设备停机伤财又损誉,预警却总是「假警报」!预知保养系统如何才能精准预判?

on

|

views

and

comments

某日,一座大型石化厂一如以往的运作中,产线却突然停摆。由於石化制造原料上线後会按制程完成生产,因此一旦无预警停机,这些半成品就必须报废。除了原物料损失之外,部份设备也因产线问题产生错误动作,导致一旁的作业人员受伤。

当设备维修人员紧急进厂检修,发现是其中一部关键机台的马达故障。而一旁的工作人员直言,这组马达已经连续几天传出怪声,不过因为看起来还算正常,为了不影响正常作业并未往上呈报。维修人员找出问题後,立即开始找备品准备修复,一查清单才发现这组马达属於关键零部件,因为价格昂贵当初厂内没有多余备货,而供应商也无库存,从国外订货後必须等待数天後才能送达。

这一时疏忽的结果就是大批物料损失、人员受伤、出货延宕造成商誉受损,「如果这座石化厂当初导入预知保养系统,上面所有事件都可以预防。」科胜科技产品服务部门经理洪山海说。

制造现场故障停机, 80% 为随机发生 

近几年制造业掀起智慧化浪潮,预知保养是制造业者优先选择导入的智慧功能之一。洪山海经理点出主因在於这项技术带来的成效非常显着,「对大型制造业者来说,只要能够预防一两次无预警停机,投入的成本就可以回收。」他接着分析,制造现场出现故障停机,有 20% 来自机台老旧,另外 80% 则是随机发生。

所谓的「随机」也就是无法事先看出异状,按现在的人力维护作业模式根本无从预防。由於厂方不会随时备有零件库存,若故障的是关键设备,便必须再花上不少时间等待供应商调货,导致产线只能停机等待,交期也有可能因此延误。

图片说明:科胜科技产品服务部门经理洪山海表示,对大型制造业者来说,只要能够预防一两次无预警停机,投入的成本就可以回收。

科胜科技产品销售服务处经理潘安禹接着表示,设备故障的原因不外乎三点,操作人员的专业不足、设备使用期间内部零件出现损耗,以及环境不佳。

制造业者对於故障的处理方式,通常会依机台重要性区分。一般机台多采被动维护,也就是异状过於明显甚至是停机才维修;重要机台会采定期保养维修,至於对产线影响最大的关键机台,则会按运转时间保养,也就是仿照汽车依里程进厂保养的作法。「当然大家都知道缩短保养维修周期会有助於产线的稳定性,不过这同时也会让成本提高、设备可用性变低,因此多数业者还是维持既有的做法。」

不过潘安禹经理也指出,现在维修模式对设备随机故障的预防效果极为有限,「要大幅降低故障机率,同时顾及设备可用性的最佳解方就是导入预知保养。」设备预知保养近几年备受制造业者瞩目,市场已有诸多解决方案。AVEVA 深耕自动化领域多年,长年站在生产场域第一线深知现场状况,因此推出预知保养解决方案希望能完全解决制造业者的痛点。

图片说明:科胜科技产品销售服务处经理潘安禹指出,设备故障的三点原因:操作人员的专业不足、设备使用期间内部零件出现损耗、以及环境不佳。

故障数据难收集,AVEVA 用健康数据找出异常设备

AVEVA 台湾区经理林志铮表示,要让预知保养系统精准侦测设备状态,必须倚靠大量的设备数据。目前市场上的作法是收集故障数据,然而设备故障的机率本就不高,业者必须耗费大量时间才能建立充足的数据库。而 AVEVA 则是反其道而行,先蒐集健康的机台数据,并与即时侦测的数据比对,一但与运转状态与正常状态不同,就可得知设备有异常。

此外系统侦测到的异常数据也可累积成诊断知识库,於系统後端进行整体分析,同时加入异常事件的特徵点条件,系统透过 AI 学习即可自动找出异常事件,并且提供各个特徵点彼此间的关联性分析,藉此建立模型。模型建立後,系统提供模型回测功能,不断降低误报与漏报机率,让分析预测结果越来越精准。

图片说明 :  AVEVA 预知保养系统将繁复的资料探勘流程浓缩,使用者无需研究演算法或撰写程式,即可用直觉清晰的图形化方式呈现分析结果。

除了聪明掌握设备状态外,AVEVA 预知保养系统 ( AVEVA™ Predictive Analytics )的整合性也非常高。林志铮经理提到,智慧制造概念要求整合 IT 与 OT 两大系统,让数据的价值最大化,AVEVA 的系统在 OT 层可以与 Wonderware SCADA 串联,IT 层则能与 Oracle、SQL 等资料中心软体相容,真正落实智慧制造系统数据无缝流动的目标。

预知保养系统精准预判,避免工厂预警重演「狼来了」事件

AVEVA 预知保养系统目前已有多起成功案例,台湾的大型石化厂就是其一。原本该厂的设备一直有「狼来了事件」,也就是现场人员因设备故障的误报过多心生疏忽,导致真正故障警报出现时无人在意。

在科胜的协助下,该石化业者将 AVEVA 预知保养系统顺利导入至旗下的炼制研究所。AVEVA 系统在测试期就发挥预知能力,经由数据蒐集与 AI 分析能力,预判某设备将在一个月後出现故障,结果一个月後预测成真,业者当下决定积极导入。经由 AVEVA 系统,该炼制研究所已能依照预知结果排定维修时程、提前备料,同时也因为可以掌握设备的故障点,人员可以快速完成维修,提升工作效能。

目前为止,这套预知保养系统在全球监控超过 30,000 套关键设备、机组以及包含超过 480,000 MV 的发电机组容量,历经各大产业的实绩验证。例如工业界熟知的化工巨擘巴斯夫 ( BASF )、液化气体领导品牌液空 ( Air Liquide )、台湾知名石化、电力业者等,皆利用 AVEVA 系统提升设备可用性。

「产能利用率向来是制造业评估营运的关键指标,而产能利用率的表现取决於设备可用性。」洪山海经理指出,预知保养的效益清楚可见,而且投资报酬率极高,因此成为多数制造业推动数位转型的优先选项,不过预知保养的成效要顺利浮现,必须有强大的制造专业为基础,「科胜、AVEVA 在此领域都有长期经验,这些经验已呈现在多起案例中,未来我们善用此优势,持续协助制造业者导入相关系统,踏出产业转型的第一步。」

科胜科技 UTITECH

热门文章

20240411─辉达、Google携手打造GenAI加速器|【AI主播报新闻】

站在科技浪头、探索尖端趋势,【科技岛】每日带给您最新产业新知,并由AI主播为您编辑播报当日热门科技新闻,让您 3 分钟掌握天下事!

人工智慧市场发展救了 HDD,供不应求驱动半年涨幅达二成

随着人工智慧市场需求的放量,激起大量储存资料的需求,加上 HDD 厂商去年因应市况不佳减少供给,导致自去年下半年以来大容量 HDD 供不应求,带动整体 HDD 价格飙涨,根据业界人士指出,去年第三季到今年第一季,HDD 整体涨幅累计达 10%~20%。 日经新闻报导,SSD 存取速度超过 HDD 近...

人工智慧揭秘空气污染时空变化 透过Geo-AI模拟戴奥辛分布 – 科学月刊Science Monthly

戴奥辛(dioxin-like compounds),是超过210种不同化合物的总称,其中包括共平面多氯联苯(partially coplanar polychlorinated biphenyls)、多氯二联苯呋喃(polychlorinated dibenzofurans, PCDFs)、多氯二联苯戴奥辛(polychlorinated dibenzo-p-dioxins, PCDDs)。戴奥辛产生的途径相当多样,大部分源於制造特定化学产品的过程,例如制造含氯的防腐剂或除草剂、冶链金属、制造水泥、火力发电厂等。在自然环境下的露天燃烧、处理废弃物(废电缆、废五金)或焚化炉燃烧垃圾、纸浆加氯漂白等过程,也都是戴奥辛的重要来源之一。

最新文章

相关推荐

0 0 投票数
Article Rating
订阅评论
提醒
guest
0 Comments
内联反馈
查看所有评论
0
希望看到您的想法,请您发表评论x