o más niveles distintos pueden ser utilizados. nomenclatura adicional
desgaste corrosivo excesiva es frecuentemente causado por niveles elevados de para estos niveles se proporciona en la Sección 3 .
agua-en-aceite o por la contaminación con otro líquido corrosivo o gas tal como
refrigerante a base de agua o de un material de proceso corrosivo. Tres de muchas 7.4.1 Los límites de alarma son los valores que representan mayor que
mediciones de la muestra de lubricante en servicio capaz de detectar los fluidos o menos-que umbrales entre estos niveles de alarma.
7.5.1.4 SPC “Four-Sigma Varianza” -99,99% de las muestras 7.5.4 Uso de los datos promedio y desviación estándar para cada
caerá dentro de cuatro desviación estándar de la media de la población. Asignable o mensurando conjunto de datos, calcular una serie de límites de alarma basado en tentativos 7.5.1-7.5.3
causa especial varianza a menudo se sugiere para los datos superiores a tres .
desviaciones estándar de la media de la población. 7.5.5 Los límites de alarma que figuran en este documento son ejemplos ilustrativos
7.5.1.5 valores atípicos identi fi ed utilizando aceptado estadística de cómo la desviación estándar puede ser utilizado. Algunos usuarios pueden querer advertencia
técnicas deben ser retirados de las poblaciones de conjuntos de datos como valores atípicos. anterior para los componentes de costos difíciles de mantener, críticas o altas. Tenga en cuenta que
Una vez eliminado, las estadísticas deben ser reevaluados. la política para el establecimiento de niveles de alarma es normalmente una decisión de gestión de
distribución de la frecuencia generalmente indica que la magnitud a medir no es 7.5.6 Antecedentes sobre SPC:
sensible al modo de fallo. La aparición de un patrón multimodal en la distribución 7.5.6.1 SPC utiliza varias metodologías estadísticas a Im-
de frecuencia generalmente indica que la magnitud a medir no es única para el demostrar la calidad de un proceso mediante la reducción de la variabilidad de una o más de
modo de fallo, es decir, hay más de un modo de fallo identificado por la magnitud a sus salidas, por ejemplo, una característica de la calidad de un producto o servicio. Una cierta
medir. En las situaciones anteriores, el mensurando no puede ser utilizado solo cantidad de variabilidad existirá en todas las salidas del proceso, independientemente de lo
para identificar la falla. bien que el proceso está diseñado o mantenido. Un proceso que opera con sólo que esta
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
variabilidad inherente se dice que está en un estado de control estadístico, con su variabilidad
7.5.3 Cuando la población de la muestra tiene anormalmente alto de la producción sujeta únicamente a la casualidad, o por causas comunes.
incidencias de datos que indican signi fi fracasos bisela, a continuación, estos resultados
serán elevar los valores de desviación estándar media y que generará los límites de
alarma más altos. Estos límites superiores son evidentes por una distribución de 7.5.6.2 perturbaciones en el proceso, que se dice ser debido a asignable, o
frecuencia que tiene una curva distinta en el extremo alto. Para superar este efecto, los causas especiales, se manifiestan por cambios en el nivel de salida, como un pico, el
datos de muestra con mayor que el promedio más-o-menos 6 desviaciones estándar cambio, la tendencia o por los cambios en la variabilidad de una salida. Cuando se
debe ser entresacado de la población. La media recalculado y la desviación estándar en elimina la variación de causa especial, la variabilidad del proceso se reduce a su
el conjunto de datos restante deben proporcionar los límites de alarma mejoradas. Si no variabilidad inherente, y los gráficos de control entonces funcionar como un monitor de
hay valores mayores de 6 desviaciones estándar, el equipo, la práctica de proceso. Además reducción en la variación requeriría modi fi cación del proceso en sí.
mantenimiento, etc., deben ser revisados para determinar la causa de los fracasos.
7.5.6.3 El uso de tres errores estándar (por ejemplo,
desviaciones estándar) para los límites de control (los llamados “tres-sigma
límites”) fue elegido por Shewhart, 4 y por lo tanto también son conocidos como 7.5.8 No escoja selectivamente a través de los datos o de forma aleatoria
límites de Shewhart. Shewhart eligió estos límites para equilibrar los dos riesgos de: recoger muestras de los datos de un conjunto de datos. valores de datos de muestra
(1) al no indicar la presencia de una causa especial cuando se da, y (2) la selectivamente escogidas pueden introducir un sesgo usuario. Al azar recogido datos de un
ocurrencia de una señal de fuera de control cuando el proceso es realmente en un conjunto de datos mensurando establecidos para una gran flota no siempre reflejan los
estado de estadística control (una falsa alarma). modos de fallo en estudio y puede generar límites de alarma no fiables.
y discernir si los datos deben ser retirados de la población como conjunto de datos de cia. Para este ejemplo, se han elegido los límites correspondientes a mesurando
observaciones periféricas (también llamados valores atípicos). valores a 95% y 5% del conjunto de datos.
7.7 Los usuarios de esta guía a veces prefieren una opción para ver 7.9.3 técnicas de distribución acumulativa aplican a real
datos ordenados representados en un eje de abscisas logarítmicas, dependiendo de la mesurando valores de datos pueden generar porcentajes preferidos para denotar los límites
naturaleza de los valores de datos mensurando en respuesta a la degradación progresiva de alarma de blanco a verde. El operador selecciona estos límites teniendo en cuenta la
de una característica medida. experiencia personal, capacidad de repetición estadística publicada reproducibilidad y la
7.8 usuarios distribución acumulativa comenzarán a reconocer precisión asociada con el método de ensayo, y otras variaciones asociadas con buen
aspectos de una distribución de conjunto de datos, tales como los resumidos en asnew o blanco nivel de alarma. Estos comentarios acerca del uso de técnicas de
Higos. 2-5 . distribución acumulada para evaluar los límites de alarma en torno a un nivel de alarma
7.9 Un ejemplo de distribución acumulada de un conjunto de datos BLANCO se aplican a todos los cuatro de los siguientes ejemplos se describen a
que tiene una distribución de frecuencia normal con forma de campana y dos colas se muestra en la continuación y representadas en Higos. 2-5 .
Figura 2 . mediciones de la viscosidad de la muestra a menudo encajan esta forma. Cizallamiento de
un mejorador de la viscosidad dentro de la dilución del aceite o combustible contaminar el aceite 7.10 Un ejemplo de distribución acumulada de un conjunto de datos
puede causar la viscosidad disminuya. La oxidación o acumulación de hollín pueden causar un que tiene una referencia de base cero, y una distribución de frecuencia
aumento de la viscosidad. Una revisión de la población de datos muestra que está siendo continua sesgada se muestra en la Fig. 3 . Ejemplos de este tipo de conjuntos
considerado indicará si conjunto de datos no paramétrico está presente. de datos mensurando se observan comúnmente en la medición de
características que surgen cuando un lubricante es en servicio, pero no son
7.9.1 flechas con destino a Outer en Figura 2 , Marcar segmentos de realmente partes del lubricante tal como datos mesurando establece
el conjunto de datos de población para la comparación con los niveles de alarma contaminación seguimiento y las características de desgaste. Valor medido
mensurando. Estas flechas marcan valores mensurando 99% y 1% que han sido inicial son a menudo bajos (a menudo cero) y luego aumentar a medida que
seleccionados por ejemplo, para un usuario para la comparación con los límites de alarma avanza la enfermedad. Este mesurando característica y otros destinados a
de amarillo a rojo para un usuario que desea marcar fuera de los límites con fi Ning 98% ayudar a un usuario cuando la decisión de cambiar el aceite son muy
del conjunto de datos. Este enfoque se centra la atención en el 2% de las mediciones, es adecuadas para la técnica de distribución acumulativa porque los datos está
coherente con las capacidades de los recursos de mantenimiento limitadas disponibles, cambiando progresivamente (por ejemplo, aumentando) de cambio de aceite
llama la atención a los datos que se asocia frecuentemente con la variación de causa de cambio de aceite y entre el aceite de top-offs. Para estos valores de medida
asignable o especial, y cuando este enfoque se repite temporada tras temporada juntos los valores de datos no se mantienen constantemente alrededor de un valor
con la eliminación de la causa raíz es probable que reduzca la variación con el tiempo. medio estadístico. Este diagrama también representa otros valores de medida
como el número ácido (AN), oxidación, y permitividad relativa (por ejemplo,
HIGO. Referencia 3 de base cero, Cumulative Distribution-Single Tail con continua de datos
7.10.1 En el Fig. 3 ejemplo, una flecha marca de 98% seleccionado por un 7.11 Un ejemplo de distribución acumulada de un conjunto de datos
operador para la comparación con un límite de alarma YELLOW-reada y otro flecha que tiene una alta referencia sesgada distribución de frecuencia continua se muestra en la Fig.
marca de 90% seleccionado por un operador para la comparación con un límite de 4 . Un ejemplo de este tipo de conjunto de datos mesurando es el número base (BN).
alarma-verde-a amarillo. valores de alcalinidad comienzan alta y disminuyen debido a la oxidación y ácido
subproductos que agotan
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
los aditivos. Este mesurando característica y otros utilizados para determinar cuándo hay que 7.13.1 Realizar una opinión razonable sobre la base de expe-
cambiar el aceite son muy adecuadas para la técnica de distribución acumulativa porque los riencia y el conocimiento. Repita los pasos del procedimiento según sea necesario para
datos están cambiando progresivamente (por ejemplo, disminuyendo) de cambio de aceite confirmar las alarmas si la revisión no pasa esta prueba.
para el cambio de aceite, y entre el aceite de top-offs, por lo que los valores de datos no lo 7.13.2 Validar los límites provisionales establecidos ya sea por el SPC
hacen coloque constantemente alrededor de un valor medio estadístico. Este tipo de desviaciones técnica estándar o por la técnica de distribución acumulativa, y
población de datos es por lo general no paramétrico. Una revisión de la población de datos comparar estas estadísticas con los datos históricos de cada problema del equipo
siendo considerado indicará si este tipo de conjunto de datos no paramétrico está presente. representado en la población de prueba. Ejecutar muestras de datos históricos
contra las alarmas recién calculados y comparar los resultados con los del siguiente:
marca de 90% seleccionado por un operador para la comparación con un límite de se puede ajustar usando la siguiente información adicional.
alarma-verde-a amarillo. 7.13.4.1 ver si hay demasiadas falsas alarmas positivas
indicando los valores de alarma se establece demasiado bajo. Esto también es un problema si
7.13 Validación de datos: los valores de alarma se calculan a partir de una población
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
donde los modos de fallo críticos no estaban representadas adecuadamente. Esto se puede 8.4.2 Para cada set list límite de alarma de los valores de medida de la
resolver mediante el aumento de los límites de alarma, asegurando que todos los modos de conjunto mensurando que mensurandos a base de alarma.
fallo se representan. 8.4.3 describir el comportamiento de cada mensurando en base a alarmas
7.13.4.2 buscarse un fallo del equipo en ausencia de una establecer el límite de alarma.
de alarma que indica que los límites de alarma son demasiado altos, el intervalo de muestreo 8.4.3.1 ¿Cuál es el tipo base el límite de alarma? En otras palabras, es
es demasiado largo o la medición se utiliza para capturar el modo de fallo es inadecuada. es cero-base (lo que significa que es un valor escalar absoluta a partir de cero cuando “como
Esto se puede resolver mediante la reducción del límite de alarma, disminuyendo el intervalo nuevo”) o de referencia base (lo que significa que se compara con un valor de referencia
de muestreo o mediante el uso de un mesurando diferentes para representar el modo de fallo. típicamente a partir de un “como nuevo” medición) o una base punto (que significa que es en
comparación con una media estadística o medio basado en los datos mensurando anteriores
7.13.4.3 buscarse un fallo del equipo en ausencia de una de este mismo punto de la muestra); o es el valor límite de alarma en comparación con alguna
alarma. Esta situación es un problema si los límites de alarma se calcularon a partir de otra línea de base?
una población en la que los modos de fallo fueron más representados en comparación
con la población se utiliza para establecer los valores de alarma. Esto se puede resolver 8.4.3.2 ¿Cuál es el límite de alarma de tipo delta? En otras palabras, es
mediante la reducción de los límites de alarma o eliminación de algunas de las el límite de alarma expresada en valor absoluto o en porcentaje?
mediciones de fallo más significativo de la población. 8.4.3.3 ¿Son los límites de alarma de un solo lado, bajo un solo lado, o
A doble cara? En otras palabras, son los límites de alarma hasta (sólo de caras), hacia
abajo (sólo bajo cara), o hacia arriba y hacia abajo (alto y bajo caras)?
8. Informe
8.1 Un informe escrito será registrada y retenida para 8.4.4 ¿Cuáles son los límites de alarma fi nales para cada magnitud a medir en el
de referencia, la comparación y procesos de mejora continua. El informe debe establece el límite de alarma? Los límites de alarma son típicamente reportados como valores de
incluir las notas de usuarios relevantes y significativas sobre el funcionamiento “mayor que”. Esto significa que el límite de alarma para el nivel de alarma es
o estado de los equipos, o ambos. Las notas también deben incluir ningún tipo AMARILLO-VERDE-AMARILLO al valor umbral.
de mantenimiento preformado en el equipo. El resto de esta sección 8.5 notas -En cuanto a análisis estadístico utilizado para evaluar
proporciona sugerencias que pueden ser incluidos en o omitidas en el informe y ajustar los límites de alarma.
según se considere apropiado por el usuario. 8.5.1 Número de muestras incluidas en cada conjunto de datos.
8.5.2 Si está disponible y conveniente para proporcionar representaciones gráficas
8.2 Equipo Población: conjunto de datos poblaciones para cada mensurando.
8.2.1 Descripción del equipo. ¿Cuáles son la de fi nición caracterís- 8.5.3 Cuando se utiliza la técnica de RCP para evaluar y ajustar
tics para los elementos están incluidos en esta población? límites de alarma, informan de resultados significativos SPC como las siguientes:
8.2.2 Número de unidades en la población.
8.2.3 identidad lubricante. 8.5.3.1 límites de tres sigma, también llamados límites de control o
8.3 Conjunto mensurando - (también llamado conjunto de parámetros de análisis). límites de control superior e inferior.
8.3.1 Lista de las pruebas y el método o práctica (si está disponible) 8.5.3.2 límites de dos sigma, también llamados límites de advertencia.
de fi nir las pruebas utilizadas para producir valores de medida. 8.5.3.3 límites de una sola Sigma.
8.3.2 Lista de nombres que identifica cada mensurando y describir 8.5.3.4 Otros hallazgos SPC o posibles indicaciones.
el seguimiento físico o funcional característico condición que se mide por la magnitud a 8.5.3.5 Notas de usuario.
medir. Los usuarios pueden encontrarla útil organizar mensurandos dentro de un 8.5.4 Cuando técnica de distribución acumulativa se usa para
mesurando conjunto lógico y describirlos claramente de acuerdo con las características de evaluar y ajustar los límites de alarma informan lo siguiente:
desgaste de la máquina, las características de contaminación del sistema, y las 8.5.4.1 valor de datos Mensurando y correspondiente acumulativo
características de la química de fluidos. valor de porcentaje de distribución para cada límite de alarma en cada mesurando.
8.3.3 Unidad de medida de cada mensurando. 8.5.4.2 Otros hallazgos de distribución acumulativa o fi posible
8.3.4 indicar cada mesurando, en base a alarmas. indicaciones.
8.4 Ajuste del límite de alarma: 8.5.4.3 Notas de usuario.
8.4.1 Identificar y nombrar cada límite de alarma establecido para un equip-
9. Palabras clave
ción de la población. Tenga en cuenta que un conjunto mensurando puede tener varios
conjuntos de límite de alarma. De esa manera algunos equipos, tales como equipos 9.1 de alarma; nivel de alarma; límite de alarma; monitoreo de condición;
críticos o equipo de muestreo frecuente puede tener alarmas relativamente más altos o límite de control; distribución acumulativa; población equipo; mensurando; mesurando
más bajos que otros en la misma población de equipos. establecido; no paramétrica; análisis de aceite; paramétrico; SPC; Control del Proceso
Estadístico
ASTM International no toma posición respecto a la validez de los derechos de patente declarados en relación con cualquier artículo mencionado en esta norma. Los usuarios de
esta norma se advierte expresamente que la determinación de la validez de tales derechos de patente, y el riesgo de lesión de sus derechos, son enteramente su propia
responsabilidad.
Esta norma está sujeta a revisión en cualquier momento por el comité técnico responsable y debe ser revisado cada cinco años y si no es revisado, ya sea aprobado de nuevo
o retiradas. Sus comentarios son invitados para la revisión de esta norma o para normas adicionales, deben dirigirse a las oficinas de ASTM International. Sus comentarios
recibirán una cuidadosa consideración en una reunión del comité técnico responsable, que puede asistir. Si usted siente que sus comentarios no han recibido una feria de la
audición, puede presentar sus puntos de vista al Comité de Normas de la ASTM, en la dirección que se muestra a continuación.
Esta norma ha sido propiedad de ASTM International, 100 Barr Harbor Drive, PO Box C700, West Conshohocken, PA 19428-2959, Estados Unidos. reimpresiones individuales
(copias únicas o múltiples) de esta norma se pueden obtener contactando con ASTM en la dirección anterior o al 610-832-9585 (teléfono), 610-832-9555 (fax), o service@astm.org
(e- correo); o a través de la página web de ASTM (www.astm.org). los derechos permiso para fotocopiar la norma también se pueden fijar desde el sitio web ASTM (derechos de
autor www.astm.org/ /).