設備也要健康管理! 看科技如何管理設備健康?

發布時間： 2021-05-17 11:12:00

科技意會 預測維修

個人要維持健康，需要常常定期檢查；如有異常，則需請醫生診斷，進而治療。那麼影響工廠運作的生產設備呢? 影響生命安全的汽車呢? 在新興科技的協助下，設備的健康管理能夠更即時、更客觀、更精細、更自動化，並能提升設備價值。設備健康管理是什麼呢? 新科技又帶來什麼管理趨勢? 本文將介紹設備健康管理概念、特色及發展趨勢。

前幾年，因感覺到心悸現象，醫生透過跑步機心電圖、連續7天心電圖記錄來偵測我的心臟跳動狀況，並判斷是否有異常現象；醫生還進一步利用抽血，檢查膽固醇、血脂肪狀況，來了解身體狀況，進而建議運動或服藥等治療方法。我自己也買了Apple Watch來隨時監測心跳狀況。

同樣地，汽車、輪胎、生產設備等設備資產也需要時常檢查、判斷是否異常、進行修理或維護。由於感測器、物聯網、大數據等技術的進步，設備資產的檢查也從定期檢查到隨時監控；其中，最為重要的管理技術即是「故障預測與健康管理(簡稱：PHM)」。本文將簡單介紹PHM概念、新趨勢與應用，看看現代設備健康管理新方向。

《延伸閱讀：讓設備個性化管理的”預測維修》

PHM的概念

故障預測與健康管理(Prognostics and Health Management; PHM)，顧名思義就是希望能在資產或設備故障之前能發現徵兆，進而進行零部件更換、維修等管理動作，以降低設備故障、停機帶來的經濟損失或效率，並能提高設備使用壽命。故PHM包含了「預知」(Prognostics )與「診斷」(Diagnostics)兩部份。

如下圖所示，一個設備由正常運轉開始，早期可能稍微出現一些輕微的問題 (A點)，但仍不影響機器正常運作。但是若不及早處理，可能到了某些時間點 (B點)，這時可能一些零件就會發生明顯的損壞；若是再不進行處理，最後將會發生整個系統失效造成嚴重的問題 (C點)。

圖、故障預測與健康管理示意圖(資料來源：Tims)

事實上，早在70年代，JSF, F35等飛機研發時，就已經採用了故障預測與健康管理(PHM)方法，使得設備的故障率降低了50%。一般來說，PHM有以下幾個維度：

1.感測(Sensing)：觀察或量測設備運作狀況(如：切削效率)、參數狀況(如：潤滑油、溫度)、損害狀況(如：刀具的磨損狀況)。這很像是中醫望、聞、問、切等各種方式，或是西醫則利用聽筒、心電圖偵測、抽血等，來獲取人們生理訊號。

2.預知(Prognosis)：預知目的在於偵測設備異常。設備異常並不見得代表故障，有可能來自於更換材料，或不同製程等使用環境產生差異，也可能是設備或零部件隨著使用自然地老化衰退。正如同人們跑步時，心跳會較快或者年紀漸長骨質會較疏鬆等。

3.診斷(Diagnosis)：根據異常的訊號，診斷可能失效模式或者判定損害嚴重性，以建立健康的指標。這正像是醫生根據血液中的膽固醇濃度判斷是否異常、心電圖判斷心臟是否異常，並綜合年紀、健康記錄等，研判影響身體健康的嚴重程度。

4.管理(Management)：根據診斷設備的健康狀況或預估設備剩餘壽命，就可進行零部件替換、參數調整、停機維修等各項管理手段。正如同醫生建議平常多運動，或是必須透過服藥來治療。

科技驅動新PHM管理

由於感測器、物聯網技術、大數據分析等技術的發展，使得故障預測與健康管理(PHM)能從過去依靠定期檢查、老師傅經驗判斷，轉變成隨時監控、客觀數據分析、乃至於壽命預測等。以下說明幾項新趨勢：

1.即時偵測預警：透過感測器、物聯網等技術，讓汽車、生產設備等運轉狀況，可隨時傳送給管理者與使用者，立即判斷處理異常狀況。例如：Navister貨車公司，提供司機、保修廠貨車狀況警訊、配件更換需求、保修服務時間分析；鼎新電腦設備雲，亦提供生產工廠、設備商，掌握生產設備稼動率、參數狀況及異常警訊。

圖、設備健康狀況即時偵測預警(資料來源：鼎新設備雲)

2.數據驅動分析：過去判斷設備異常的方式來自於老師傅的經驗，更科學一點透過失效模式與效應分析 (Failure Mode and Effects Analysis; FMEA)，利用工程手法將失效模式 (如：鑽孔速度減慢) 及潛在失效原因 (如：皮帶磨損、主軸軸承磨損) 進行對應，並依照設備發生失效狀況嚴重性、發生頻率、容易偵測性進行打分。

一旦發現綜合分數高，則立即進行零部件更換或維修等動作。這種手法已經用在航太或者汽車製造公司行之有年。然而，專家的判斷的準確度、記錄與分析手法繁複等，在小型的製造公司不容易施行。

在感測器、物聯網等數位化記錄並透過大數據分析、AI等技術，可以更精確、簡單地進行判斷。例如：主軸軸承磨損是否可利用攝影機或利用震動感測器蒐集數據? 分析同類軸承或過去相同設備軸承運轉歷史狀況，以判定是否異常? 是否衰退一定程度? 是否到了更換時候?

進一步還可以將重要零部件或設備參數狀況等多種感測與維修數據等歷史記錄同時分析，以預測設備剩餘壽命。數據驅動分析的方法以事實為基準，並能同時分析多種數據，能更客觀與精細地判斷。

圖、AI異常偵測(資料來源：治略公司)

3.形成管理迴路：一旦設備健康狀況數據化及更精確分析後，就可以與控制器進行結合形成自動控制、自動調適的管理迴路。例如：交通號誌根據車流量狀況，自動切換紅綠燈以最佳化車流、機器手臂根據材料狀況自行最佳化調整參數、生產設備間根據設備狀況與負荷度，協調工單生產排程。

4.設備資產服務化：設備商將PHM管理機制予以服務化，從中就可以提供更好顧客售後服務、維修服務，甚至從中產生新的利潤來源。例如：勞斯萊斯飛機引擎、Navister貨車、John Deere農機具等都是很好的例子。

結論

設備如同人類的身體，會受傷也會老化，良好設備健康管理可以確保順暢運作、安全保障以及提高效率、延長壽命。故障預測與健康管理(PHM)在感測器、物聯網、大數據、人工智慧的協助下，能夠實現更即時、更客觀、更精細、更自動化，並能協助設備資產服務化，提高設備價值。

黃正傑

你喜歡挑戰不斷隆起的技術高原、探索無限寬廣的創新領域嗎? 那麼我們是同路人。黃正傑，台大資管博士，協助鼎新進行前瞻技術研究與應用發展。歷經IT架構技術顧問、供應鏈管理顧問、軟體產業分析師等多項職務，並兼任文化大學助理教授。讓我們一起從創新與變革角度，探索新興技術！

更多案例