- Advertisement -
首頁 標籤 PHM

PHM

- Advertisment -

西門子/帆宣/亞達三方聯手 打造AIR維運監控系統

西門子與帆宣系統科技以及亞達科技於日前簽署合作意向書,共同開發整合AI/AR(AIR)技術的廠務維運監控系統,提供更完善詮釋工業 4.0 的解決方案。未來將結合西門子 SIMATIC 系統以及帆宣系統科技 PHM 系統,並導入亞達科技研發之 AIR 系統,攜手開發智慧化「AIR維運監控系統平台」,提升廠務運作穩定性,打造工廠智動化以及擴增實境、人工智慧發展新世代。 過去有鑑於廠務與設備終端在維修運作時,長期面臨設備無預警故障停機與長時間維修復機衝擊,造成系統營運重大損失,維持場域運作穩定性成為一大課題。西門子身為自動化領域的領導者,致力協助企業落實智慧製造,提升廠務運作最佳效能。西門子推出 SIMATIC 系統提供廠務與設備維運高度監控環境,讓所有運轉機制與流程資訊皆可透過數位化方式呈現,協助現場人員有效蒐集資訊,以掌握即時動態,並結合帆宣系統科技設備健康管理系統系統 Prognostic and Health Management(PHM),導入 AI 人工智慧技術,建構設備故障預診斷機制,提供使用場域先行預警與物料準備,協助客戶生產製造端的巨量資料分析的能力;此外,搭配亞達科技研發之 AIR 系統,透過 AI coach system結合AR擴增實境介面與 AI 人工智慧,虛實結合的技術取代厚重複雜的操作手冊,達成釋放雙手的目的,逐步導引巡檢維修人員,提供空間辨識與定位,即時擷取現場環境資訊,即時AI異常辨識回饋,透過人機協作正確完成裝配、檢驗與即時記錄,有效杜絕人為失誤,一次性完成作業,提供業界場域點對點的最佳維運方式。 台灣西門子數位工業總經理Tino...
0

IIoT故障預診斷 提升產能/設備稼動率

隨著軟硬體的進步,人工智慧(AI)和大數據(Big Data)等技術也跟著蓬勃發展,包括資料收集與分析等都比以往更為方便,例如將這些技術導入工業製造,進行設備故障的預先診斷,也能大幅提升產能與效率並降低相關成本。 工業技術研究院巨量資訊科技中心資料分析技術部副經理賴建良表示,善用AI和大數據可以創造智慧製造新價值。在產線端可以導入故障預診斷(PHM)技術,提升產線效率同時降低維修成本。 賴建良說明,工業製造的產線設備維護包含了預測和進廠管理兩個部分。預測的其中一個問題就是過度保養(Over Maintenance),有時設備零件還沒壞,保養時間到還是馬上更換,造成資源以及開銷的浪費,但是機器故障的成本太高,通常還沒損壞仍會選擇換掉,形成過度保養的問題。另一個問題則是非預期性停機(Unscheduled Downtime),即使已經定期更換零件,設備依然有可能意外停機,停機以後就須要進行清機和調機等作業,進而會影響產能和設備稼動率。最後,還有無法確定產品異常原因的狀況,當下游檢測機台發現產品異常,就須要停機,耗費大量時間與人力成本去尋找異常原因,造成產品的良率下降甚至報廢等問題。 針對故障預診斷,賴建良做了進一步的說明,利用生產過程中機台相關的資料與維修紀錄,可以進行故障預診斷。收集關鍵零件的健康指標,了解零件與正常狀態的差距,進行健康狀態評估(Health Status Assessment),即可快速找出故障源進行排除,關鍵零件健康狀態一目了然;另外,藉由相關資料的收集分析,可以進行故障預測(Failure Prediction),避免零件無預警故障造成非預期性停機,在故障點前提早預測到,事先進行零件的更換與維修,減少無預期故障帶來的原料損失;除了在故障前預測之外,也可以進行零件的剩餘壽命預測(Remaining Useful Life Prediction),對維修排程、備料與產線調配做更好的安排,提高機台稼動率並降低機台維護成本。 工研院巨量資訊科技中心資料分析技術部副經理賴建良表示,在產線端導入PHM技術,可以提升產能減少成本。 賴建良舉例說明,如華邦電子建置的機台預警系統,透過對參數因子的蒐集、解讀和分析預測,在問題事件發生前發出預警通知,減少非預期性停機狀況,並在第一時間採取矯正措施。在高度自動化的工廠結合機台預警系統,優化生產流程,確保少量多樣的產品品質,滿足車規或公規等高階市場的需求。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -