自动焊接
电着涂装
总装产线
厂区环境
汽车製造製程智慧监测
解决方案｜汽车製造製程智慧监测汽车的生产流程是一种具有複杂的生产步骤并需要倚靠系统统整结合人为经验及设备自动化的智能生产线，大致上会经过五大工艺，每一道都是很複杂庞大的工业生产过程。
导入理由
确保汽车製造生产流程的无缝衔接
冲压→焊接→涂装→总装→检测
五大工艺简单说明，冲压：将金属钢板裁剪冲压生产成各种不同用处形状的部件。焊接：由自动焊接手臂，将各类部件焊接组装成车身。涂装：对车身部件喷涂烤漆，达到防鏽、美观的步骤。总装：将所有车身、引擎、轮胎、仪表板、内装等部件组装完整。检测：在各种模拟状况下进行检测试车，以确保出厂车辆的安全及质量。
为了确保每个步骤的效率、精度以及品质，现代汽车生产线越来越依赖智能化和自动化系统。透过监测系统，可以在生产过程中即时进行质量检测，确保每个工序的结果符合标准，减少次品率，提升产品的最终质量，并且系统可以及时侦测异常状况，减少人为错误的风险，同时提升生产安全性。
此外，藉由数据累积，甚至可以预测可能出现的设备故障或磨损，提前进行维护，避免突发性故障导致生产线停摆，这有助于降低维修成本及停机时间，实现生产流程的无缝衔接。
如何执行
确保每个工序的结果符合标准，减少次品率
透过监测系统累积大量生产数据，这些数据可供企业分析，发现生产过程中的瓶颈或优化空间，从而持续改进生产流程。通过数据驱动的决策，企业可以更有效地分配资源，提升生产的灵活性与反应速度，应对市场需求变化。
自动焊接产线製程监测
导入理由
电焊异常，危害后续结构
影响焊接品质的原因有很多，过快的焊接速度可能使金属无法充分融化和连接，而过慢可能导致过度加热和变形。错误的电流和电压设定可能导致焊接不均匀，并且可能增加焊点虚焊或缺陷的风险。这些缺陷会影响焊接质量和零件装配精度，可能需要重新调整或返工，严重的话还会降低焊接接头的强度和耐久性，可能导致零件在使用过程中失效，影响车辆的安全性和可靠性。
在焊接过程中常见会发生的问题：
・咬边：焊枪角度位置不对等。
・撞枪：部件组装发生偏差或焊枪的TCP不准确。
・断焊：焊接细缝不连续。
・焊偏：焊接位置不对或焊枪寻找时发生问题等。
・未熔合：焊接金属与母材或层间未完全熔合。
・穿烧：焊接过程中过度加热，导致母材穿孔。
执行痛点
工作环境不佳导致缺工？
电焊工作除了需要熟练的技术外，工作内容通常重複性高、人工进料动作单调，此外，工作环境常在高温、高噪音、烟雾和有害气体的环境下进行。因此，产生作业人员不易聘任。
如何执行
自动化流程导入，降低人力资源
透过VMS®-ML 机器学习智能监控系统自动化监测进行製程管理，根据设备作动过程的讯号了解产品的电焊品质，标准化流程及产品品质，可有效降低人力资源及工厂运营成本，实现工业零组件生产中的科学化管理。
执行痛点
人工检验方式，造成品质不一？
人工检验方式在大批量生产中，会降低整体生产效率。而检验员长时间进行高强度的观察和操作，也容易导致疲劳和注意力下降，进而影响检测结果的准确性。一些焊接缺陷，如内部裂纹或微小气孔，可能无法通过外观检查发现，影响最终产品的质量和可靠性。
如何执行
数据化替代人工，确保产品一致性
利用VMS®-ML 机器学习智能监控系统数据来记录和追踪，可以有效减少人工检验的不足，提高检测的一致性和可追溯性，保障最终产品的质量和可靠性。
执行痛点
手臂动作複杂，监测困难？
电焊手臂动作多样且机构组成複杂，要执行监测时，除了在部署安装感测器上造成困难外，各式手臂机台更有不同的製造厂商，机台数据资料皆由第三方设备商管理，造成机台交握上的困难。
如何执行
无需机台交握，安装即可执行监测
利用VMS®-ML 机器学习智能监控系统不需做机台交握、非侵入式量测方式，真正实现PLUG & IN。
只需一颗依据製程关键监测指标相关的物理量感测器，如：电焊手臂使用电流钩錶，标定电流点位，即可开始监测焊接手臂的电流、电压来掌控焊接製程中最大的变因。
VMS®-ML 机器学习智能监控系统
针对各式机械设备的动态监测，使用者透过简单建立健康规范，系统学习动作依照所累积的数据统计进而做出分析判断，产业进而可订立预知保养计画并有助于设计者优化产线设计流程。
VMS®-ML 机器学习智能监控系统
VMS®-ML 机器学习智能监控系统
产线AI化 杜绝不良品
执行案例
汽车钣金 熔接品质
问题：如果熔接不充分或存在缺陷，导致连接在应力下断裂或变形，危害结构的稳定性和耐久性。
解决：比对电流讯号， 自动判定熔接品质
钣金熔接由自动焊接手臂将各类部件焊接组装成车身。本计划导入VMS-ML 安装至工作站，根据电焊手臂特性使用电流钩錶，标定电流点位。系统快速学习正确的製程流程规范，并且自动识别追踪讯号。透过比对电流讯号，系统自动判定熔接品质是否良好。
效益结果：
系统能够及时抓取异常讯号，及时拦截并告警提示，避免了人为错误的判断。帮助使用者了解产线状态并即时处理，提高产线产品品质。
电着涂装产线製程监测
导入理由
泵浦异常，汙染工件表面
电着涂装主要有四个流程：预处理、电泳涂装、冲洗、烘烤固化等。能够为汽车钣金进行防鏽涂料、光面处理，需要藉由大量的泵浦设备抽取水溶性涂料或蒸馏水，进行预清理、除油、水洗、除鏽、中和、磷化等等的水循环过滤清洗的工序。
当泵浦发生异常时：
如：内部轴承或叶轮损坏、液体中杂质堵塞过滤器或电机线圈烧毁等，可能会导致液体中杂质未被有效过滤、液体浓度和温度分佈不均，汙染工件表面，影响生产效益及后续涂装效果。
执行痛点
大量泵浦，造成巡检困难？
泵浦数量众多，不但位置范围广、数量多，光是量测这些设备（抽风机、压缩机、高压等马达、真空泵浦等）就常耗费过多时间，巡检更是费力。
如何执行
线上监测取代人力巡检，弹性新增架构
可利用 RM-IoT线上监测系统 取代人力巡检，系统能够在设备发生异常时即时发送告警，通知使用者。
实现连续性的资料採集，让设备工程师空出双手专注实现在他们真正的价值。特殊的弹性新增架构，用户建置点位可依预算逐步新增。用户还可依据不同区域、设备不同重要程度做划分管理。
执行痛点
不清楚设备状态，导致无预警停机？
泵浦的无预警停机，可能会导致预处理液体浓度和温度分佈不均，影响脱脂、酸洗、中和和磷化效果，影响涂层附着力和防腐性能，导致预处理液体供应中断，使得生产线不得不停止运行，影响生产效率。
如何执行
套用规范快速了解设备状态
RM-IoT线上监测系统 内建 ISO 规范，用户无需背表，只需依照马达输出范围，套用适用规范即可。
软体并以灯号颜色区别设备状态：优良、正常、警告、危险，帮助落实预测行维护，避免设备无预警停机。
执行痛点
ISO规范不符使用？
ISO 规范适用于厂区大部分转子设备，而当ISO规范已不符使用需求时，用户可自行订立阀值管理或依照设备商提供的参数设定门槛。能有效帮助用户执行分级管理设备，也更精准管理设备状态。
如何执行
自订门槛与AI 预测衰退
此外， RM-IoT线上监测系统 综合VRMS振动讯号等特徵数据累积，透过AI演算交叉比对，进行预兆诊断。7天AI预测设备老化衰退程度，代替人为判断频谱烦恼，用户可依照设备状态排程规划，提早维护进行备料，避开等待空窗期。 。
RM-IoT 线上监测系统
针对各式机械设备的动态监测，使用者透过简单建立健康规范，系统学习动作依照所累积的数据统计进而做出分析判断，产业进而可订立预知保养计画并有助于设计者优化产线设计流程。
RM-IoT 线上监测系统
RM-IoT 线上监测系统
掌握转子状态，就能掌握 60-70% 的设备问题关键点
执行案例
冷却水塔冰水机监测
问题：冰水机是各厂域的重要设备，且设备位在高处，不容易进行巡检，且当设备故障时，容易产生工安问题。
解决：确保环境安全，节省佈线成本
RM-IoT 将感测器安装于靠近培林位置，纪录XYZ 轴的方向。採用LoRa 低功耗传输特性， LoRa 传输距离约 300~800 公尺，可自行设定传送数据时间。额外选配随身监看的应用功能，可以结合手机、平板，不限登入人数和位置，实现 24/7 实时资产性能监控和状态分析，当设备异常时，发送告警通知，以便适时採取纠正措施。
效益结果：
替代巡检方式，保护员工安全、 RM-IOT 的弹性化设计可逐次扩增点位，无线的优势也大幅降低佈线及配管施工成本，并节省厂区佈线空间。
总装产线製程监测
导入理由
手臂异常，造成损失
目前全球汽车製造中大约有70%以上的产线使用自动化机械手臂，其中利用大量且体积庞大的机械手臂进行搬运、组装、清洗、焊接等工作，可以更高速、安全、准确、重複的处理各种不易人工处理的繁重工作。
当手臂发生故障时发生的问题：
但是，机器不会说话，若不能确保手臂品质，当手臂发生故障时，例如：撞机、机械原因损坏、电源供电不稳等。手臂与其他设备或工件发生碰撞，造成损坏或卡住，或是供电不稳定、断电，将影响手臂正常运行。这些情况不但会使设备维修或更换的成本增加，导致生产中断及经济上的损失，甚至还有可能会有工安上的疑虑。
执行痛点
起停瞬间振幅很大，容易误判？
大型机械手臂的运转动作极为複杂，除了在起停瞬间振幅很大外，运转中正常讯号及异常讯号常常会交错在一起，若是以数值高低当作异常讯号门槛，就会导致误判。
如何执行
建立规范，自动追踪识别判分
透过VMS®-ML 机器学习智能监控系统自动追踪识别技术，根据不同的製造模式套用不同的学习规范，实现真正量身定做的门槛监测。
并且在即时监测讯号中，自动侦测标定过的目标讯号。即使製造过程机械动作有发生异常或是有其他外在干扰，系统依然能够正确判别数据讯号是否为同一组週期动作，并给予判分及结果。
执行痛点
大型手臂种类繁多，难以监测？
大型机械手臂在汽车製造上负责多种製程工作，不同的製程会有不同的监测需求，或是相同产线上有多种不同的机械手臂，而维护机台的工程师就需要熟悉各种监测软体。
如何执行
依照需求搭配，一套可适用多台
利用VMS®-ML 机器学习智能监控系统是专为各种週期性生产设备所设计的监测系统。可依照需求搭配多通道版本，一套系统即可监测多台设备。
系统将透过演算法将重要的结果以最简单的红绿灯及分数的呈现。内层保留各式数据分数及特徵图，及提供多组规范可供使用者自行设定套用。操作简单且结果容易判读。工程师透过简单的教育训练后，即可立即开始监测。
执行痛点
如何得知手臂异常的时间点？
大型机械手臂的动作複杂，手臂也通常需要执行多项任务，在每一道过程中都需要确保品质，若是手臂异常将可能导致组装精度不足或焊接质量不佳、产品不达标，进而影响到下一道程序。
如何执行
了解异常时间点，确保动作顺畅
利用VMS®-ML 机器学习智能监控系统学习正确动作行为作为规范，并为各别动作进行监测与诊断，了解设备在哪一个动作出现异常或不稳定的状态，提早进行预知保养。
藉由收集健康历程趋势，作为数据化保养计画参考依据。并可在维修保养前后进行稳定度测试，确认维修品质、保养效果。
执行痛点
如何判断预测性维护时机点？
大型机械手臂必须能长时间稳定运行，避免频繁故障或停机，当手臂的运行应当不对操作员和其他设备构成威胁，配备必要的安全装置和停机机制。正确的执行预测性维护是确保设备可靠性及稳定度的重要关键，而维护时机点判断和异常处理是确保生产效率和质量的重要环节。
如何执行
下最精准的决策，优化人力配置
VMS®-ML 机器学习智能监控系统系统针对不同的动态讯号进行监测与特徵学习，经由数据与特徵判别的不断累积比对等等，列出修机指引提供给用户维修排程的依据。
并且将透过AI 预测设备的馀命，让使用者有更多时间能够提早准备维护工作。
VMS®-ML 机器学习智能监控系统
针对各式机械设备的动态监测，使用者透过简单建立健康规范，系统学习动作依照所累积的数据统计进而做出分析判断，产业进而可订立预知保养计画并有助于设计者优化产线设计流程。
VMS®-ML 机器学习智能监控系统
VMS®-ML 机器学习智能监控系统
产线AI化 杜绝不良品
执行案例
手臂状态即时监测并给予结果
厂区环境监测
导入理由
影响製程品质与工安疑虑
在汽车製造中除了要减少生产过程中可能造成的环境影响，如二氧化碳的排放或粉尘。另外还必须为员工提供安全的工作环境，持续关注产品的安全性和可持续性，减少排放废气，推动再生能源的使用。
确保工作区域的环境质量
环境质量影响：
温度影响：焊接、冲压等金属加工过程，温度会影响金属的强度和延展性。固化和涂料的乾燥过程都需要精确的温度控制。
湿度影响：高湿度环境容易导致金属部件生锈和氧化、电子元件受潮，影响性能和寿命影响产品质量和使用寿命。
颗粒物影响：喷涂过程中，颗粒物附着在漆面上，将影响表面质量。长期暴露在高浓度颗粒物环境中的工人有健康疑虑。
如何执行
即时监测状态一目瞭然
适用于各式产业的温、湿度、particles 长时间监测，系统以灯号区分所有数据状态并统一显示于主画面，绿灯代表正常、橘灯代表警告（第一门槛） 、红灯代表异常（第二门槛）、灰灯代表未执行监测。点选页籤能够快速切换查看目前状态品质。
Envir-IoT 环境因子物联网
监测环境各项数值
导入理由
国际趋势 减碳节能
成本控制：
电能是运营的一个重要成本项目，通过电能管理，企业能够降低能源成本、减少碳税支出。
环保保护：
能源消耗对环境造成重大影响，特别是二氧化碳排放。管理电能有助于减少能耗、降低碳排。
效率提升：
电能管理有助于确保设施和设备的高效运作。优化设施的电能使用，减少故障和维修需求。
供应稳定：
合理的电能管理可以帮助确保供应稳定性，避免停电和生产中断。对于关键设施，尤其重要。
法规遵循：
许多国家和地区都有能源效率和环保法规，电能管理可以确保企业遵守相关法规，避免罚款。
技术创新：
管理系统利用了现代技术，包括仪表、数据分析、自动化和人工智慧。帮助企业保持竞争力。
执行痛点
设定项目繁多，难以操作？
汽车製造属于高度自动化製程，相对的，在厂区就会有诸多不同的监测系统，每套系统都有自己的操作方式及设定，除了数据难以整合外，遇到工作交接时，还会造成操作员的负担。由于操作複杂，更因此造成人员无法落实监测工作。
如何执行
简单操作，看你需要看的
固德的各式物联网系统，没有过多的不必要的资讯，除了将物理量透过边缘运算，转为使用者实际需要监测的项目外。
没有过多琐碎的设定条件，帮助使用者减轻工作负担轻松管理，无需撰写编程技术，平均教育训练一小时内即可上手，装机即可开始使用。数据也可另外导入中央战情室共同管理。
执行痛点
厂区或产线需要额外新增点位？
汽车製造厂顺应时代的变化需求，需要不断的推陈出新，或是因应法规厂区会有不同的监测条件。因此监测项目也多少会有增减，监测要能够弹性扩展，因此无法一步到位。
如何执行
弹性架构，适合逐步扩展
固德的监测物联网，都採用非侵入式量测方式，并具备独特弹性新增的架构，使用者可依照厂区规划分类，可自行设定区域名称，而新增点位也只需要新增监测模组，并且每个点位皆可自行命名与上传图片，操作更直觉。
执行痛点
监测装置的限制无法随时监测？
管理人员需要随时透过查看数据图表和报告，提高决策的透明度和科学性。因此，即使不在厂区内，若能透过手机或其他装置进行监测，提升管理的灵活性，就能够适应多变的市场需求和生产计划。
如何执行
提升灵活性，随时随地掌握
固德的监测物联网可以将生产数据和环境数据实时可视化，系统附加响应式 WEB 查看功能，透过本地端内网，不限登入人数，只需连结固定 IP 内网，开启浏览器即可查看设备状态资讯，支援 iOS 、Android 及 Windows 作业系统，一套适用于多种萤幕尺寸及各式智慧型装置，利用手机随身携带更方便使用者实时监看。
执行痛点
监测系统厂商多种，难以统一？
厂区的设备百百种，监测系统也百百种。而固德的物联网各式数据可上传至第三方管理系统，如：ERP、MES、CRM等或整合至固德的IIoT Dashboard，机台发生问题时，能够立即查看，即时回报问题，缩短反应时间，让使用者更轻松管理厂区。
EMS 智慧电能管理系统
透过实施有效的电能管理措施，有效帮助成本控制、落实ESG环境保护。
执行案例
精密零件製造厂区环境监测
问题：製造过程中微尘的附着将干扰电子元件的运作。温度的快速变化可能导致设备中的热膨胀不均匀，进而影响设备的尺寸稳定性。高湿度可能因起产品的表面水气凝结，进而影响性能等等。
解决：确保製程环境的安全
使用非侵入式高感度微尘感测器与温湿度感测器，并依照厂区需求自行分类规划。此外，本系统还具备上下双重阀值功能，藉由第一道阀值设定，系统发出告警，使用者可开始规划或是提早排查，就能避免红灯异常的出现。
效益结果：
系统能够及时抓取异常讯号，并给予告警提示，满足法规要求，确保製程在受控环境中进行。
