Loading
部落格
Recent ActivityRecent Activity

預測性維護進入 AI 世代

推動分析數據導向的精準維護策略

分享:

LinkedInLinkedIn
XX
FacebookFacebook
PrintPrint
EmailEmail
Three workers in PPE talk using laptop in factory

自從二戰期間 CH Waddington 發表個人看法,對英國皇家空軍 (RAF) 一貫的維護保養作法抱持質疑,不解何以執行任務後需要有近半數戰機同時停飛進行維護,隨著新技術與策略的問世,維護方針也不斷革新。CH Waddington 的理論基礎是定期保養 (預防性或排定保養) 反而提高故障機率。CH Waddington 與其他少部分科學家建議,應按照設備的狀態進行保養工作。歷經五個月嘗試這項新措施之後,特定期間內可執行任務的戰機數增加了 61%。

自此以後,製造業者已開始採用預防性維護策略,舉凡如裝置內建感測器,預測設備可能發生故障的時間點。然而因數據取得不易,預測結果不盡相同。如今有了 IIoT、機器學習與人工智慧技術,預測性維護不再只是理想。

何謂預測性維護以及效益為何?

預測性維護的原理在於,偵測到正常運作下有細微的改變和反常時,通常代表存在更大的問題。預測性維護來自數位預防性維護 (PdM),運用數據導向維護策略來分析運作情況,進而預測出潛藏的故障危機並提前準備。全年無休不間斷的遠端監控、機器學習導出的數據導向洞見,以及創新預測性分析技術,可警示設備潛在的故障風險,許多層面上都為製造業者帶來效益。預測性維護的成本節省和投資報酬率包含:

  • 縮短停機時間
  • 更精確鎖定維護保養範圍
  • 更高的生產力
  • 高效率庫存管理
  • 進階數據分析
  • 節省人力和材料成本
  • 增進工廠安全
  • 優化維護作業
  • 提高整體設備效率(OEE)

條件式監控下的預測性維護

維護策略與能力另一項轉型突破,在於新興的條件式監控 (CBM) 技術,可藉由監控關鍵績效指標 (KPI) 發掘出異常。企業層級的考察方式可透過量測值、對設備做目視檢查、回顧效能數據或排定檢測報告,以及查看 IoT 與歷史數據。可如同機器內建感測器的條件下,依據特定區間或持續不間斷收集 KPI。CBM 可應用至所有資產。

CBM 的運作原理就像是任何預測性維護,只有出現設備性能衰減或即將出現重大故障時才進行維護。有別於傳統預防性維護的是,CBM 僅有應需要才要求設備停機維護,因而拉長各次保養維修的間期。

CBM 有助於縮短停機時間達 30% 至 60%,並延長平均達 30% 的機器使用壽期。預測性維護扮演的要角,在於提早偵測並處理機器問題,不致惡化為大規模故障。PWC研究發現,預測性維護可大幅增加正常運作時間達 51%。預測性維護可供企業避免發生事件,進而保障員工和客戶能有更高的安全性。

推行可奏效的條件式維護計畫

洛克威爾自動化推出FactoryTalk® Analytics™ GuardianAI™ 新軟體,藉由設定持續條件的監控,提供富有預測意義的維護洞見。此軟體協助維護工程師獲取因地制宜的適切資訊,從而優化維護活動並縮短非預期的停機時間。

得力於這些資訊洞見,維護工程師得以精準掌握工廠現場資產的最新條件。當資產開始偏離正常狀態時,他們會立即收到提前通知。

使用您的現有變頻器作為感測器

FactoryTalk Analytics GuardianAI 使用者無需另外添購感測器或監控設備。此軟體運用變頻器 (VFD) 提供的現有數據,提前預警潛在的資產故障警報。FactoryTalk Analytics GuardianAI 軟體透過 VFD 電子訊號來監控工廠資產的條件。如從電子訊號偵測到偏離,即向使用者發出異常警報,有利製造業者展開調查與規劃正確的應對行動。FactoryTalk Analytics GuardianAI 與 PowerFlex® 755、755T 和 6000T 變頻器的進階整合,可用於如汞浦、風扇與鼓風機的關鍵製程應用。

無需資料科學

營運環境中要部署創新解決方案時,價值實現時間的重要性無庸置疑。FactoryTalk Analytics GuardianAI 軟體的自助式瀏覽器體驗,讓操作流程更加直覺與精簡,大幅節省時間。只需要在邊緣 PC 部署應用,再指明變頻器與資產資訊,就能培訓工廠數據作為即時來源的預測性維護模型,對營運現況絲毫無損。培訓完成時,軟體會自動切換成監控模式,供使用者監看工廠資產的條件。

從全資產概覽的角度出發,便能篩選出任何有風險的資產,更清楚確認其條件。從中將可挖掘出發生此偏離的原因、偏離正常的程度,以及此偏離持續多久的時間。除此之外,也能列入有關於故障風險的嚴重度和故障排除所需的估計時間等脈絡。這些細節可用於支援維護團隊工作,輔助其開出優先排序與進行維修所需的規劃。

從異常狀態偵測進化為識別異常內容

FactoryTalk Analytics GuardianAI 軟體的創舉,在於將工廠資產通用類型發生故障時的最可能成因內嵌為專門知識。假設汞浦、風扇或鼓風機應用正列入監控,FactoryTalk Analytics GuardianAI 會理解與辨別相關第一原理故障的電性標記,並在發出偏離警報時提供此脈絡。當維護工程師知悉可能出現哪一類型的故障,就能夠縮短調查問題的時間,並將所需停機時間縮減到最少。

內建專門知識,對於一開始即明辨異常內容非常管用。但創新功能不僅限於此。FactoryTalk Analytics GuardianAI 軟體也有接受培訓的功能,進一步提升對特定故障的處理能力。當調查發現問題來源後,就能將此標示為異常。若相同問題再度發生,軟體就會識別出來並通知使用者。

在邊緣進行分析

FactoryTalk Analytics GuardianAI 軟體部署完成後,即在邊緣學習與運作達成近乎即時化的預測能力。

結論

自 CH Waddinton 與其確保 RAF 戰機翱翔天際的任務以來,製造業者不斷精進更有效率的維護保養決策,以及從設備創造更大價值。歷經了從應變與主動回應演化至預防性與預測性措施,維護工程師如今在直覺化操作體驗下就能輕鬆執行機器學習,不再需要數據科學的專精知識。瞭解更多: FactoryTalk Analytics GuardianAI.

已發佈 2024年5月13日

主題: FactoryTalk Analytics GuardianAI

訂閱Rockwell Automation

訂閱Rockwell Automation,並直接於收件匣接收最新的新聞與資訊。

立即訂閱
為您推薦
Loading
  1. Chevron LeftChevron Left Rockwell Automation 首頁 Chevron RightChevron Right
  2. Chevron LeftChevron Left 公司 Chevron RightChevron Right
  3. Chevron LeftChevron Left 最新消息 Chevron RightChevron Right
  4. Chevron LeftChevron Left 部落格 Chevron RightChevron Right
  5. Chevron LeftChevron Left 預測性維護進入 AI 世代 Chevron RightChevron Right
請更新您的 cookie 設定以繼續.
此功能需要 cookie 來改善您的體驗。請更新您的設定以允許這些 cookie:
  • 社群媒體Cookie
  • 功能Cookie
  • 性能Cookie
  • 行銷Cookie
  • 全部Cookie
您可以隨時更新您的設定。想了解更多訊息,請參閱我們的 {0} 隱私政策
CloseClose