Le défi
Un roulement est l’un des éléments les plus utilisés dans les machines tournantes. En tant que composant critique, il supporte la majeure partie de la charge pendant le fonctionnement des machines rotatives. La défaillance d’un roulement entraîne de graves problèmes, qui se traduisent par une baisse de l’efficacité de la production et des pertes économiques importantes. Les statistiques montrent que les roulements défectueux sont à l’origine d’environ 30 % des défaillances des machines tournantes. Il est donc très important d’établir un diagnostic efficace des défauts des roulements.
Wonder Cement, une marque de confiance et l’un des principaux fabricants de ciment en Inde, a toujours mis l’accent sur la numérisation comme stratégie d’entreprise. Dans le cadre de cette initiative, elle a collaboré avec Acoem India en tant que partenaire de maintenance conditionnelle pour prévoir la maintenance et réduire les arrêts imprévus.
Ils ont surveillé leurs presses à rouleaux en utilisant des technologies de surveillance conventionnelles. Le client était inquiet et sceptique quant à l’étendue des dommages causés aux roulements et, avec la configuration actuelle, il était difficile d’obtenir un résultat précis.
La détection précoce des défauts de roulements était difficile en raison de la vitesse de rotation lente du HPGR (15-16 tr/min) et des fréquences élevées causées par le processus de concassage. La méthodologie de surveillance conventionnelle existante avait des limites et ne pouvait pas fournir des données exploitables pour différencier ces modèles de fréquence similaires.
De plus, les techniques conventionnelles d’analyse des vibrations, basées sur le domaine fréquentiel, ont montré leurs limites pour les pièces rotatives à faible vitesse, où les défauts peuvent se traduire par des phénomènes de très faible énergie et sont difficilement détectables.
