什麼是設備的餘命預測(剩餘壽命預測)?

什麼是設備的 餘命預測(剩餘壽命預測)?


#轉子馬達

#機器學習

#加工製造



餘命預測(剩餘壽命預測 ,Residual-life Prediction)是實現設備預知保養管理的基礎和核心,近年來已成為故障診斷、設備可靠性、系統工程領域的研究熱點。在智慧製造中,許多廠區對於預防性維護『預知保養』的觀念逐漸重視,以各式不同監測設備的方式來了解掌握設備的健康程度,再藉由健康程度來實行規劃預知保養計畫。對於使用者而言,預知保養不僅僅只是提早知道設備壞了,該提前安排維修保養而已,使用者更想知道的是設備還能夠使用多久?監測系統發出告警後該如何安排維修規劃?機台設備的保養順序?

在設備使用方式正常、設備正常運行、需求不變的狀況下,設備的使用壽命成了產線製造過程中影響效益的重要因素。而我們可透過各式感測器搭配監測系統蒐集被測物的各式數據(數據量測),系統選定需要的數據資料(資料選定),排除各式雜訊後(數據前處理),開始對數據做特徵提取,並依照特徵值做學習規範比對等。

預測流程

不同設備種類使用不同方式預測設備餘命


針對轉子相關設備類,固德的 OLVMS-RM線上轉子健康品質監測系統 內建智能AI演算法,將數據進行AI交叉對比,除了可以了解設備狀態、轉子異常可能的原因等,也能夠預測設備未來七天狀態趨勢。對於週期性設備類,由於其設備運轉方式及流程較為複雜,可利用 OLVMS-ML機器學習智能監控系統 進行監測與特徵學習,經由數據與特徵判別的不斷累積比對等等,系統將預測設備餘命,讓使用者有更多時間能夠提早準備維護工作。

對症下藥,不同設備種類使用不同方式預測設備餘命

設備餘命預測的觀念?

設備餘命預測的觀念

影響設備壽命的原因就跟影響人的壽命原因大致一樣,人的身體健康狀態由最初的本身基因影響,加上時間的推移,年紀大身體日漸衰弱,各式生活環境污染以及日常生活中是否有不良習慣等等影響。

同理,對於設備壽命的影響大概包含四大類:機械質量因素、時間因素、環境因素以及人為因素。我們雖然無法避免設備因為長期使用下造成的損壞(時間因素),但是我們可以藉由掌握設備的狀態,避免設備在不當的環境下使用或是在設備出現小狀況時就解決,不讓設備問題持續惡化,並且能夠藉由維護的方式延長使用壽命。『餘命預測』的主要用意,是要讓使用者藉由已知的預測時間,更清楚時間脈絡,依循設備壽命提早規劃維修保養,並進而縮短產線停機時間、延長設備使用壽命、維持一定的設備良率等目的。

#良率預測 #精度預測 #剩餘壽命預測 #Yield Prediction #Precision Prediction #Residual-life Prediction

週期性設備監測觀念與餘命預測

週期性設備監測觀念與餘命預測

對於設備問題不知道如何找出嗎?


不清楚該如何選擇量測工具?設備問題不知道從何檢出?
設備有異常卻不知道原因?讓服務量測專業人員為您解決問題。