| 市場前線 | 設備預知監控管理平台之技術發展與應用
摘要：近幾年全球企業推動工業物聯網(IIoT)改變工廠營運方式，工廠設備保養策略從以往人力巡檢轉變為預防保養，並藉由建置整廠設備輔助管理平台以即時掌握主要生產設備運轉健康狀態，以降低生產過程中非預期跳車情形發生。本平台系統架構整合具網路通訊之振動感測系統，以及大數據資料存取與分析框架，將廠內各重要設備與製程數據進行收集與分析，並應用多變量統計(MSPC)與全頻帶監控分析方法建立設備的健康度指標，實例中成功進行設備異常預警，降低生產停頓造成的企業成本損失風險。
Abstract：In recent years, the Industrial Internet of Things (IIoT) has changed the factory operation. The equipment maintenance strategy of factory has changed from manual inspections to preventive maintenance. The management platform provides equipment's health status in real time, which can also reduce operation failure in factory without warning. The platform architecture is based on vibration sensing system, big data access, and analysis framework. It collects and analyzes equipment and processes data in the factory, using multivariable statistics process control (MSPC) and full-band monitoring methods to establish the health indicators of the equipment. The platform is able to detect abnormal with early warning and to avoid cost loss in the factory.
關鍵詞：預知保養、早期預警、設備健康度指標
Keywords：Prevention maintenance, Early alarm, Health indicators of equipment
前言
迴轉動力機械類型為一般工廠常見設備，從產品生產線到公用動力系統，如壓縮機、鼓風機及泵浦等，若因設備故障停機可能導致生產停頓與重啟能源消耗等成本損失，管理階層對於如何隨時掌握迴轉設備運轉狀況與提前故障預警相當重視。近幾年工廠開始導入大數據分析系統平台，並應用數據分析方法達到設備的即時健康管理目的，取代過往花費大量人力的巡檢模式，管理平台除了具備即時監控功能，還須增加即時故障診斷分析與設備需停車保養預警時間，以降低工廠設備維護成本與非預期停車成本損失風險，圖1表示各設備維護策略下獲得的經濟效益分析 [1]。
圖1 各種保養策略下的利潤與成本分析[1]
目前工廠內設備保養與故障診斷工作還需仰賴經驗豐富的專業人員負責，藉由量測設備的振動數值或由設備運轉製程數據，對運轉狀況與故障類型做出判斷，但具備此專業能力的人員並不多，而且透過教育訓練方式也不容易彌補實務操作的經驗不足，加上多數工廠機械維護人員人力短缺，因此輔助管理平台藉由長期收集各事件之數據與因果分析協助工程師快速理解並解決問題。
預期目標
本文平台預期目標是收集全廠生產設備之振動與相關製程數據進行分析與建模，並建立設備健康指標進行即時設備運轉狀態監控，以達到設備初期異常預警與原因分析，其平台特性如下：
(a)提供廠務人員便利性：不同職務人員都可以在任何地點時間透過電腦或行動裝置的瀏覽器來獲得所需之即時管理資訊。
(b)建置大數據收集與分析環境：包含資料收集 (Data collect)、資料庫設計 (Data repository)，以及數據分析模組 (Data analysis module) 建置，並採用Hbase分散式NoSQL資料庫儲存技術兼具磁碟
…本文未結束
更完整的內容 歡迎訂購 2020年10月號 451期
機械工業雜誌‧每期240元‧一年12期2400元
我要訂購