快訊

獨/「康熙來了」落幕6年後 小S重返台綜落腳這地方

施明德夫妻指他是「調查局臥底」 謝長廷晚間曝證詞回應

透過PHM機制降低設備突發性故障

圖1 : 從機床設備獲取的訊號數據和切削刀具的磨損量,可以預測刀具的磨損量。(source:MISUMI;智動化整理)
圖1 : 從機床設備獲取的訊號數據和切削刀具的磨損量,可以預測刀具的磨損量。(source:MISUMI;智動化整理)

[作者 盧傑瑞]

在工業領域,使用PHM在於故障預測與健康管理,並可歸納為三大重點,包括檢測設備故障的跡象並確定原因、建立設備老化模型並預測其使用壽命,以及了解設備的健康狀況並做出適當的決定。

近年來人工智慧技術取得了重大進展,可以做到預測何時可能出現問題,以及如何在問題出現之前進行處理,利用人工智慧來管理設備的健康狀況,並做出正確的決策,這被稱為「PHM(Prognostics and Health Management)」。

如果就PHM字面可以直譯為「預後與健康管理」,而工業上使用的PHM則被理解成故障預測與健康管理。包括:檢測設備故障的跡象並確定原因、建立設備老化模型並預測其使用壽命,以及了解設備的健康狀況並做出適當的決定等三大重點。

PHM已獲得顯著發展

這項技術已經在航空和航太等「絕對不能失敗」的領域,有著積極應用和顯著的發展。最近也已開始被導入到汽車、電氣和精密工業,甚至是機床和工具產業。

首先是測量技術的改善

在管理設備,需要各種測量設備來正確監測健康狀況,包括從尺寸測量到各種感測器。而近年來感測器變得更容易處理,並且出現諸如超高性能影像感測器之類的新一代測量設備。

另一個是人工智慧的進化

在過去幾年,人工智慧技術不斷獲得突破性的發展,已經可以從感測器所獲得的大量資訊,判斷設備「是否處於健康狀態」,或者「是否開始出現故障或異常的跡象」。透過收集和學習大量的關於健康和異常資訊,已經可以比人類更準確地預測未來即將將發生的故障;亦即「測量技術」和「人工智能」這兩項技術,大幅度地促進了PHM的發展。

以下是PHM在工業中應用的一個例子。

一家工程機械業者的業務領域是以出口大型自卸卡車為主。而大多的卡車都是在在惡劣的環境中使用,例如礦井等。如果卡車發生了故障,並被困在道路中間,這將對整個生產造成重大影響,導致重大損失。為了防止這種故障,業者已經開始引入PHM技術。

工程師將感測器放置在卡車的關鍵位置上,即時地不斷獲得各項數據,並且快速分析所獲取的大量數據(工業大數據),以期提早發現故障的跡象,並確定即將故障的位置,這樣一來,就可以在故障出現前進行相關檢查,防止出現重大損失。

切割與射出成型也開始導入PHM的機能

對於提高模具設計和製造效率來說,防止出現不良品是非常重要的關鍵之一,而這種不良品大多都是由於在大規模生產過程中,切削工具的磨損和模具的劣化,而導致降低加工的精度。然而大多數從事模具製造,和大規模生產的人如何處理這類問題?

第一種方式是進行問題原因的調查,並在問題發生後進行處理;另一種方法是即使問題沒有發生,也要定期更換工具和零件(加工時間、射出次數等)。

切削設備應用的PHM

PHM最常被應用在切削加工設備中是對「刀具磨損」的預測。因為刀具出現磨損的情況,會導致加工件的精度下降,但如果在未到使用壽命前就更換刀具的話,雖然能夠確保加工件的精度,但卻又會造成刀具成本的增加,以及也會加重更換刀具的工作量。

因此,為了盡可能減少更換次數,如何準確預測刀具壽命,並在最佳時機更換就變成一件重要的事情。

為了實現這一目標,需要收集大量有關刀具磨損過程的數據。同時,在刀具磨損的過程中,機床會發出什麼樣的改變(例如聲音、震動等),也是一項非常重要的訊號,這可以從時間序列(Time Series)中獲取。假設可以的話,如圖1所示進行測量。

從這個數據中可以觀察到,刀具的磨損量在超過一定的循環週期後趨於急劇增加。

讓AI以這種方式學習訊號數據和刀片磨損情形,就可以對刀具的未來狀態進行預測。例如,刀具在使用200次之後,磨損情況就會急速加大。如此一來,就可以透過預先已構建的系統,根據AI預測結果發出警報,讓現場工作人員可在工作受到影響之前,就能在最佳時機更換刀具。

在此例中,可以把機器設備上的力、振動等數據,透過訓練的模式來讓人工智慧系統獲得和學習,但並不只能這樣訓練人工智慧系統,還可以透過獲得更多的聲音、影像等時間序列的數據,藉以提高預測的準確性。

上述例子只是針對切削刀具的數據獲得後,進行相關的分析判斷。不僅如此,PHM也可以對機台本身的老化進行預測,加以預防系統的突然故障,例如主軸和軸承老化、磨損、工作台定位精度等,導致的性能下降等,這些不可逆的故障。

針對射出成型的PHM

接下來,再來討論一下射出成型設備所需要的PHM。

量產成型中模具變質導致的「故障」有哪些?我們先觀察一下,在大量生產的射出成型過程中,有哪些「故障」會因為模具老化而發生?例如,假設由於母模仁(CAVITY)、公模仁(CORE)接合部分劣化,導致射出材料外漏,導致出現毛邊的射出成型不良品。一般來說,都會先停止射出作業,緊接著調查問題原因並採取對策,但突然長時間停止成型作業,會影響整個生產計劃。因此,也可以透過PHM來預防這樣的問題。

要預防射出成型出現毛邊的不良現象,可以透過幾個方向來獲得預測缺陷的資訊,包括:安裝在合模區的壓力感測器來進行壓力的測量;使用相機型3D掃描器,逐次拍攝模具表面,並透過點雲(Point Cloud)處理來進行平坦度的測量;利用高解析度相機,不斷地對表面缺陷和顏色變化進行成像和量化。

人工智慧再從這些資訊中不斷地學習,並且經過分析,再作出辨別。例如在分析報表中,如果出現某種特定的波形時,就可以判斷出模具已經開始出現磨損。

然而仍有許多技術問題需要解決,例如預測哪種類型的成型失敗,有哪種類型的感測器最適合哪種預測,在哪裡測量,以及如何重現失敗的狀況,讓人工智慧能夠從中不斷的學習。相信在不久的將來,PHM技術將會普及在大規模生產的模具領域。

導入PHM可以採用的方式

那麼對於PHM的應用又該採取哪些步驟?大致上可以分為兩種方式。

PHM設計/模擬

這是透過對設備和系統的連接進行建模,並解決導致故障的因果關係來確定觀察(感測器)的位置。

大數據分析PHM

這是一個利用過去收集的大數據,來分析故障特徵、檢測健康狀況的惡化情況,並進行預測故障。

一般聽到PHM時,大多可能會聯想到「大數據分析 PHM」,這可能是因為經常被認為是超越傳統的先進技術,如機器學習和AI。然而,只是安裝大量感測器和收集大量「大數據」,這樣只會徒增成本,因為透過感測器所收集到的數據,雖然已經進行有效的分析,但是卻無法獲得即時警示,或將資料轉化成為高效率的資訊。或許這些與數據的可視化呈現,以及當下PHM的系統設計有關。

圖2 : PHM設計的流程和輸出的概念(source:MISUMI;智動化整理)
圖2 : PHM設計的流程和輸出的概念(source:MISUMI;智動化整理)

PHM與CBM的差異

對於故障預測領域來說,相信有很多人會對CBM和PHM感到混淆。

CBM和PHM與之前描述的維護策略類型不同,這是採用數據驅動技術來幫助技術人員有效地設置維護活動的時間。這些方法的目標是在找出維護頻率,與其相對成本之間的平衡點。

**刊頭圖(source:BBVA)

【欲閱讀此篇更豐富的內容及更多精彩報導,詳見《智動化SmartAuto》網站】

2021.9月(第73期)馬達與減速機:與時俱進全面轉型
2021.9月(第73期)馬達與減速機:與時俱進全面轉型

相關新聞

手足一體精益求精 機器視覺跟隨產業轉型

延續自21世紀初台灣推動兩兆雙星產業以來,不僅成功導入2D/3D自動光學檢測設備,提高產品良率。到了邁向工業4.0時代,機器視覺更扮演了傳感器角色,在製程中蒐集資訊,並結合協作機器人、自動導引車自主移動;如今還可望結合人工智慧,擴大於投入PCB、Mini LED等次世代產業應用來提升價值。

機器視覺開天眼

若要替代更多人力,機器人需要更智慧,必須仰賴視覺與力感應等輔助才能符合所需。本文特別專訪達明機器人營運長黃識忠,剖析機器視覺技術在協作機器人的應用與趨勢。

齒輪螺桿加工有待引進專業能量

即使多年來台灣齒輪及螺桿加工業者陸續透過自製機台、刀具,甚至於PC-based控制器,逐步建立開發能量,進而透過內外併購來提升競爭力。但至今該體系仍相當封閉,並非傳統綜合加工機、CAD/CAM軟體商可涉入,而相當倚重製造加工業者多年累積的數學式資料庫、專用機種,但在應用工法不斷推陳出新及瑞士控制器大廠介入下,可望出現轉機。

齒輪螺桿加工機朝數位轉型

經歷近年來數控技術的成熟發展,在工業4.0及數位分身潮流的推波助瀾下,即使傳統CNC數控系統於齒輪/螺桿加工亦非全無用武之地。包括國內外工具機等OEM設備製造廠商,也紛紛與歐系大廠Siemens、NUM結盟,開發客製化人機介面及模擬軟體,以支援齒輪/螺紋磨削專業加工機增效節能或數位轉型需求。

迎向全球供應鏈重組浪頭 半導體領航上下游轉型布局

回顧2021年上半年因為連續的天災人禍,不僅先後造成各國汽車、3C產業晶片荒未解,紛紛啟動重組計畫。台灣身為全球代工產業鏈一環,則可望逐步透過數位轉型,藉半導體龍頭產業帶頭,引領產業上下游與生產基地分散布局!

老牌馬達大廠接班成敗 端視電動車創新應用

歷經一甲子發展,台灣傳產機械業至少也度過兩代接班,雖然如今大部份中小企業以無痛接班者居多,卻也有如馬達老牌大廠,因為上市規模與牽扯的利益夠大,難免上演內外派系或家族鬥爭的戲碼。但最後仍端視其接班梯隊能否銜接產業下一波轉型契機,掌握電動車等節能減碳技術,讓創新應用不再只是一門生意,還涉及了企業世代交替存亡的關鍵。

商品推薦

udn討論區

0 則留言
規範
  • 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
  • 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
  • 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
  • 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。