帳號:
密碼:
CTIMES / 文章 /   
幫浦設備邁向智慧生產的第一步
自我檢測與故障預知

【作者: 盧傑瑞】   2019年01月07日 星期一

瀏覽人次:【1495】
  

@內文;


近年來由於工業4.0的推動,各國莫不朝智慧化與節能的方向發展,以提高產品之附加價值。在智慧化時代如何擷取幫浦系統的關鍵運轉資訊,以做為回授控制,達成自動化與高效能運轉,甚至可以遠端進行故障診斷與預測維修,也是極為須要掌握的技術,此時感測器與無線網路扮演了重要的角色。


幫浦產品根據運轉原理可以分為兩大類:迴轉動力式與齒輪式。依照水流經幫浦葉輪之方向將迴轉動力式分類為離心式、軸流式及混流式。其中迴轉動力式幫浦為應用產品中占比最大的類型,而齒輪式幫浦依靠活塞、葉片、齒輪等工作原件,在幫浦內部作往復或迴轉的運動,交替性的將液體吸入及排出,結構較為複雜,製造成本較高。


能夠正確的預測出故障已漸受關注

利用物聯網(IoT)與人工智慧(AI)讓冷卻幫浦具有故障預知的能力,防止加工設備突然因為冷卻幫浦出現故障,造成空轉或因故障長時間生產中斷。根據所有的發生情況分析,設備故障是造成生產工廠無法維持高生產能力的最大因素。而現在因為有了物聯網與AI等技術,可以讓生產設備導入先進數位技術的可能性。並且類似這樣的技術,吸引著各個加工設備業者,以及加工設備重要關鍵零件爭先投入開發。


就如前述,對於生產工廠來說,提升加工設備稼動率的最大障礙點,就是加工設備的故障。加工設備有2大停機狀況,分別是短時間的生產停止,在日本業界稱之為Chyoko停止,和長時間生產停止的Doka停止。然而因為設備的故障停止往往大多會產生長時間的生產停止,而嚴重影響著生產效率與設備稼動率。


為了預防因為設備的故障而產生Doka停止,在設備發生故障之前,定期和時時關注磨損品狀況等,並且適時地更換零件,這樣的設備保養維護是不可避免的。但是,卻有各式各樣的原因會讓設備發生故障,能夠精準地掌握何時會出現故障的情況,這就非常的困難。但是,由於技術的進步,透過物聯網與AI等的先進數位技術,就能夠正確的預測出故障,已經愈來愈受到關注。


其中,因為冷卻幫浦的故障出現,會對加工設備造成高度嚴重的生產中斷,並且無法在短時間內排除故障,甚至可能會對加工生產設備中的其他零組件造成連鎖性的損傷和影響。但是,由於物聯網與AI等先進數位技術的出現,吸引了日本各大冷卻幫浦的開發業者向外尋找合作對象,例如住友集團旗下,專注於油壓機器、熱交換器等等的住友精密工業,結合了IT服務業的UNIADEX,針對新一代的高壓冷卻幫浦開發,導入物聯網與AI系統,並且開始進行針對高壓冷卻幫浦故障預測和相關驗證的研發工作。


進行智慧化提升除了冷卻幫浦,還必須考慮其他元件

對於切削加工設備來說,在進行切削加工時,必須依靠冷卻幫浦噴出高壓的冷卻液,維持固定的切削時工作溫度,來確保加工精度,並且也因為依賴這些高壓冷卻液,讓切削加工元件延長使用的壽命。


不過,切削加工設備最經常出現的狀況是,在進行切削加工時,必定會因為切削過程而產生各種形狀和大小不等的金屬粉末或廢屑,當這些金屬粉末或廢屑被吸入冷卻幫浦內部的話,就會造成內部零件的磨損,在長時間磨耗下而導致冷卻幫浦出現故障,進而造成加工溫度過高,而產生加工設備損壞,最嚴重的更會出現整部設備無法作動,而必須等候維修人員前來排除障礙或更換冷卻幫浦,影響了生產的排程進度(圖1)。



圖1 : 加工設備損壞最嚴重的更會出現整部設備無法作動,必須等候維修人員前來維修。(source:American Precision Gear)
圖1 : 加工設備損壞最嚴重的更會出現整部設備無法作動,必須等候維修人員前來維修。(source:American Precision Gear)

因此,上述的這些因果影響,就代表著必須認真的檢討,和訂定冷卻幫浦的故障預知與預防保全等的工作和技術。特別是標榜著智慧生產的工廠,更是連這些小課題都不能輕忽。


在日本業界對於冷卻幫浦的銷售潛規則來說,加工設備的製造業者是透過採購各種的次系統,並且一一加以組裝起來,而生產設備中的冷卻單元部分也是如此。因此如果只想要針對單一冷卻幫浦來進行智慧化,達到故障預知和預防維護的話,幾乎是做不到的,因為必須面對3個生產商,分別是冷卻幫浦業者、冷卻單元業者以及加工設備業者。


更進一步的,對於整套加工生產設備來說,並非只有單純對冷卻幫浦進行智慧化提升就好了,必須要考慮到其他元件,以及該元件生產業者是否有能力可以搭配改良。進而嘗試著提供給客戶端最低限度基礎的,故障檢測和故障預防的能力與資料,而這個就是加工設備製造業著必須面對智慧化的挑戰與無法避免的工作。另一方面來說,客戶也會選擇適合且先進的生產設備供應商,是不是能夠達到客戶的條件要求,同樣是會左右著生產設備供應商的生存機會。


在朝向智慧化工廠的前進路途上,必須應用到冷卻幫浦和相關系統的加工生產設備,在物聯網化與AI化時,必須能夠獲得相關的各種資料數據,才能夠具有各種的預知檢測與故障預防的能力。


不過,事實上對於冷卻幫浦來說,在加工生產設備中獲得這方面的資料,進而實現故障預知的能力,這是一件非常非常困難的事情。這是因為冷卻幫浦的工作模式是,在高壓的狀態下對加工生產單元噴送冷卻液,而多餘的冷卻液就會回流到前端的儲存槽之中。


因此,當生產速度因為某些因素或故障減緩時,理論上所噴送的冷卻液量也應該跟著改變,但是,很殘忍的是,事實上卻不是這樣,所噴送的冷卻液量,並不會因為生產減緩而有所改變,也因此回流到儲存槽中的冷卻液流量也不會減少,所以是沒有辦法從外部觀察冷卻液流量的變化,而發現設備的生產速度會因為某些因素或故障出現減緩。


所以,期望讓生產設備能夠達到故障檢測與預防的話,掌握冷卻幫浦的工作狀態和工作資料數據的傳送是必須且必要的。


透過AI能夠事先預防長期性因素的老化預知

對於冷卻幫浦的故障檢測與預防來說,必須掌握的第一件事就是零件老化的數據資料與各種跡象。通常零件老化的過程,是經過長時間的一點一滴劣化所累積的結果(圖2),而如果能夠擁有這些資料與情報,對於生產設備所使用的零件使用生命週期資料,配合各種加工數據就有可能能夠精確的掌握老化預知能力。另一方面也是非常重要的,就是要從時間序列的連續量測資料數據中分析出,加速老化的時間點,才能夠準確地判定和檢測出變化點。


圖2 : 對於冷卻幫浦的故障檢測與預防來說,必須掌握的第一件事就是零件老化的數據資料與各種跡象。(source:KITO SEIKI)
圖2 : 對於冷卻幫浦的故障檢測與預防來說,必須掌握的第一件事就是零件老化的數據資料與各種跡象。(source:KITO SEIKI)

例如,採用齒輪式結構的冷卻幫浦,當齒輪轉動一圈時,就會有固定量的冷卻液被送出去。當出現流量小於預先設定值的話,就能夠推測出冷卻幫浦內部已經出現因為長時間損傷或磨耗所造成的零件老化,進而再預測出需要更換零件的時間點,防止生產設備僅僅因為冷卻幫浦內部的一個小零件劣化而造成故障,需長時間停止運轉等待修復。


當然,這個因為零件老化所造成的輕微異常震動、聲音、變化都可以透過加裝各式的感測器來獲得數據資料。就像是當出現異常震動時,就可以從各種參數來導算出幫浦內部的結構零件現況,並且作為資料記錄時間序列上的一個連續數值。不過就如前述,以技術而言,術業有專攻,大多數冷卻幫浦的製造業者是不具備有數據蒐集、再分析後獲得結果的技術能力,因此,以日本的產業現況,幾乎都是尋求外部合作夥伴。


以住友精密工業和UNIADEX的合作案例來說,UNIADEX是日本UNISYS集團中一家專注於IT服務提供的子公司(UNISYS集團本部位於美國賓夕法尼亞州),原本對於硬體的開發等就有相當多的經驗和時機,並且對於製造業具有一定程度的了解和熟悉度,例如對於內部有採用軸承和馬達作為零件的生產設備,具有故障檢測機制開發的經驗和實績。


因此,這也是住友精密工業為什麼會選擇UNIADEX,最為新一代高壓冷卻幫浦進行物聯網化與AI化的技術合作對象。相信藉由UNIADEX在硬體上的檢測機制開發能力,協助住友精密工業開發出新一代具有物聯網化與AI化的高壓冷卻幫浦。


雙方這樣的合作開發下,在2017年中,終於有了具體的成果。


在一次的實驗中,準備了3部具有異常參數值的冷卻幫浦樣品。其中,第一台是普通無異常的冷卻幫浦、第二台是齒輪有稍許磨損的冷卻幫浦,第三台是齒輪已經完全破損的冷卻幫浦。從三台內置的感測器中獲得「正常」、「異常發生」和「故障」等三種模式數據,並且從這三台各自的震動和特定參數值進行機械學習,再進一步的獲得分析結果。


以這些資料和樣品作為冷卻幫浦老化測試的數據基礎,並且準備了另一台正常的冷卻幫浦進行加速老化的實驗。在讓冷卻幫浦運轉進行的過程中,每個時間點所測得的震動資料,和先前三台冷卻幫浦所測得的Golden Patten做相比對。結果在從正常運轉一直到出現故障的過程中,所獲得的數值和Golden Patten比對後,所呈現的相似度結果非常高。這個實驗也就應證了,可以從原始參數的比對中,推估出「異常發生」和「故障」等等狀態的發生時間點。


如果無法熟知設備的運轉和原理,就無法了解現象的起因

雖然只是個不複雜的實驗,但是雙方還是投入了相當的心力,例如連測量振動的感測器,其所擺放的地方都經過再三深思熟慮,而UNIADEX也要求住友精密工業提供詳細的設計圖,也接受了住友精密工業的工程師專業解說,對於構造、功能都能夠徹底地了解。如果無法熟知設備的運轉和原理,那麼對於感測器所測得的振動資料,就沒有辦法了解現象引起的原因,以及原因和現象的因果關係(圖3)。



圖3 : 住友精密工業導入故障預知的結構說明(source:住友精密工業)
圖3 : 住友精密工業導入故障預知的結構說明(source:住友精密工業)

在導入物聯網化與AI化的初期,如果不細心研究,並且定義出感測器擺放位置的話,就會出現即使從感測器獲得了資料數據,而這些資料數據所呈現出來的特徵會非常有限,除此之外,透過這些好不容易卻不正確收集到的資料,根本無法顯示出真正的異常以及故障徵狀,甚至連雜訊都沒有辦法分辨和判斷出來。尤其是特別對於冷卻幫浦來說,這是一個結構相當複雜的裝置,各式各樣部位都會有差異性相當大的震動發生。


況且,除了內部振動外,還會有外部因素所導致的震動,而帶來的影響。這些都是在讓冷卻幫浦邁向物聯網化(IoT)與人工智慧化(AI)所必須詳細思考的範圍,以及對冷卻幫浦的結構進行透徹的了解。


目前微軟有針對設備的智慧化研發,開發了一套IoT的平台「Microsoft Azure」,可以在輸入相對應的老化參數資料後,進行加速老化的連續運轉,以及從實驗裝置的感測器中獲得的資料。而在網路傳輸平台方面,日本業者大多是採用NTT DoCoMo的封閉性網路,先透過Azure上的虛擬伺服器上傳系統的基本參數資料,再透過時序列的累積出從感測器上獲得的寶貴數據,並且監控和比對各項數據資料,來一步步地進行物聯網化與AI化的開發工作。


*刊頭圖 (source:Haascnc.com)


相關文章
CNC數控擴增應用 AIoT與客製化分向發展
智慧機械非一蹴可及 感測器化身智慧機械預診斷功臣
以單一電池為NB-IoT連網提供十年電源支持
IO-Link和SIO模式收發器推動感測器領域工業4.0革命
以現代雲端為導向的應用時代,AlgoBuilder將變得更智慧
comments powered by Disqus
相關討論
  相關新聞
» 達梭系統解決方案幫助歐洲之星規劃資源和維護管理
» 區塊鏈科技導入行車保險業應用 引領車聯網服務變革
» 金竑發表CNC大型車床單元 成突破年度營收攻堅利器
» 上銀科技通過ISO 45001國際標準驗證
» 祥儀WAGV模式成型 誠徵合作伙伴
  相關產品
» 明緯擴充EPP-500系列
» KNX用於現代建築 可降低事後維護與火災風險
» 英飛凌推出首款適用於工業4.0的TPM 2.0
» Molex發佈0.40毫米SlimStack B8系列板對板連接器
» igus的產品搜尋器整合了使用壽命計算器確保24小時後交貨

AD


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2019 遠播資訊股份有限公司版權所有 Powered by O3
地址:台北市中山北路三段29號11樓 / 電話 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw