科技創新(一百三十):AIoT產業-智慧製造之預測性維護

科技創新(一百三十):AIoT產業-智慧製造之預測性維護

 

預測性維護(Predictive Maintenance)是使用控制器的輸入數據與感測器測量到的大量數據,用機器學習來做分析,找出模型,根據現在量測到的數據了解機器狀況,進而做預先計畫性維護,以減少浪費,並達成高效率。
     在工廠中,機器不預期地突然壞掉,會造成原來的產能大為降低,為了減少損失,要想辦法在最短時間內找到可用的機器或找其他工廠幫忙生產,另外,壞掉的機器,如果能修,就要花一費用與維修時間,影響生產的成本與生產的產能規劃甚巨。所以,利用收集到的數據,學習出生產設備的在長時間下的運作模式,從模式中推出需保養的時間,然後安排保養。
真的這麼簡單?
      其實,這樣的模式,還要看工具機需要量測的數據是哪種數據?需要哪種感測器?原來沒有裝感測器的機器該怎麼安裝?還有,人工智慧學習好的模型一開始沒有,會不會因收集壞掉的數據,讓機器壞掉?不過,一但機器壞掉,客戶應該就不信任這個機制了吧?
    以電動馬達為例,另外安裝震動感測器來量測震動數據,以知道震動狀況,但是在工廠中必須特別停機安裝;而且安裝後又要緊緊接上,其中之一的解決方案是鑽孔鎖上螺絲鎖住。
    電動馬達的模型,有些廠商已經開發出了相關的數學模型,根據這類模型保養已經比傳統的定期保養減少浪費,但是如果加上收集資料量來做機器學習,可以做到更好的效率,最後資料量夠龐大,就可建立深度學習模型,其效率非常高。不過一般企業因為沒有好的人工智慧人才,可能沒辦法建立相關的模型,而因此能使用到這麼高的效率。
   電動馬達是連續轉動的工具機,已經有相關運作的數學模型,但是像工業機器手臂,這種沒有固定相關模型的,就一定要用機器學習的方法,這時收集資料,找到適切模型是必要的,以新漢智能系統公司的相關解決方案為例,其震動感測器裝在手臂基柱靠近底端,然後收集相關數據來調整人工智慧模型的參數,不過新漢本身也有做機器手臂,所以他已經用這個模型針對自家的機器手臂實做學習過,所以模型參數調整相對穩健,只是要學習後移植到其他沒有感測器的機種上。
      預測性維護往往是很多廠商導入工業4.0最先選擇做的,因為解決最大痛點,其效率提升明顯,而且針對單機,成本花費相對又少,如果還沒導入的企業,可以先從這個項目開始。
   

裴有恆

現為昱創企管顧問有限公司總經理,多家公司的顧問、新北市工業會會務顧問與生產力4.0委員會委員,以及多家媒體的科技專欄與特約作家,同時也是趨勢觀察者。講授與輔導課題有物聯網、人工智慧、Fintech、工業4.0、大數據、產品創新、服務創新、商業模式創新與專案管理。現在同時也是Google查詢物聯網顧問、物聯網教練、AIoT教練、物聯網講師丶AIoT教練丶AIoT 顧問丶數位轉型教練丶數位轉型講師人名第一名。

發佈留言