Designación: D7720 - 11

Guía estándar para

Estadísticamente Evaluación de los límites de alarma mensurando cuando se utiliza el análisis
de aceite a un equipo monitor y aceite para la aptitud y la contaminación 1

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

1.1 Esta guía proporciona requisitos fi cos a estadísticamente de alarma.

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

utilizan normalmente para monitorización de estado para producir indicaciones de gravedad

ejemplo, diesel, bombas, turbinas de gas, turbinas industriales, hidráulica) ya sea de

relacionados con estados de desgaste de la maquinaria, la calidad del aceite, y la

grandes flotas o aplicaciones industriales individuales.

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:

distinguen, a un nivel deseado de confianza, la relación señal-ruido para un conjunto de datos

límites de alarma “tasa-de-cambio” alarmante absoluta, multi-parámetro alarmantes, y

InControl establecidos de variación que tiene no puede significante, causas asignables. El

derivados empíricamente.

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.

- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---

Los derechos de autor de ASTM International

1
Proporcionado por IHS bajo licencia con la norma ASTM Licenciatario = BP International / 5928366101 No para
Queda prohibida la reproducción o redes permitida sin licencia de IHS reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
D974 Método de prueba para Número de ácidos y bases por ColorIndicator
Titulación
D2896 Método de prueba para la Base Número de Productos de Petróleo por
valoración potenciométrica con ácido perclórico
D4378 La práctica de supervisión en servicio de los aceites para turbinas de vapor y
minerales para Turbinas de Gas
D4928 Método de prueba para el Agua en petróleo crudo mediante coulométrica Karl
Fischer
D5185 Método de prueba para la determinación de los elementos de aditivos, metales
de desgaste y contaminantes de los aceites lubricantes usados ​y determinación de
elementos seleccionados en los aceites base por plasma acoplado inductivamente
espectrometría de emisión atómica (ICP-AES)
D6224 La práctica de supervisión en servicio de aceite lubricante para el equipo
de planta de potencia auxiliar
D6299 La práctica para la aplicación de técnicas estadísticas de garantía de calidad y
control de la creación de gráficos para evaluar el rendimiento analítico del Sistema de
Medición
D6304 Método de prueba para la determinación de agua en productos
derivados del petróleo, aceites lubricantes, aditivos y por coulométrica Karl
Fischer
D6439 Guía para la limpieza, lavado y Puri fi cación de vapor, gas y la
turbina hidroeléctrica Sistemas de lubricación
D6595 Método de prueba para la determinación de metales de desgaste y
contaminantes en los aceites lubricantes usados ​o fluidos hidráulicos uso girando el
disco de electrodos espectrometría de emisión atómica
D6786 Método de prueba para conteo de partículas en Mineral del aceite aislador El uso de
contadores automáticos de partículas óptico
D7042 Método de prueba para la viscosidad dinámica y la densidad de los
líquidos por Stabinger (y el cálculo de la viscosidad cinemática)
D7279 Método de prueba para la viscosidad cinemática de líquidos transparentes y
opacos por automatizado Houillon Viscosímetro
D7414 Método de prueba para Condition Monitoring de oxidación en In-Service
Petróleo y basado en hidrocarburo Lubricantes por análisis de tendencias Utilizando
transformada de Fourier de infrarrojos (FT-IR) Espectrometría
D7416 Práctica para el Análisis de lubricantes en servicio El uso de un especial de
cinco partes (permitividad dieléctrica, TimeResolved dieléctrica dieléctrica con
conmutación de campos magnéticos, contador de partículas láser, análisis de
residuos microscópicos, y Orbital Viscosímetro) Integra
D7483 Método de prueba para la determinación de la viscosidad dinámica y
cinemática Derivado Viscosidad de los líquidos de pistón oscilante Viscosímetro
D7484 Método de prueba para la evaluación de Automoción motor Aceites de tren de
válvulas del funcionamiento del desgaste de Cummins ISB servicio mediano motor
diesel
D7596 Método de prueba para el recuento de partículas automático y forma de las
partículas Clasificación de los aceites usando un probador Directo Integrado Imaging
D7647 Método de prueba para el recuento de partículas automático de
lubricantes y fluidos hidráulicos El uso de técnicas de dilución para eliminar
la contribución del agua e interferir suaves partículas por extinción de la luz
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
Los derechos de autor de ASTM International
2
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
D7670 Prácticas para el Tratamiento en servicio muestras de fluido para partículas
Análisis de la contaminación utilizando Filtros de membrana
D7684 Guía para microscópica Caracterización de las partículas de lubricantes
en servicio
D7685 En la práctica de línea, de flujo total, sensor inductivo para la
determinación del desgaste de escombros ferromagnético y no ferromagnético
y diagnóstico de cojinetes de motor de turbina aeroderivados y Aircraft Gas
D7690 Prácticas para microscópica Caracterización de las partículas de
lubricantes en servicio por Ferrografía analítica
E2412 Prácticas para monitoreo de la condición en Servicio Lubricantes de Análisis de
Tendencias Uso de infrarrojos por transformada de Fourier (FT-IR) Espectrometría
3. Terminología
3.1 Definiciones:
3.1.1 alarma, n -medios de alertar al operador de que una par-
existe condición ticular.
3.1.2 causa asignable, n -factor que contribuye a la variación
ción en una salida de proceso o producto que es factible para detectar e identificar; también
llamado causa especial.
3.1.3 lubricación límite, n innecesaria cualquier condición en la que la fricción
ción y el desgaste entre dos superficies en movimiento relativo se determinan por las
propiedades de las superficies y las propiedades del fluido de contacto, distintos de
viscosidad en masa.
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
películas suaves cargas de contacto de apoyo (generalmente muy delgado). En consecuencia, un
cierto desgaste es inevitable.
3.1.4 causa casualidad, n -source de variación aleatoria inherente
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
población que, cuando se mide, contado o de otra manera observado, ayuda a
distinguir entre los elementos.
3.1.6 conjunto de datos, n colección-lógico de datos que soporta una
función de usuario y podría incluir una o más tablas de datos, archivos, o fuentes.
3.1.6.1 Discusión -Herein un conjunto de datos es una población de
valores para una magnitud a medir desde el interior de un conjunto mesurando particular y que
cubre una población equipo.
3.1.7 distribución, n - tal como se utiliza en las estadísticas, un conjunto de todos los
diferentes valores que las observaciones individuales pueden tener y la frecuencia de su
aparición en la muestra o la población.
3.1.8 mesurando, n -particular magnitud sujeta a medición
ción.
3.1.8.1 Discusión -En el mantenimiento industrial un mensurando
a veces se llama una parámetro de análisis.
3.1.8.2 Discusión mesurando -Cada tiene una unidad de medida
y tiene una designación relacionada con su medición característica.
3.1.9 no paramétrico, n -term referencia a una estadística tecno-
nique en el que se desconoce la distribución de probabilidad del constituyente
en la población o no se limita a ser de una forma fi cado.
3.1.10 distribución normal, n carac- distribución -Frecuencia
terizado por una curva en forma de campana y definida por dos parámetros: la media y
la desviación estándar.
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
3.1.11 observación periférica, n -observación que parece
se desvía notablemente en valor de otros miembros del conjunto de la muestra en la que
aparece, también llamado parte aislada.
3.1.12 paramétrico, n -term referencia a una estadística tecno-
nique que asume la naturaleza de la distribución de frecuencias subyacente se
conoce.
3.1.13 población, n -bien de fi nida conjunto (ya sea finito o
en finito) de elementos.
Control estadístico de procesos Términos Técnica
3.1.14 control de proceso estadístico (SPC), n -conjunto de tecno-
nicas para mejorar la calidad de salida del proceso mediante la reducción de la variabilidad a
través del uso de una o más cartas de control y una estrategia de acción correctiva se utiliza
para llevar el proceso de nuevo en un estado de control estadístico.
3.1.15 estado de control estadístico, n condición -process
cuando sólo causas comunes están operando en el proceso.
3.1.16 línea central, n -LINE en un gráfico de control que representa la
nivel medio de la estadística está supervisando.
3.1.17 límites de control, n -Límites en un gráfico de control que son
usado como criterios para la señalización de la necesidad de una acción o juzgar si
un conjunto de datos no o no indica un estado de control estadístico basado en un
grado prescrito de riesgo.
3.1.17.1 Discusión -Por ejemplo, típica de tres-sigma limi-
su conllevan el riesgo de 0,135% de estar fuera de control (en un lado de la línea
central) cuando el proceso es en realidad en el control y la estadística tiene una
distribución normal.
3.1.18 límites de advertencia, n -Límites en un gráfico de control que son
dos errores estándar por debajo y por encima de la línea central.
3.1.19 límite de control superior, n -máximo valor de la con-
trol estadística gráfico que indica el control estadístico.
3.1.20 límite de control inferior, n valor -estadía mínima del control
estadística gráfico que indica el control estadístico.
Acumulativa de distribución Términos Técnica
3.1.21 distribución acumulativa, n -Representación de la a-
Tal fracción de la población, expresada ya sea como masa, en volumen, zona, o
basado en el número, que es mayor que o menor que los valores de tamaño discretos.
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
Los derechos de autor de ASTM International
3
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
3.2 Definiciones de términos especí fi co para esta Norma:
3.2.1 límite de alarma, n valores de condiciones -alarmas que delinean
un nivel de alarma de otro dentro de un conjunto mesurando; también llamado umbral de
alarma.
3.2.1.1 Discusión varios niveles de alarma -Cuando son desig-
NATed, entonces un límite primera alarma separa el nivel normal del nivel de alerta, y
un segundo límite de alarma separa el nivel de alerta de nivel de acción. En otras
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
límite de alarma.
3.2.1.2 Discusión límite de alarma -Un, “X”, puede ser de un solo
caras tales como “mayor que X” o “menos de -X”; o puede ser de doble cara tal como
“mayor que X y menor que -X”. valores límite de alarma pueden representar las mismas
unidades y escala que el correspondiente conjunto de datos mesurando, o pueden ser
representados como una proporción tal como un porcentaje. valores límite de alarma
pueden estar basados ​en cero, o pueden ser en relación con una referencia no es cero u
otro valor de línea de base.
3.2.1.3 Discusión control de procesos -Statistical se utiliza para
evaluar los límites de alarma que comparan un valor límite de control con un valor de límite de
alarma. distribución acumulativa estadístico se utiliza para evaluar los límites de alarma mediante
la identificación de un valores porcentuales acumulados correspondientes con cada valor de límite
de alarma y la comparación de estos resultados, por ejemplo, porcentajes de un conjunto de datos
en cada nivel de alarma, con porcentajes esperados del conjunto de datos típicamente asociados
con cada nivel de alarma.
3.2.2 alarma conjunto límite, n -Colección de todos los límites de alarma
(valores de umbral de condición de alarma) que son necesarios para un análisis basado en la
alarma de valores de medida dentro de un conjunto mesurando.
3.2.3 equipos críticos, n -Categoría de productividad importante
ción activos que no son redundantes o valor alto o altamente sensibilidad o de otra
manera esencial, también llamado activos críticos o
máquinas críticas.
3.2.4 población equipo, n -bien de fi ne como el conjunto de
equipos que operan en condiciones similares, seleccionados y agrupados para los propósitos
de monitorización de estado; también llamado la población de la máquina, la población de los
activos, y flota.
3.2.4.1 Discusión equipo -Como puede referirse a equip-
ment de un tipo particular que puede incluir marca, modelo, lubricante en uso, y el
sistema de lubricación. Condiciones similares pueden incluir medio ambiente, ciclo de
trabajo, las condiciones de carga.
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11

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

signi fi cativo deterioro, revisar otra información de condiciones y considerar miembros.

una posible intervención. 6.1.1.1 Para las técnicas SPC utilizando una distribución normal,
3.2.11.1 Discusión -Algunos otros términos utilizados para este nivel se debe tener precaución para los conjuntos de datos con menos de 30 miembros.
de alarma puede incluir, pero no se limitan a extremo, peligro, nivel 4, nivel D, tentativos límites se pueden establecer desde tan poco como 10 muestras aunque la
inadecuado y procesable, alarma y fallo. calidad de los límites mejorará con poblaciones más grandes. poblaciones más grandes
3.2.11.2 Discusión condición de alarma -RED es comúnmente (por ejemplo, en los cientos) pueden proporcionar mejores límites de alarma. Sin
acentuada por letras rojas o detalle en color rojo o fondo rojo en las pantallas o embargo, los datos deben ser representativos de la población de equipos.
informes.
6.1.1.2 Para las técnicas de distribución acumulativa, independientemente de
4. Resumen de Guía la forma de distribución, se debe tener precaución para conjuntos de datos con menos de
4.1 Esta guía se utiliza para evaluar y ajustar estadísticamente 100 miembros. límites provisionales se pueden establecer a partir de tan poco como 50
límites de alarma para monitorización de estado en base a representante muestras aunque la calidad de los límites se

- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---

Los derechos de autor de ASTM International

4
Proporcionado por IHS bajo licencia con la norma ASTM Licenciatario = BP International / 5928366101 No para
Queda prohibida la reproducción o redes permitida sin licencia de IHS reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
mejorar con poblaciones más grandes. poblaciones más grandes (por ejemplo, 1.000 más)
pueden proporcionar mejores límites de alarma. Sin embargo los datos deben ser
representativos de la población de equipos.
6.1.2 El proceso de la maquinaria es un sistema de bucle cerrado
mediante el cual las mediciones de prueba sólo se ven afectados por las operaciones de
mantenimiento o el inicio de un modo de fallo.
6.1.3 Una población equipo o flota es una población de
máquinas como que se espera que se mantenga de acuerdo con el mismo
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
de fluidos similares y capacidades. Si la máquina se mantiene como tal, sigue
siendo parte de la misma población, independientemente de su edad.
6.1.4 Un intervalo óptimo de la muestra se ha establecido
la contabilidad de los modos de fallo probables o esperados y al menos dos
muestras estará disponible entre la iniciación del modo de fallo y su fase terminal.
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
todas las fases operativas de nuevo hasta la revisión.
6.1.6 Cada mesurando establecido está libre de interferencias.
6.2 Los siguientes comentarios sólo se aplican a los datos paramétricos
para el que el conjunto de datos fi ts una distribución normal:
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
probar objetivamente para la normalidad tal como se describe en SubsectionA1.4 de
Prácticas D6299 , O de acuerdo con un ensayo equivalente para la normalidad.
6.2.2 La mayoría de los datos de alarma de nivel blanco y verde son
espera que caiga dentro de dos desviaciones estándar de la media o representan alrededor del
94% de todas las muestras tomadas.
Se espera que los datos de la muestra 6.2.3 anormales a caer fuera de dos
desviaciones estándar de la media y representan aproximadamente el 6% de todas las muestras
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
tomadas. Se espera que estos datos para exceder una alarma de nivel de color amarillo y un
rendimiento inaceptable o una indicación de una condición degradante que se espera.
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.
6.4 La consideración cuidadosa se debe dar a la agrupación de
una población. Mejora de la precisión de los valores de alarma y límites que se
generan se puede obtener dividiendo un grupo mayor de menos equipos / máquinas
similares en otros más similares más pequeñas.
6.5 límites de alarma que se consideran para ser prácticos deben estar
probado en un mínimo utilizando el conjunto de datos de la que se derivaron para
demostrar que las conclusiones funcionales son verificabilidad hábilmente correcta.
6.6 Otros métodos estadísticos más allá de los indicados dentro de este
guía puede proporcionar también límites de alarma fiables y útiles. Esta guía
se limita a los descritos en la Sección 7 ya que se pueden aplicar fácilmente sin
una amplia formación estadística. Esta guía no pretende excluir el uso de otros
modelos estadísticos.
6.7 Los límites de alarma pueden ser o pueden haber sido desarrollado por
Fabricantes de equipos originales basadas en la experiencia o en los datos de las casas, o ambos. Estas
recomendaciones pueden estar basadas en la información actual o
Los derechos de autor de ASTM International
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
que pueden haber sido generados por una empresa que ya no fabrica el
equipo.
6.7.1 Para el caso de los límites basados ​en datos actuales, éstos
límites pueden tener un gran valor para soporte y mantenimiento. Esta guía debe
ser considerado cuando se pueden producir variaciones en el uso y
mantenimiento. El usuario que desee apartarse de OEM sugirió límites de alarma
deben considerar contacto y conversaciones con el OEM cuando desde su de fi
se realizan desviaciones límites de la NED.
6.7.2 Para el caso de los límites basados ​en datos antiguos o de una
compañía que ya no produce o compatible con el producto, los cambios en lubricantes o
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
límites como se discute en 7.2.2 . Se espera que las técnicas indicadas en esta guía para
ayudar a la calidad y precisión de estos límites.
7. Procedimiento
7,1 en servicio se utiliza comúnmente el análisis de muestra de lubricante
para la condición de comprobación de las características de lubricante, la contaminación del
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
laboratorio fuera del sitio, por un laboratorio en el lugar, por los kits de prueba en el sitio o por
en-línea de sensores.
7.1.1 Analyses típicamente implica múltiples pruebas que producen
varios valores de medida (también llamados parámetros de análisis) que han sido
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,
prueba de pro fi le) está destinada a orientar características seleccionadas asociadas con
el tipo activo o equipo que está siendo supervisado y producir una lista de valores de
medida denomina conjunto mesurando (conjunto de parámetros también llamado
análisis). Es común tener tres límites de alarma entre cuatro niveles de alarma asociados
con cada mesurando a base de alarma. Los límites de alarma pueden ser superior o
inferior o superior e inferior, dependiendo de la naturaleza de cada mesurando. La
combinación de todos los límites de alarma para un conjunto mensurando completa se
llama un límite de alarma establecido.
7.1.2 No es necesario que cada mensurando tener alarma
límites. mensurando y los valores de datos que no son a base de alarma tienen otros
usos como el apoyo, la correlación o la comprobación de validez.
7.1.3 límites de alarma basado Mensurando sirven como un producto intermedio
contribución en un proceso para el monitoreo de condición. Las órdenes de trabajo y acciones
de mantenimiento se basan en una revisión de todos los datos de un conjunto mensurando, en
datos históricos y en otra información para un punto de medición.
7.1.4 Este procedimiento describe dos técnicas para estadísticamente
evaluar los límites de alarma aplicadas a los datos de lubricante condición análisis de
monitoreo en servicio: una técnica de control de proceso estadístico y una técnica de
distribución acumulativa. Ambas técnicas dependen de la información estadística a partir de
múltiples conjuntos de datos donde cada conjunto de datos corresponde a un mesurando.
Y la combinación de múltiples conjuntos de datos cubre todos los valores de medida
basado en la alarma dentro de un conjunto mensurando.
7.2 Población equipos -Hay muchos tipos de equip-
ment en una base de datos de monitorización de estado. Un tipo particular de
5
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
equipo se selecciona para una población equipo que incluye un gran número de
elementos del equipo similares que tienen el mismo lubricante y que operan bajo
condiciones similares. Una lista de todos los valores de medida de una prueba de
muestra de lubricante pro fi le seleccionado para una población resulta equipo en un
conjunto mesurando que representa las mediciones de característica seleccionada para
revelar modos probables y causas de la degradación o el fracaso de la maquinaria
lubricada y para los lubricantes.
7.2.1 Para cada mensurando para los que el usuario desea
evaluar los límites de alarma, el usuario genera un conjunto de datos que cubre la población
equipo. Si el conjunto de datos sigue una distribución estadística paramétrica, a
continuación, el usuario puede aplicar control estadístico de procesos y técnicas de
distribución acumulativa para evaluar estadísticamente los valores límite de alarma. Si el
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
estadísticamente y hacer los ajustes prácticas a los valores límite de alarma existentes.
7.2.2 El análisis estadístico sugiere en esta guía es más
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.
Por lo tanto, esta guía se suele utilizar para evaluar y ajustar los límites de alarma. Si
suficientes datos históricos no está disponible, los límites de alarma para equipos similares o
relacionados se pueden utilizar como punto de partida hasta límites pueden ser generados
para el equipo específico. Otros límites de alarma para hacerse comenzado pueden estar
basadas en fuentes tales como fabricantes de equipos originales, proveedores de lubricantes,
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.
7.2.3 El usuario de esta guía tendrá acceso a un histórico
base de datos que contiene la información siguiente:
7.2.3.1 información Equipamiento para la maquinaria lubricada
y otros equipos,
7.2.3.2 identidad Lubricante para el lubricante utilizado en cada
compartimento lubricante,
7.2.3.3 Una población equipo de enumerar una serie de equip- como
ment basándose en la similitud de la información del equipo y la identidad de lubricante,
7.2.3.4 Los modos de fallo y las causas de los problemas comunes
dentro de la población de equipos,
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
7.2.3.5 lista un mensurando establece medi- prueba de muestra en el empleo
surands que pueden identificar modos y causas, y
7.2.3.6 preferiblemente no menos de 30 datos históricos mensurando
valores dentro del conjunto de datos utilizado con cada mesurando para la evaluación
estadística de los límites de alarma.
7.2.4 Como se mencionó anteriormente, el usuario estudia detalle equipo
información para designar una población equipo consta de un equipo similar, usando
el mismo lubricante, y operando bajo carga similar, el funcionamiento y las
condiciones ambientales. Dentro de una población de equipos que es posible tener
el mismo tipo de equipo que es a la vez los equipos críticos, tales como activos
importantes de producción que no son de valor redundante o alta o muy de
sensibilidad o de otra manera esencial, así como el equipo no crítica, como el
equilibrio de la planta equipo y activos redundantes. El análisis estadístico de los
datos de una población equipo incluyendo ambos equipos críticos y no críticos es
probable que se aplique de manera más conservadora cuando se utilizan los
resultados estadísticos
Los derechos de autor de ASTM International
6
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
para evaluar o ajustar los límites de alarma para equipos críticos en
comparación con el equipo no crítica.
7.2.5 Esta guía funciona mejor con un segregados, bien comportado
población de equipo idéntico de manera que la variación de causa común en los
valores de datos mensurando será pequeño y modos de fallo será fácilmente
observable en los datos.
7.2.6 Se reconoce que para un laboratorio con cientos o
incluso miles de variantes de equipamiento, que pueden llevar mucho tiempo para
crear, usar y administrar decenas o cientos de diferentes conjuntos de límite de
alarma. Por lo tanto la aplicación práctica de esta guía puede requerir de compromiso
compensaciones al seleccionar el equipo c especificidad para la inclusión en una
población equipo estadístico. La limitación en la calidad de los límites de alarma
generadas de esta manera deben ser reconocidos.
7.2.7 Es una práctica común para los usuarios designar equipos
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
velocidad, ciclo de trabajo, y la carga se obtendrán los mejores alarmas.
7.2.8 Si un equipo de los grupos de usuarios de demasiados diferente
tipos de equipos o funciones operativas, a continuación, se hace difícil asegurar que los
límites de alarma resultantes son relevantes y estadísticamente precisa. Si hay muy
pocas piezas de equipo en la población entonces la variación de los datos medidos
dentro de cada población se vuelve demasiado amplia causar algunos problemas que
no se alarme, mientras que otros son prematuramente fl agged.
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
comúnmente y las causas de raíz ( “modos y causas”) de componente y lubricante. Para
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
comúnmente experimentados y causas de condiciones de desgaste no deseados tales
como el desgaste por abrasión, desgaste prematuro fatiga, el desgaste corrosivo, y
desgaste anormal resultante de lubricación límite. La discusión sugiere además
mensurandos para identificar el estado de los equipos y el lubricante utilizado en la
población equipo asociado. tabla 1 se proporciona como un ejemplo general de cómo
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
lubricantes modos y causas del fracaso. Hay más discusión sobre las formas de
distribución de conjunto de datos en mensurando 07.09 a 07.12 para conjuntos de datos
mensurando típicos referencia en tabla 1 . Ejemplos adicionales para la selección de las
pruebas y, por lo tanto valores de medida para compensar un conjunto mesurando se
pueden encontrar en la práctica D4378 y D6224
donde diversas opciones de prueba son especi fi para aceites para turbinas y equipos de
energía auxiliar.
7.3.1 Desgaste abrasivo 3 la contaminación por partículas de un -Hard
sistema de lubricación es una causa de desgaste por abrasión anormal en los
sistemas mecánicos. desgaste abrasivo excesivo es frecuentemente causado por la
contaminación de polvo elevada. recuento de partículas y la medición del elemento,
silicio, son dos técnicas para
3 Toms, Larry A., y Allison M. Toms, Análisis de Aceite máquinas - Métodos, Automatización y Bene fi
cios, 3ª edición, STLE, Park Ridge, IL, 2008.
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
TABLA 1 Ejemplo Genérico
Cómo crear un mensurando establecido para una población de equipos?
En primer lugar, elegir la prueba de modos y causas. Estos son algunos ejemplos:
recuento de partículas
densidad ferroso
Agua-en-aceite
la química del lubricante
Elemental Fe, Pb, Si, Ba, y Na
la viscosidad del lubricante
Use análisis de residuos
revelar una causa fundamental para el desgaste abrasivo. medición de la densidad ferroso y el
desgaste análisis escombros (espectroscopia de emisión atómica, ferrografía) son dos de
muchas técnicas para controlar el desgaste, tales como el desgaste abrasivo. Hay muchas otras
pruebas de muestra de lubricante en servicio se puede realizar para supervisar causa y la
presencia de desgaste abrasivo.
7.3.2 Desgaste de la fatiga 3 carga dinámica -Long plazo de carga
superficies de apoyo es una causa principal de desgaste fatiga en tribología. El desgaste
excesivo o prematuro fatiga es frecuentemente causado por la carga dinámica elevada.
Otra condición medios de control tales como el análisis de vibración se utiliza a menudo
para determinar información sobre causas fundamentales relativos a la carga dinámica
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
escombros, y el análisis de metales elementales.
7.3.3 el desgaste corrosivo 3 -Corrosive contaminación de fluido de
sistemas de lubricación es una causa principal de desgaste corrosivo en la tribología.
desgaste corrosivo excesiva es frecuentemente causado por niveles elevados de
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
mediciones de la muestra de lubricante en servicio capaz de detectar los fluidos
corrosivos que contaminan un sistema de lubricación son los siguientes: agua-en-aceite,
el análisis elemental para la detección de un aditivo de refrigerante tal como el sodio
(Na) y para detectar el desgaste corrosivo tal como el hierro (Fe ) y plomo (Pb), y
permitividad relativa o número o base índice de acidez que indica el lubricante o bien ha
ganado acidez o alcalinidad perdido. Para esta discusión vamos a incluir uno o más
valores de medida apropiados para el agua-en-aceite, el número de ácido, número de
base, o elemental Na, Fe, Pb y de medición.
7.3.4 Desgaste debido al límite de lubricación Fracaso 3 -
desgaste lubricación límite es el resultado de la transferencia de al menos una parte de
soporte de carga entre superficies móviles aunque contacto metal con metal cuando el fl lm fi
uid no está apoyando completamente carga. Anti-desgaste (AW) y aditivos de extrema
presión (EP) a menudo se utilizan para combatir efectos de la fricción y el desgaste en
condiciones de lubricación límite. aditivos AW y EP pueden ser físicamente adsorbido o
químicamente reaccionado películas suaves (por lo general muy finas) que las cargas de
contacto de apoyo ayuda. No obstante, en virtud de lubricación límite cierto desgaste es
inevitable. El desgaste excesivo en los regímenes de lubricación límite a menudo resulta de
las condiciones de lubricación inadecuada tales como el suministro (A) lubricante es
insuficiente, (B) una carga mecánica es demasiado alto, (C) velocidad de la máquina es
demasiado lento, o (D) la viscosidad del lubricante demasiado bajo. Magnitudes medidas de
recuento de partículas, partículas de desgaste microscópico
Los derechos de autor de ASTM International
7
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
A continuación, un conjunto mensurando mostrará una lista de valores de medida fi especificados por sus
métodos preferidos, guías y prácticas:
D6786 , D7647 , D7416 , D7596
D7416 , otra
D4928 , D6304 , D6439 , D7416 , E2412
D664 , D974 , D2896 , D7414 , D7416 , D7484
D5185 , D6595
D445 , D7042 , D7279 , D7416 , D7483
D7670 , D7416 , D7684 , D7690 , D7685
análisis, análisis elemental, y la viscosidad son algunos ejemplos de pruebas
capaces de detectar este fallo.
7.3.5 La degradación del lubricante 3 -Lubricantes son susceptibles
a la degradación química de temperatura elevada prolongada y la exposición a fuentes de
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
lubricante. A menudo, estos incluirán pruebas para los cambios de viscosidad (tales como una
prueba de viscosidad cinemática) y pruebas para fi cambios químicos significativos en la
química del lubricante (tales como la Transformada de Fourier de infrarrojos, permitividad
relativa, índice de acidez o el número de base). Magnitudes medidas de los ensayos
seleccionados se incluyen en el conjunto mesurando.
7.3.6 mezcla de lubricantes -Mezcla o mala aplicación es an-
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
de los estados de alarma se proporciona con esta guía. Son blanco, verde, amarillo
y rojo. Menos o más niveles distintos pueden ser utilizados. nomenclatura adicional
para estos niveles se proporciona en la Sección 3 .
7.4.1 Los límites de alarma son los valores que representan mayor que
o menos-que umbrales entre estos niveles de alarma.
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
7.5 Control Estadístico de Procesos (SPC) Técnicas para la Evaluación de los límites de
alarma:
7.5.1 SPC se utiliza para evaluar los límites de alarma para un mensurando
población conjunto de datos que fi t una distribución estadísticamente normal. Se calcula la
desviación estándar de la población de datos. Figura 1
representa gráficamente una distribución paramétrica, normal.
7.5.1.1 SPC “Límites Uno-Sigma” -68,27% de conjunto de datos Val-
ues caerán dentro de una desviación estándar de la media de la población. datos de la
muestra dentro de menos de o igual a una desviación estándar de la línea central (por
ejemplo, aproximadamente igual a media estadística) pueden ser comparables a un
nivel de alarma BLANCO.
7.5.1.2 SPC “Límites de dos Sigma” o “límites de advertencia” -
94,45% de las muestras caerán dentro de dos desviaciones estándar de la media de la
población. Los datos de muestra mayores que una desviación estándar de distancia de la
línea central y de menos de o igual a dos desviaciones estándar de distancia pueden ser
comparable con un nivel de alarma verde.
7.5.1.3 SPC “Límites de tres sigma” o “límites de control” -
99,73% de las muestras caerá dentro de los tres desviación estándar de la media de
la población. Anormal a condiciones de fallo son sugeridos por los datos mensurando
mayor que un segundo y menor o igual a una tercera desviación estándar de
distancia de la línea central puede ser comparable con un nivel de alarma RED.
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
HIGO. 1 SPC paramétrico, distribución normal
7.5.1.4 SPC “Four-Sigma Varianza” -99,99% de las muestras
caerá dentro de cuatro desviación estándar de la media de la población. Asignable o
causa especial varianza a menudo se sugiere para los datos superiores a tres
desviaciones estándar de la media de la población.
7.5.1.5 valores atípicos identi fi ed utilizando aceptado estadística
técnicas deben ser retirados de las poblaciones de conjuntos de datos como valores atípicos.
Una vez eliminado, las estadísticas deben ser reevaluados.
7.5.2 La aparición de una baja aplanado en el patrón
distribución de la frecuencia generalmente indica que la magnitud a medir no es
sensible al modo de fallo. La aparición de un patrón multimodal en la distribución
de frecuencia generalmente indica que la magnitud a medir no es única para el
modo de fallo, es decir, hay más de un modo de fallo identificado por la magnitud a
medir. En las situaciones anteriores, el mensurando no puede ser utilizado solo
para identificar la falla.
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
7.5.3 Cuando la población de la muestra tiene anormalmente alto
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
frecuencia que tiene una curva distinta en el extremo alto. Para superar este efecto, los
datos de muestra con mayor que el promedio más-o-menos 6 desviaciones estándar
debe ser entresacado de la población. La media recalculado y la desviación estándar en
el conjunto de datos restante deben proporcionar los límites de alarma mejoradas. Si no
hay valores mayores de 6 desviaciones estándar, el equipo, la práctica de
mantenimiento, etc., deben ser revisados ​para determinar la causa de los fracasos.
Los derechos de autor de ASTM International
8
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
7.5.4 Uso de los datos promedio y desviación estándar para cada
mensurando conjunto de datos, calcular una serie de límites de alarma basado en tentativos 7.5.1-7.5.3
.
7.5.5 Los límites de alarma que figuran en este documento son ejemplos ilustrativos
de cómo la desviación estándar puede ser utilizado. Algunos usuarios pueden querer advertencia
anterior para los componentes de costos difíciles de mantener, críticas o altas. Tenga en cuenta que
la política para el establecimiento de niveles de alarma es normalmente una decisión de gestión de
alto nivel.
7.5.6 Antecedentes sobre SPC:
7.5.6.1 SPC utiliza varias metodologías estadísticas a Im-
demostrar la calidad de un proceso mediante la reducción de la variabilidad de una o más de
sus salidas, por ejemplo, una característica de la calidad de un producto o servicio. Una cierta
cantidad de variabilidad existirá en todas las salidas del proceso, independientemente de lo
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
de la producción sujeta únicamente a la casualidad, o por causas comunes.
7.5.6.2 perturbaciones en el proceso, que se dice ser debido a asignable, o
causas especiales, se manifiestan por cambios en el nivel de salida, como un pico, el
cambio, la tendencia o por los cambios en la variabilidad de una salida. Cuando se
elimina la variación de causa especial, la variabilidad del proceso se reduce a su
variabilidad inherente, y los gráficos de control entonces funcionar como un monitor de
proceso. Además reducción en la variación requeriría modi fi cación del proceso en sí.
7.5.6.3 El uso de tres errores estándar (por ejemplo,
desviaciones estándar) para los límites de control (los llamados “tres-sigma
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11

límites”) fue elegido por Shewhart, 4 y por lo tanto también son conocidos como
límites de Shewhart. Shewhart eligió estos límites para equilibrar los dos riesgos de:
(1) al no indicar la presencia de una causa especial cuando se da, y (2) la
ocurrencia de una señal de fuera de control cuando el proceso es realmente en un
estado de estadística control (una falsa alarma).
7.5.8 No escoja selectivamente a través de los datos o de forma aleatoria
recoger muestras de los datos de un conjunto de datos. valores de datos de muestra
selectivamente escogidas pueden introducir un sesgo usuario. Al azar recogido datos de un
conjunto de datos mensurando establecidos para una gran flota no siempre reflejan los
modos de fallo en estudio y puede generar límites de alarma no fiables.

7.5.6.4 variación de causa especial también puede ser indicado por

7.5.9 límites de alarma provisionales se pueden configurar con una pobla- datos
ciertos patrones no aleatorios de la estadística subgrupo trazado, tal como se detecta mediante
Tion tan pequeño como 10 como se ha dicho. En los casos en todos los modos de fallo identi
el uso de las denominadas reglas de Western Electric. 5 En la presente memoria una estadística
fi cados y las causas no están representados, los límites de alarma de baja calidad resultarán.
subgrupo es un subconjunto de un conjunto de datos tales como datos relacionados con una
Estos límites de alarma se pueden ajustar manualmente hacia arriba través de la experiencia
pieza particular del equipo o a un lubricante fi específico o una causa raíz en particular que
con maquinaria similar. En los casos en los modos de fallo y las causas son más
afecta a una porción de la población conjunto de datos. Para implementar estas reglas, límites
representado, los límites de alarma más altos resultarán. Estos límites de alarma se pueden
adicionales se muestran en la gráfica a la 6 dos errores estándar ( “límites de dos sigma” o
ajustar manualmente hacia abajo a través experiencia con maquinaria similar. En todos los
“límites de aviso”) y en 6 un error estándar ( “límites de una sola sigma”).
casos, los límites de alarma deben ser revisados ​y actualizados continuamente ya sea a
través de estadísticas o la experiencia a medida que más y más datos de la muestra modos
de fallo y las causas se encuentran.
7.5.6.5 Reglas de Western Electric -Los siguientes puntos son
de vez en cuando se utiliza para revelar las indicaciones potenciales de un cambio estadístico de

distancia del control:

(1) un valor cae fuera de uno de los límites de control,
(2) dos de cada tres valores consecutivos caen fuera de los límites de
advertencia en el mismo lado,
(3) cuatro de cada cinco valores consecutivos quedan fuera del
6 límites de una sola sigma en el mismo lado, y
(4) ocho valores consecutivos o bien caen por encima o caen por debajo de la línea central.
7.5.6.6 Otras reglas de Western Electric indican menos comunes
situaciones de comportamiento no aleatorio:
(1) Seis valores consecutivos en una fila están aumentando o disminuyendo (tendencia) de
manera constante,
(2) Quince valores consecutivos están todos dentro del 6 límites onesigma a
cada lado de la línea central,
(3) Catorce valores consecutivos son alternas arriba y hacia abajo, y
(4) Ocho valores consecutivos están fuera del 6 límites de una sola Sigma.
7.5.6.7 Estas reglas se deben utilizar con prudencia, ya que
aumentará el riesgo de una falsa alarma, en el que el gráfico de control indica falta de
control estadístico cuando causas solamente comunes están operando. El efecto del uso
de cada una de las reglas, y grupos de estas reglas, en la incidencia de falsas alarmas
es discutido por Champ y Woodall. 6
7.5.7 A partir de los conjuntos de datos que representan candidato máquina
historias de datos de muestra, se reúnen una población que contiene los datos de las
condiciones pertinentes. Para un mejor rendimiento seleccionar todos los datos
disponibles. Para la maquinaria grande flotas, seleccionar datos de diez (10) o más
muestras consecutivas de cada máquina en la población equipo. Se esperaría que más
muestras consecutivas para mejorar la calidad inicial de los límites de alarma está
establecido y un número más alto deben ser considerados cuando los límites de alarma
se aplican a los equipos críticos en lugar de equipos no crítica.
4 Shewhart, WA, Control Económico de la Calidad de productos manufacturados, RE.
Van Nostrand Company, Inc., 1931.
5 Western Electric Company, Inc., Control Handbook estadístico de la calidad, La imprenta Compañía
Mack, Easton, PA, 1956.
6 Champ, CW, andWoodall, WH, “exactos Resultados para gráficos de control de Shewhart con
7.5.10 límites de alarma prácticos pueden ser determinadas por estadísticamente
análisis cal de la maquinaria de verificación y lubricante. poblaciones de datos de monitoreo de
condiciones históricas y trendable se pueden describir en formas paramétricas y no
paramétricas. Estos datos poblaciones establecidas no son dependientes del tiempo, aunque
se obtienen mejores resultados cuando se utilizan conjuntos de datos de muestra consecutiva.
7.5.11 Los datos paramétricos se pueden describir como los datos que
satisface una distribución normal. Tres pruebas se pueden utilizar para determinar si los
datos son paramétricos: (1) significan y valores de la mediana para la población de
datos son aproximadamente los mismos, (2) una parcela distribución de frecuencias de
la población de datos es en forma de campana, y (3) la distribución tiene dos colas.
Cuando existe un sesgo claro o forma bi-modal, la distribución de datos es no
paramétrico, y no es una distribución normal.
7.5.12 Condiciones degradadas que aún no están en un fracaso
condición también puede existir. Para este caso, la remediación de la acción no siempre
es necesario y el funcionamiento continuo puede todavía ser razonable. Estas condiciones
sin embargo generalmente todavía progresan a un fracaso. Los niveles de alarma se
utilizan para documentar estos hechos y producir sensibilidad organizacional para estas
condiciones.
7.6 Acumulativa técnica de distribución -A Acumu- estadística
También se recomienda la técnica de distribución lative para evaluar los límites de
alarma. Esta técnica particular emplea un porcentaje de distribución acumulativa de los
valores del conjunto de datos ordenados. La técnica se basa en una distribución de
conjunto de datos real y por lo tanto no depende de una presunta estadística per fi l. La
técnica se puede utilizar cuando el conjunto de datos es o bien paramétrico o no
paramétrico, y puede ser usado si una distribución de frecuencia aparece sesgada o 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,
aunque la técnica se debe repetir cuando el fi identificado variación de causa especial o
bien cambia de forma significativa o se elimina. Las salidas de la técnica de distribución
acumulativa incluyen valores de datos mesurando fi específicas correspondientes a
niveles de porcentaje seleccionados de trama de distribución acumulativa del conjunto de
datos ordenada. Estos valores de datos basada en mensurando por ciento se utilizan
para evaluar y ajustar los límites de alarma. Los usuarios deben estudiar la información
disponible

Complementario Runs reglas” Technometrics, Vol. 29, No. 4, pp. 393-399.

- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---

Los derechos de autor de ASTM International

9
Proporcionado por IHS bajo licencia con la norma ASTM Licenciatario = BP International / 5928366101 No para
Queda prohibida la reproducción o redes permitida sin licencia de IHS reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
HIGO. 2 Distribución acumulativa de doble cola con datos continua
y discernir si los datos deben ser retirados de la población como conjunto de datos de
observaciones periféricas (también llamados valores atípicos).
7.7 Los usuarios de esta guía a veces prefieren una opción para ver
datos ordenados representados en un eje de abscisas logarítmicas, dependiendo de la
naturaleza de los valores de datos mensurando en respuesta a la degradación progresiva
de una característica medida.
7.8 usuarios distribución acumulativa comenzarán a reconocer
aspectos de una distribución de conjunto de datos, tales como los resumidos en
Higos. 2-5 .
7.9 Un ejemplo de distribución acumulada de un conjunto de datos
que tiene una distribución de frecuencia normal con forma de campana y dos colas se muestra en la
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
puede causar la viscosidad disminuya. La oxidación o acumulación de hollín pueden causar un
aumento de la viscosidad. Una revisión de la población de datos muestra que está siendo
considerado indicará si conjunto de datos no paramétrico está presente.
7.9.1 flechas con destino a Outer en Figura 2 , Marcar segmentos de
el conjunto de datos de población para la comparación con los niveles de alarma
mensurando. Estas flechas marcan valores mensurando 99% y 1% que han sido
seleccionados por ejemplo, para un usuario para la comparación con los límites de alarma
de amarillo a rojo para un usuario que desea marcar fuera de los límites con fi Ning 98%
del conjunto de datos. Este enfoque se centra la atención en el 2% de las mediciones, es
coherente con las capacidades de los recursos de mantenimiento limitadas disponibles,
llama la atención a los datos que se asocia frecuentemente con la variación de causa
asignable o especial, y cuando este enfoque se repite temporada tras temporada juntos
con la eliminación de la causa raíz es probable que reduzca la variación con el tiempo.
7.9.2 flechas-Inner unido en Figura 2 marcar segmentos de la población conjunto de
datos para la comparación con los límites de alarma-verde-a amarillo. porcentajes
reales se eligen basándose en experi-
Los derechos de autor de ASTM International
10
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
cia. Para este ejemplo, se han elegido los límites correspondientes a mesurando
valores a 95% y 5% del conjunto de datos.
7.9.3 técnicas de distribución acumulativa aplican a real
mesurando valores de datos pueden generar porcentajes preferidos para denotar los límites
de alarma de blanco a verde. El operador selecciona estos límites teniendo en cuenta la
experiencia personal, capacidad de repetición estadística publicada reproducibilidad y la
precisión asociada con el método de ensayo, y otras variaciones asociadas con buen
asnew o blanco nivel de alarma. Estos comentarios acerca del uso de técnicas de
distribución acumulada para evaluar los límites de alarma en torno a un nivel de alarma
BLANCO se aplican a todos los cuatro de los siguientes ejemplos se describen a
continuación y representadas en Higos. 2-5 .
7.10 Un ejemplo de distribución acumulada de un conjunto de datos
que tiene una referencia de base cero, y una distribución de frecuencia
continua sesgada se muestra en la Fig. 3 . Ejemplos de este tipo de conjuntos
de datos mensurando se observan comúnmente en la medición de
características que surgen cuando un lubricante es en servicio, pero no son
realmente partes del lubricante tal como datos mesurando establece
contaminación seguimiento y las características de desgaste. Valor medido
inicial son a menudo bajos (a menudo cero) y luego aumentar a medida que
avanza la enfermedad. Este mesurando característica y otros destinados a
ayudar a un usuario cuando la decisión de cambiar el aceite son muy
adecuadas para la técnica de distribución acumulativa porque los datos está
cambiando progresivamente (por ejemplo, aumentando) de cambio de aceite
de cambio de aceite y entre el aceite de top-offs. Para estos valores de medida
los valores de datos no se mantienen constantemente alrededor de un valor
medio estadístico. Este diagrama también representa otros valores de medida
como el número ácido (AN), oxidación, y permitividad relativa (por ejemplo,
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11

HIGO. Referencia 3 de base cero, Cumulative Distribution-Single Tail con continua de datos

HIGO. 4 de alta referencia, distribución acumulativa-Single Tail con datos continua

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 derechos de autor de ASTM International

11
Proporcionado por IHS bajo licencia con la norma ASTM Licenciatario = BP International / 5928366101 No para
Queda prohibida la reproducción o redes permitida sin licencia de IHS reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
HIGO. 5 de cola que es la distribución acumulativa sesgada con datos discretos
los aditivos. Este mesurando característica y otros utilizados para determinar cuándo hay que
cambiar el aceite son muy adecuadas para la técnica de distribución acumulativa porque los
datos están cambiando progresivamente (por ejemplo, disminuyendo) de cambio de aceite
para el cambio de aceite, y entre el aceite de top-offs, por lo que los valores de datos no lo
hacen coloque constantemente alrededor de un valor medio estadístico. Este tipo de
población de datos es por lo general no paramétrico. Una revisión de la población de datos
siendo considerado indicará si este tipo de conjunto de datos no paramétrico está presente.
7.11.1 En el Fig. 4 ejemplo, una flecha marca de 98% seleccionado por un
operador para la comparación con un límite de alarma YELLOW-reada y otro flecha
marca de 90% seleccionado por un operador para la comparación con un límite de
alarma-verde-a amarillo.
7.12 Un ejemplo de distribución acumulada de un conjunto de datos
tiene una distribución de frecuencia discreta sesgada se muestra en la
Fig. 5 . Ejemplos de este tipo incluyen datos mesurando establece un comúnmente asociados
con valores cuantificados de medición codificado comúnmente utilizados para el recuento de
partículas, así como niveles de gravedad comúnmente asociados con el análisis de partículas
de desgaste. valores de código basadas en enteros son discretos y están a menudo con fi
gurado para representar exponencial, o de otro tipo no lineal, los datos en un tointerpret fácil
cuanti estructura ed fi. Este tipo de población de datos es por lo general no paramétrico. Una
revisión de la población de datos siendo considerado indicará si este tipo de conjunto de
datos no paramétrico está presente.
7.12.1 En el Fig. 5 ejemplo, una flecha marca de 98% seleccionado por un
operador para la comparación con un límite de alarma YELLOW-reada y otro flecha
marca de 90% seleccionado por un operador para la comparación con un límite de
alarma-verde-a amarillo.
7.13 Validación de datos:
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
Los derechos de autor de ASTM International
12
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
7.13.1 Realizar una opinión razonable sobre la base de expe-
riencia y el conocimiento. Repita los pasos del procedimiento según sea necesario para
confirmar las alarmas si la revisión no pasa esta prueba.
7.13.2 Validar los límites provisionales establecidos ya sea por el SPC
desviaciones técnica estándar o por la técnica de distribución acumulativa, y
comparar estas estadísticas con los datos históricos de cada problema del equipo
representado en la población de prueba. Ejecutar muestras de datos históricos
contra las alarmas recién calculados y comparar los resultados con los del siguiente:
7.13.2.1 comparen con las recomendaciones originales, en su caso,
para la muestra y buscar la correlación, acuerdo y desacuerdo.
7.13.2.2 Comparar con reacondicionamiento de maquinaria y desmontaje
documentación para determinar la viabilidad y la precisión de los nuevos límites de alarma para
maquinaria fi específico o problemas de fluidos identi fi ed.
7.13.2.3 Comparar con la documentación de los casos donde
“No se encontraron problemas” para determinar si la nueva alarma se correlaciona con
un falso positivo o si la nueva alarma es demasiado sensible.
7.13.3 evitar la trampa de requerir una correlación 100%
entre el nuevo funcionamiento de alarmas y alarmas o recomendaciones
anteriores. selecciones de límite de alarma se basan en la interpretación de datos
que incluye mucho más que excedido los límites de alarma. El propósito de este
paso es a FI discrepancias nd brutos. La evaluación de validación debe mostrar un
mínimo de falsos positivos y cada uno debe ser fácilmente explicable.
7.13.4 comparar los datos de validación discrepancias a las alarmas que
se puede ajustar usando la siguiente información adicional.
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
los valores de alarma se calculan a partir de una población
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11
donde los modos de fallo críticos no estaban representadas adecuadamente. Esto se puede
resolver mediante el aumento de los límites de alarma, asegurando que todos los modos de
fallo se representan.
7.13.4.2 buscarse un fallo del equipo en ausencia de una
de alarma que indica que los límites de alarma son demasiado altos, el intervalo de muestreo
es demasiado largo o la medición se utiliza para capturar el modo de fallo es inadecuada.
Esto se puede resolver mediante la reducción del límite de alarma, disminuyendo el intervalo
de muestreo o mediante el uso de un mesurando diferentes para representar el modo de fallo.
7.13.4.3 buscarse un fallo del equipo en ausencia de una
alarma. Esta situación es un problema si los límites de alarma se calcularon a partir de
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
mediante la reducción de los límites de alarma o eliminación de algunas de las
mediciones de fallo más significativo de la población.
8. Informe
8.1 Un informe escrito será registrada y retenida para
de referencia, la comparación y procesos de mejora continua. El informe debe
incluir las notas de usuarios relevantes y significativas sobre el funcionamiento
o estado de los equipos, o ambos. Las notas también deben incluir ningún tipo
de mantenimiento preformado en el equipo. El resto de esta sección
proporciona sugerencias que pueden ser incluidos en o omitidas en el informe
según se considere apropiado por el usuario.
8.2 Equipo Población:
8.2.1 Descripción del equipo. ¿Cuáles son la de fi nición caracterís-
tics para los elementos están incluidos en esta población?
8.2.2 Número de unidades en la población.
8.2.3 identidad lubricante.
8.3 Conjunto mensurando - (también llamado conjunto de parámetros de análisis).
8.3.1 Lista de las pruebas y el método o práctica (si está disponible)
de fi nir las pruebas utilizadas para producir valores de medida.
8.3.2 Lista de nombres que identifica cada mensurando y describir
el seguimiento físico o funcional característico condición que se mide por la magnitud a
medir. Los usuarios pueden encontrarla útil organizar mensurandos dentro de un
mesurando conjunto lógico y describirlos claramente de acuerdo con las características de
desgaste de la máquina, las características de contaminación del sistema, y ​las
características de la química de fluidos.
8.3.3 Unidad de medida de cada mensurando.
8.3.4 indicar cada mesurando, en base a alarmas.
8.4 Ajuste del límite de alarma:
8.4.1 Identificar y nombrar cada límite de alarma establecido para un equip-
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
críticos o equipo de muestreo frecuente puede tener alarmas relativamente más altos o
más bajos que otros en la misma población de equipos.
- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---
Los derechos de autor de ASTM International
13
Proporcionado por IHS bajo licencia con la norma ASTM
Queda prohibida la reproducción o redes permitida sin licencia de IHS
8.4.2 Para cada set list límite de alarma de los valores de medida de la
conjunto mensurando que mensurandos a base de alarma.
8.4.3 describir el comportamiento de cada mensurando en base a alarmas
establecer el límite de alarma.
8.4.3.1 ¿Cuál es el tipo base el límite de alarma? En otras palabras, es
es cero-base (lo que significa que es un valor escalar absoluta a partir de cero cuando “como
nuevo”) o de referencia base (lo que significa que se compara con un valor de referencia
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
de este mismo punto de la muestra); o es el valor límite de alarma en comparación con alguna
otra línea de base?
8.4.3.2 ¿Cuál es el límite de alarma de tipo delta? En otras palabras, es
el límite de alarma expresada en valor absoluto o en porcentaje?
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)?
8.4.4 ¿Cuáles son los límites de alarma fi nales para cada magnitud a medir en el
establece el límite de alarma? Los límites de alarma son típicamente reportados como valores de
“mayor que”. Esto significa que el límite de alarma para el nivel de alarma es
AMARILLO-VERDE-AMARILLO al valor umbral.
8.5 notas -En cuanto a análisis estadístico utilizado para evaluar
y ajustar los límites de alarma.
8.5.1 Número de muestras incluidas en cada conjunto de datos.
8.5.2 Si está disponible y conveniente para proporcionar representaciones gráficas
conjunto de datos poblaciones para cada mensurando.
8.5.3 Cuando se utiliza la técnica de RCP para evaluar y ajustar
límites de alarma, informan de resultados significativos SPC como las siguientes:
8.5.3.1 límites de tres sigma, también llamados límites de control o
límites de control superior e inferior.
8.5.3.2 límites de dos sigma, también llamados límites de advertencia.
8.5.3.3 límites de una sola Sigma.
8.5.3.4 Otros hallazgos SPC o posibles indicaciones.
8.5.3.5 Notas de usuario.
8.5.4 Cuando técnica de distribución acumulativa se usa para
evaluar y ajustar los límites de alarma informan lo siguiente:
8.5.4.1 valor de datos Mensurando y correspondiente acumulativo
valor de porcentaje de distribución para cada límite de alarma en cada mesurando.
8.5.4.2 Otros hallazgos de distribución acumulativa o fi posible
indicaciones.
8.5.4.3 Notas de usuario.
9. Palabras clave
9.1 de alarma; nivel de alarma; límite de alarma; monitoreo de condición;
límite de control; distribución acumulativa; población equipo; mensurando; mesurando
establecido; no paramétrica; análisis de aceite; paramétrico; SPC; Control del Proceso
Estadístico
Licenciatario = BP International / 5928366101 No para
reventa, 05/04/2013 02:19:42 MDT
 D7720 - 11

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/ /).

- - ``, `` `` `` `` ,,, `` `` `` `` `,, ,, -` `-` ,, ,,`, `` ,, ---

Los derechos de autor de ASTM International

14
Proporcionado por IHS bajo licencia con la norma ASTM Licenciatario = BP International / 5928366101 No para
Queda prohibida la reproducción o redes permitida sin licencia de IHS reventa, 05/04/2013 02:19:42 MDT