بهبود استانداردهای آنالیز روغن

دقت و صحت کیفیت داده‌ها

کیفیت داده‌ها شامل دو بخش مهم است. بخش اول مربوط به صحت فنی داده‌ها است. مواد مرجع (که به آن‌ها استانداردهای مرجع نیز گفته می‌شود) برای تعیین این‌که آیا یک آزمایش نتیجه‌ای مطابق با مقدار مورد انتظار ارائه می‌دهد یا خیر، استفاده می‌شوند.

به عبارت دیگر، یک استاندارد مرجع آهن (Fe) با غلظت 100 ppm باید در آزمایش، مقدار 100 ppm Fe را نشان دهد. اما در دنیای واقعی، احتمال اینکه دستگاه دقیقاً همین مقدار را در هر آزمایش نشان دهد، کم است.

این موضوع دو سؤال کیفی را مطرح می‌کند:

1. چقدر مقدار اندازه‌گیری‌شده به مقدار مورد انتظار نزدیک است؟
2. دستگاه آزمایش چقدر توانایی ارائه نتایج یکسان در آزمایش‌های مکرر را دارد؟

بخش دوم کیفیت داده‌ها به دقت داده‌ها مربوط می‌شود. ASTM از اصطلاحات «تکرارپذیری» و «بازتولیدپذیری» برای بیان این مفهوم استفاده می‌کند. برای مثال، اگر آزمایش طیف‌سنجی (Spectrometer Test) چندین بار با همان دستگاه، در همان آزمایشگاه و توسط همان اپراتور انجام شود، دامنه اندازه‌گیری‌های ثبت‌شده چه میزان خواهد بود؟

اگر در 20 آزمایش، نتایج بین 90 تا 110 ppm متغیر باشد، دامنه تکرارپذیری داده‌ها ±10 درصد خواهد بود. زمانی که آزمایش در چندین آزمایشگاه مختلف انجام شود، میزان عدم اطمینان افزایش می‌یابد. این موضوع باعث گسترش دامنه تغییرات داده‌ها شده و به آن «بازتولیدپذیری داده‌ها» گفته می‌شود. در مثال آهن 100 ppm، ممکن است اندازه‌گیری‌ها در محدوده 85 تا 115 ppm قرار بگیرند که نشان‌دهنده دامنه ±15 درصد خواهد بود.

تأثیر کیفیت داده‌ها بر پایش وضعیت ماشین‌آلات

اثربخشی پایش وضعیت ماشین‌ها مستقیماً به کیفیت داده‌های به‌دست‌آمده بستگی دارد. اصطلاح معروف «ورودی نامعتبر، خروجی نامعتبر» (Garbage In, Garbage Out) در اینجا کاملاً صدق می‌کند.

برای مشتری، ایده‌آل این است که داده‌های حاصل از هر نمونه‌گیری کاملاً دقیق باشند. اما در دنیای واقعی، چنین دقتی به‌ندرت حاصل می‌شود. اگر روش‌های آزمایش استاندارد وجود نداشته باشند و به‌دقت دنبال نشوند، نتایج آزمایش از نظر دقت نامشخص خواهند بود و مشتری هیچ راهی برای ارزیابی کیفیت واقعی داده‌ها نخواهد داشت.

هزینه و کیفیت آزمایش‌ها

هزینه نیز در این بحث اهمیت دارد، زیرا روش‌ها و استانداردهای مختلف دارای هزینه‌های متفاوتی برای آزمایشگاه‌ها هستند که در نهایت بر روی صورتحساب مشتری تأثیر می‌گذارد.

از طرف دیگر، سطح کیفیت داده‌ای که مورد نیاز است، باید تعیین شود. ممکن است تصور شود که یک آزمایش گران‌تر، داده‌های باکیفیت‌تری ارائه می‌دهد. در بسیاری از موارد این فرض صحیح است، اما همیشه نمی‌توان با اطمینان چنین نتیجه‌گیری کرد.

بحث در مورد میزان دقت داده‌هایی که برای مشتری کافی هستند، هم برای مشتری و هم برای آزمایشگاه مهم است. استانداردهایی که برای تولید و بازاریابی محصولات جدید تدوین شده‌اند، اهدافی کاملاً متفاوت از استانداردهای مورد استفاده در پایش وضعیت ماشین‌آلات، آلاینده‌ها و قابلیت سرویس‌دهی روغن دارند.

تفسیر داده‌ها

مشتری نهایی باید درک کافی از معنای داده‌ها داشته باشد تا بتواند توصیه‌های ارائه‌شده توسط ارائه‌دهنده خدمات را درک کرده و بر اساس آن‌ها اقدام کند. همچنین باید سطح دقت و اهمیت داده‌ها را متناسب با کاربرد موردنظر ارزیابی کند.

به‌عنوان مثال، در تحلیل فلزات سایشی، اگر ۱ یا ۲ ppm برای یک کاربرد خاص مانند پایش نرخ سایش یاتاقان بابیت در یک توربین بزرگ حیاتی باشد، داده‌های دقیق و حساس موردنیاز است. اما اگر حد آستانه دقت موردنیاز برای فلزات سایشی بسیار بیشتر از ۱ یا ۲ ppm باشد، سطح دقت پایین‌تر نیز قابل‌قبول خواهد بود.

برای مثال، دقت آزمایش تا ۱ ppm آهن (Fe) در روغن مصرف‌شده یک موتور دیزل تجاری فعال، منطقی نخواهد بود. بنابراین، مشتری باید در تصمیم‌گیری درباره هزینه‌های آزمون، این نوع تحلیل را در نظر بگیرد.

تفاوت روش‌های استاندارد و روش‌های داخلی

دقت یک آزمون به عوامل مختلفی مانند اجرای دقیق مراحل استاندارد، تکرارپذیری داده‌ها و قابلیت بازتولید نتایج وابسته است. تفاوت اساسی میان نتایج آزمون‌هایی که بر اساس روش‌های استاندارد ASTM انجام می‌شوند و آزمون‌هایی که توسط آزمایشگاه‌ها با روش‌های داخلی اجرا می‌شوند، همین موارد است.

اصلاح روش‌های استاندارد به این معناست که بخش‌هایی از استاندارد حذف یا تغییر داده شده‌اند که این می‌تواند بر هزینه و دقت آزمون تأثیر بگذارد. برخی آزمایشگاه‌ها ممکن است روش‌های ASTM را اصلاح کنند تا آزمایشی با حداقل نیازهای مشتری ارائه دهند و هزینه کلی را کاهش دهند.