製造设备监测

技术理念｜製造设备监测

各式製造设备可应用机器学习方式进行监测，固德的机器学习监测系统适用于任何具重複动作行为的机台相关设备，可即时侦测动态机械之动作讯号，即使动作讯号仅发生微小的异常，即可预先判别得知机械是否即将会产生故障特徵。

为何要用机器学习方式监测设备？导入理由

在智慧製造时代中，厂区充斥着大量自动化生产机具。由多样机构、电机所组成，相同设备执行不同的生产任务及大量进行重複性週期加工等设备，我们都将它归类于週期性（重複性）生产设备。例如：加工机、机械手臂、CNC工具机、冲压锻造机台设备、自动焊接手臂设备、射出成型机台设备等。

此类型机械运转动作极为複杂，运转中正常讯号及异常讯号常常会交错在一起，数值高低不再是判定运转是否异常的准则。因此只有单一数值的警告门阀值，显然不敷使用。

如何执行
1. 学习正确规范进行比对

藉由机器学习的特点，快速为设备建立正确的学习规范，并比对即时的动态讯号，能够为设备即时异常检出，不再需要漫长的蒐集数据期。已经针对加工行为或製程种类分类、乾淨的製程，数据库可直接加入事件执行训练。

建立学习规范

透过学习设备正确的动态讯号，选取製程关键的讯号区间。系统并可储存数个动态讯号，使用者可自行标记，为不同的机械动作，存成不同的学习规范。

撷取需要的动态区间讯号

融入使用者经验，藉由选取需要的动态讯号，可以避免不必要的数据累积，加快软体运算效能。

使用者可为此动作进行标记，能够更快速了解製程或动作异常发生的时间点。

如何执行
2. 自动追踪识别技术

系统可学习纪录机械动作不同剧本的模型，当机械执行不同动作时，系统将自行对应模型图库，比对即时讯号，判定相同讯号并以此模型监测。即使製造过程机械动作有发生异常或是有其他外在干扰，自动追踪识别技术依然能够正确判别数据讯号是否为同一组週期动作，并判别结果。

类机器声纹比对

机器声纹比对是指透过分析和比对声音中独特的声纹特徵来确认或辨识个体身份的一种技术。声纹类似于人的指纹，每个人的声音都有独特的频率、音调、语速、发音方式等特徵，这些特徵组成了每个人独一无二的「声音指纹」。而藉由搜集机械的动态讯号，就好像是人类的声纹，具有其不同的独特性。

自动追踪识别技术简单的说，就是利用动态讯号中，提取动态特徵，包括频谱特徵、振动模式、动态变化等，利用这些特徵进行特徵匹配演算，来判断是否为需要的动态讯号。系统内建监测模型：振福、频率、相位、小波、标准差、稳定度等演算法。

再複杂的动态讯号都能追踪

即时、快速的学习(标定)重複性或部分重複性的生产行为，并以『人』的经验做为基础，转植为 Rule Base 的监测。具备高速取样比对讯号能力，每次约可解析小于 0.2 秒的动态讯号，微小讯号一网打尽。

如何执行
3. 结果判分机制

将複杂的巨量数据简化成判分机制，让使用者可容易判读。外层-机台健康度：结合机台目前动态状况如：相似度分数、振动值超标次数、频率超标次数、机台运行状况、综合判分；内层-动态运行判分。另外绿灯代表正常、黄灯代表警告、红灯代表异常。即时振动动态讯号会自行与规范进行比对，当符合该规范判断设定，即会显示与该规范的判别结果。

週期性生产设备影片说明

分数与权重

底层权重来源是透过搜集大量的特徵值纪录数据、大量好坏机械性数据累积，依据机械种类特性，透过 AI 训练引擎得到各特徵值，再依照设备运行情况下的重要程度比例，建立最佳化权重分配，归一化为分数配比。

灯号显示说明

・监测状态判定优良，灯号为绿色 Pass 。
・分数介于 Health / Health Normal ，灯号转黄色。
・分数低于门槛判定为异常，灯号显示红灯 Fail。
・Mechanical State：机械状态 Bar 的 Pass ratio 高于门槛显示绿灯，低于门槛显示红灯。

如何执行
4. 累积特徵 AI 化

系统搜集了大量的原始 Data 数据，其中可能包含一些不必要的数据，数据的清洗有助于提高系统的效能及数据特徵化，让各种不同的数据讯息可以以统一的方式呈现在 UI 上，并藉由数据的特徵值累积，化作趋势图，更方便使用者进行二次门槛管理。

特徵值趋势图说明了机台老化历程，使用者可藉由趋势数据化定义日后保养计画，并藉由 AI 训练，预测未来可能发生的变异。

週期性生产设备影片说明

系统机械特徵识别技术 AI 化

传统导入 AI 的监测系统需要经由长时间累积大量数据、大量经验事件，在模型建立前所需要花费的建置成本，效益难以估计。即使蒐集了大量的数据，没有经过数据清洗或特徵化，数据将无法有效的被利用。而每种类型的数据都需要由专业领域的专家跟资料科学家合作来重新分析建模，在真正有效益前，已耗费大量的金钱与时间。

机器学习智能监控系统

而 VMS-ML 去除蒐集数据漫长过程，即时得到效益。依据製程特性以及监测项目来选用直接相关的感测器，才能更精准的搜集数据进行分析监测。非侵入的量测方式，免除机台对接的困难，系统安装当下即可产生效益，执行产线监测任务。

机器学习智能监控系统

系统安装当下即可产生效益，执行产线监测任务，即时得到 AI化效益。

机器学习智能监控系统应用案例

应用于各种机台设备

VMS®-ML机器学习智能监控系统可应用于任何具重複动作行为的机台相关设备，可即时侦测动态机械之动作讯号，即使动作讯号仅发生微小的异常，即可预先判别得知机械是否即将会产生故障特徵，以供使用者有充足的时间准备更换料件或产线的调度管理，避免无预警的故障产生影响产线作业，造成损失，亦可有效的预防机械在异常的情况下运作衍伸出的品质问题。

应用范畴：
・任何具重複动作行为的机台设备
・取放晶圆用平行式机械手臂
・多轴向机械手臂
・Pick & Place装置
・自动化产线设备
・半导体黄光设备、清洗设备、参数化涂佈设备
・封测厂前段：切割机、上片机、打线机、雷射切割机、研磨机
・封测厂后段：Header、Probe
・面板厂大型搬送手臂
・面板厂旋转涂佈机、平行涂佈机