市場前線|現代製程監控平台技術發展與應用
作者：
陳信元 、呂政芳、黃志豪、李美津、張仁耀、徐振凱、鄭儀誠、陳俊彥、黃宗皇
刊登日期：2023/09/28
摘要：在本文中完成現代製程監控暨大數據管理平台建置，其平台功能包含了(1) 整合前端資料庫數據的擷取與傳輸；(2) 統計製程管制(SPC) 和多變量統計製程管制(MSPC) 的分析建模；(3) 模型導入軟體服務與線上製程監控；已於化工生產廠實際進行平台的導入應用，以網頁使用方式提供製程生產設備及其振動指標的即時趨勢監控和異常預警功能，為工廠主管和操作者提供了有用的管理支援工具。
Abstract：In this article, we successfully established a process monitoring platform with big data processing capabilities. The features of the platform include (1) integration of front-end database acquisition and data transmission; (2) analysis and modeling of statistical process control (SPC) and multivariate statistical process control (MSPC); (3) online process monitoring service for importing models on the platform. The platform
is actually applied in the chemical plant, and the real-time monitoring and abnormal detection of the process
production equipment and its vibration indicators are provided by using the webpage. The results show the
platform is a useful management tool for factory supervisors and operators.
關鍵詞：製程監控、多變量統計製程管制、大數據管理平台
Keywords：Process monitoring, Multivariate statistical process control, Big data management platform
前言
全球製造業逐漸邁向工業4.0 生產模式，大量的生產數據收集使得製程監控技術成為生產線上提升效率和確保品質的重要工具，製程監控讓工廠能夠即時發現和調整生產中的偏差，從而確保產品的一致性並達到預期標準。此外，製程監控技術也可應用於生產設備的運轉狀況管理，從而降低非預期停機時間和生產事故[1]，以及避免不必要的修理成本和生產損失。
目前業界常使用的製程監控方法包含(1) 單變數統計製程管制 (statistical process control, SPC) 為工業生產製造與製程品質監控常用之技術，其目的為收集生產與製程樣本之特性並建立管制圖，藉由管制圖可以有效地推論或判斷生產過程，見圖1 說明；(2) 多變量統計製程監控(multivariate statistical process control, MSPC)，此方法包含了主成分分析(principal component analysis, PCA) 和部分最小平方(partial least square, PLS) 等應用，其中PCA 結合了SPC 即時監控特性與多變量統計相關性分析技術，藉由變數降維等原理將多個製程監控參數轉換為兩個綜合監控指標，使得現場操作人員/ 工程師容易監視製程狀態，倘若當異常事件發生時，監控指標的升高可以作為有效的反應指標，進一步結合診斷功能的使用，就可以找出異常來源，原理如圖2 所示，而PLS 主要應用在產品品質預測上，是因為實驗室進行產品品質化驗需要一段時間，但知道了產品品質與生產過程中的變數存在關連性，產線人員就可嘗試建立虛擬品質模型，藉由此模型預測品質指標進而提升生產良率。
目標
本文目標為建置一套現代化製程監控系統平台，並在生產工廠中進行線上製程監控的實際應用。考慮到平台需要儲存和分析大量數據，其核心數據儲存策略選擇使用NoSQL 資料庫服務（HBase）以滿足大量數據存取的需求。
平台資料傳輸架構
實際場域製程數據來源為工廠所提供的OSIsoft PI 資料庫系統，為了即時取得PI 系統內的量測資料，在現代製程管理平台環境需要安裝PI 的SDK 套件，之後透過SDK 即可應用DotNet C# 等程式擷取到PI 系統數據，並將該數據儲存至本監控管理平台的Hbase 大數據資料庫中，並透過網頁方式進行資料即時視覺化呈現，本文整體資料擷取與傳輸架構示意見圖3 說明。
圖1 SPC 管制範圍示意圖
圖 2 MSPC 主成分管制範圍示意圖
平台服務功能
現代製程監控管理平台具備友善的網頁界面設計，可與自行開發的製程監控離線分析軟體「LatentGo」整合使用，如圖4 中可以先從平台下載數據，再透過LatenGo 的資料分析流程Step1 ~5 最後產生模型檔，再透過網頁操作將模型檔上傳至平台，進行線上的製程監控指標計算以及產品品質預測，此平台服務的應用方式適合資料分析工程師、現場製程工程師與管理者進行操作使。
圖 3 外部資料庫與現代製程監控管理平台資料傳輸架構示意圖
圖 4 現代製程監控預測系統應用流程
…本文未結束
更完整的內容 歡迎訂購 2023年10月號 487期
機械工業雜誌‧每期240元‧一年12期2400元
我要訂購