關鍵設備智能診斷技術及產品開發
加入技術交流群
關鍵設備屬于高風險資產，一旦在無預警下發生失效，將造成整體產能與關鍵質量的較大損失，或對工作安全與環境等造成明顯威脅，導致無法確保設備安全操作，甚至違反法規要求。近年來基于風險管理的可靠性維修(M&R)策略引起關注，因為這些關鍵設備的重大失效不僅造成較大的產能損傷，也可能衍生ESG相關議題；因此，依據80/20法則應對此增加相關故障模式的檢測能力，才能有效降低非計劃性停機及其衍生的安全與環境風險，而提高風險管理的效益。
舉例來說，在防爆區內的制程泵通常會設置備援(冗余)機組以提高制程或產線的運轉安全與穩定性；然而，切換機組的前提是要能提早察覺設備異常狀態，并適時采取因應措施才能發揮預期效果。如果設備已出現冒煙或劇烈振動，卻未被操作人員察覺，就無法避免災害。以下就是一個在防爆區制程泵瀕臨燒毀的驚險案例。
XWIN設備智能診斷技術及服務架構
為有效延長對關鍵設備高風險故障模式的預警期，通常可采取兩種智能檢測技術的開發模式：
■ 從工具角度來看設備：此模式要求嚴選合適技術方案（例如：AI算法、大數據、數據孿生）和建模流程而進行問題解析，并非關注設備本質與異況的動態特征，其成敗常系于資料收集是否齊全，協同的診斷或車間維修專家是否具有足夠的專業與經驗，當然也涉及在智能模型訓練過程的學習成果。
■ 從設備角度來看待工具：此模式先收集該設備的常見與可能的故障模式，再依其可能的故障效應，開發解析技術(含建模分析)和檢測模塊，最終決定傳感器的類型和安裝位置/方向，此以終為始的理念，較能實現直接檢測特定與常見故障模式的目標，這就是XWIN智能診斷技術開發與應用的堅持；同時，也可以在系統建置評估階段，先與使用者共同評估檢測的有效性，有助于預知維護整體管理效益的升級，并確保投資報酬率(ROI)。
XWIN預知維護方案中的智能診斷系統構建，主要包括四個步驟：
(1)選擇邊緣運算主機類型
(2)依據現場設備類型選擇需要搭載設備故障分析模塊
(3)建立數據中心作為網頁平臺及
(4)訊息推播；其中邊緣運算主機扮演著系統架構的關鍵角色
由于關鍵設備診斷邊緣運算主機本質是一個需要高可靠度的檢測系統，若要在任何環境下保持高檢測水平，檢測硬件上的高可靠度是需要被重視的。然在評估導入階段，一般注重功能及價格，而導入后系統硬件維護成本及檢測質量，易被忽視。
基此XWIN為提供高水平檢測信息，邊緣運算主機主要由NI cRIO-9055/9053/9230/9232/9208組成，確保在各種環境下都能全天候工作，保證完成有效而實時的關鍵設備預警與故障模式辨識。在多年實際應用上，均能滿足車間在檢測質量上的要求與極低維護成本，專注在問題的解析討論上。
豐富實戰經驗與精益求精
多年來，從事預知維護與設備診斷服務的經驗顯示，執行高風險關鍵設備的檢測目的并非要預測設備何時會故障，而是要及早辨識出設備的特定故障模式，并依據操作者或設備管理系統默認的故障風險高低，適時進行矯正的計劃與排程(P&S)；設若無法矯正以延壽，至少能提前做好維修準備或操作調整，將整體生產風險降至最低。
過去，用戶往往有診斷系統的預測能力愈強愈好的迷思，而忽略了其有效預警與風險控管能力；因此，如何通過設備故障模式的自動辨識進行風險分析，并適時采取相應的維修方案，才能讓設備異況及時改善，提高設備運轉的可靠性。另一方面，預知診斷在維護制度中的作用，并非要取代既有的維修計劃，反而是要優化維修計劃與排程，而獲得降本增利的效果；故XWIN專注于開發可衡量設備狀態的智能尺，協助操作者優化相關的維修活動與效益。下面的實際應用案例將進一步說明上述過程。
XWIN方案的特色
◆ XWIN智能監測方式以設備故障模式辨識為核心，采用檢測技術HI（專家智能）＋AI（人工智能），即使在缺乏設備故障診斷數據下，系統安裝后即可立即進行常見的設備故障模式監診，透過統計或AI建立檢測基準，實現故障趨勢管理，并學習辨識新的故障模式，實現基于數據的維護決策，提高投資效益。
◆ 系統提供符合「以可靠性為中心的維修(RCM)」理念的診斷信息，包括設備、故障模式、風險程度（含物理單位）、趨勢分析等管理要素。根據設備故障模式與風險趨勢制定維修策略，提供各級生產人員的維修決策需求。
本文作者: 睿捷國際股份有限公司 王智中
評論